Home 美國求職 [數據分析師 Data Analyst] 薪資最高不是Google?職涯發展、日常工作、3個技能需求

[數據分析師 Data Analyst] 薪資最高不是Google?職涯發展、日常工作、3個技能需求

by Jack
Reading Time: 3 minutes

文章最後更新於 2022-10-07

數據分析師(Data Analyst)到底在做什麼呢?根據我在Data Team多年的觀察,還有身邊朋友的經驗整理!

在美國的商業分析師,每天都在做些什麼?如果想轉行,成為資料分析師/商業分析師,需要具備技能?

未來有什麼發展?薪資多少呢?今天就要來一步一步的揭曉這個行業的內幕!

未來這個領域,會在不同的產業蓬勃發展!

延伸閱讀:[美國求職] #2 英文履歷的5個原則、履歷範本,Google, Amazon注重什麼?

美國求職攻略

希望陪你走過美國求職馬拉松,整理了我自己、朋友的經驗,幫助你在逆境中,找到好工作!

內容包含:簡歷、LinkedIn、相關準備資源、準備面試的方法,希望讓你在美國求職路上更順暢。

歡迎訂閱我的IG: @nyc.engineer.jack

日常工作

這是很常見的8個步驟,我還分別列出3種常見職責、4個職能,並且用我自己過去在Data Team的經驗來說明!

希望幫助你更了解Data Analyst的日常工作!

  1. 解決商業問題
  2. 建立假說
  3. 採取某種方法
  4. 蒐集資料
  5. 驗證資料
  6. 了解資料,並且清理資料(Excel, SQL, Python都可以
  7. 資料視覺化
  8. 報告

3種常見職責

數據分析師 日常工作

描述分析(Descriptive analysis):What Happened?

在產業中,有很多已經發生的事情,這些數據散落在不同系統中,管理階層也看不到這些資料!

這時候就需要BA/DA去做以下的事情,幫助決策者做決定

  • 找出這些資料
  • 整合這些資料
  • 分析這些資料
  • 輸出成有Insights的報告
我的經驗:使用者偏好、使用者頭像

在我過去的公司中,我們是一間Car Leasing公司,有不同的租車資料、使用者資料

我們想了解,在我們平台的使用者,

大多喜歡租那些品牌的車子、大概價位在哪、信用紀錄落在哪?每個州有什麼差異?

這時候,就會需要去不同的Table,找到相對應的資料,

還需要了解不同Table間的關聯性,如何Join,並且解讀Data!

診斷分析(Diagnostic Analysis): Why did it happen?

當我們了解了目前產業發生了什麼事情,下一步,就是去了解為什麼這會發生。

這一步,通常很難將原因簡單歸因於單一條件,因為現實生活中的條件相對複雜。

常見的使用情境,資料分析師,在不同領域中,要找出在過去中,

  1. 有沒有固定的pattern?
  2. 找出導致結果的可能因素
我的經驗:訂閱制行為

像是我目前的公司Meetup,我們是一個實體的社交平台

我們有會員的訂閱制,在這個系統中,我們會想了解

  1. 過去取消訂閱的用戶,取消的原因(可以透過問卷
  2. 取消的時候,有沒有特別的季節(感恩節、聖誕節?
  3. 取消訂閱的用戶中,是哪一種族群(Outdoor, Tech, Social?

我們嘗試在我們的平台中,要找出原因,當我們找出可能的原因時

我們會將這個結果跟Product一起討論,看能不能推出

  1. 新的功能、修正過去的功能?
  2. 推出新的方案?
  3. 提出異業合作?

當討論出下一步的時候,就會進入我們季度的OKR裡,不同Team就會分工合作!

預測分析(Predictive Analysis): What will happen?

在了解了目前的產業挑戰後,我們想進一步去預測公司下一季的表現

決策者,需要很多過去的資料,來修正整個公司的方向!

我的經驗:用戶過去使用率

我們的管理階層,會想知道我們平台的基本資料

  1. 每天的active使用者有多少?
  2. 用戶平均訂閱的單價是多少?
  3. 用戶的cycle時間是多長?
  4. Year by Year的比較

還有使用者的成長率、使用率、不同平台的用戶使用率。

藉由這些過去的因素,來預測明年的成長幅度!

並且制定下個年度的目標、每個Team的執行策略!

4種常見的職能

資料分析師 日常工作

職能一:與工程師合作

BA/DA商業分析師/資料分析師,很常需要跟工程師合作,因為很多資料都是藉由工程師蒐集的,

很常會需要跟工程師

  1. 要資料
  2. 詢問資料當時定義(每個column的定義
  3. 了解不同資料間的關聯

像是我們公司,主要有內部系統的資料、多元的外部資料(如GA,

我同事常常會問我資料的問題

  1. 資料在哪:我想了解使用者的某個行為,資料要去哪找?
  2. 資料分析:我有了這個資料,我要怎麼回答這個問題?
  3. 資料蒐集:我們還沒有這個資料,我們要怎麼搜集?
我的經驗: Office Hour

我們Team每週也都會有固定的office hour時間,提供不同同事,

來問問題,

  1. 去解答很多商業決策的問題
  2. 從過去去了解這個product的impact(影響1000人,10,000人?

職能二:與決策者(C Level)或管理階層合作

這也是數據分析師,很常會合作的對象,管理階層(VP, Director

他們的問題通常都是比較大方向、High Level的,他們會需要資料來佐證他們的決策

來了解產品是否符合市場需求,也能藉由資料來預測未來產品走向!

我的經驗: 資源分配決策

我自己的經驗中,我在推薦系統的Team裡,負責很多使用者的資料

我們的決策者,常常會問我們不同推薦系統,能產生的impact會有多大?

來決定我們下一季,模型優化的方向、投入人力的分配(維護過去功能、開發新功能、提升系統效率。

職能三:與產品經理Product Manager合作

當公司有產品的時候,通常都會有Product Manager,產品經理的工作很明確

他們通常會負責某個產品的開發流程,當產品出現問題時,或是想了解這個產品的impact

就會很常跟BA/DA 資料分析師合作,運用統計的方式、A/B Test,了解產品,做出決策!

我的經驗:A/B Testing, 資料Dashboard

像是我們推出一個小功能,我們通常都會做A/B Testing,來了解使用者有沒有提高互動率。

在我們的Office Hour中,PM最常問我們問題了!

這時候,就會需要BA來整合資料!

但我自己覺得更好的做法是,資料分析師,可以整合出一個可以讓不同領域的同事

可以自己輕鬆的產出Report的地方,不需要SQL,只需要拖拉資料,就能獲得insight的Dashboard!

初期可能需要花很多時間,去跟不同Team討論需求,但是長期下來會是Win win。

因為資料分析師,可以把簡單的report交給使用者,自己拉出report,

對於使用者而言,他們也不用等資料分析師產出簡單的報告。

資料分析師,可以專注在比較複雜的report,提供公司價值!

職能四:研究特定用戶行為

這也是資料分析師,很常會面臨的狀況,了解使用者的行為!

很多網站都會使用Google Analytics來記錄使用者的互動、行為!

或是,公司內部也有很多資料,可以來了解使用者的行為!

我的經驗:線上活動的參與率

像是舉辦線上活動時,提交報名的人,不一定都會出現

這時候,我們就會想了解線上活動的出席率。

我們可以藉由Zoom的紀錄,來了解參加的100人中,

有多少人實際點擊了Zoom Meeting的按鈕,

來了解線上的出席率!

這也是使用者分析的其中一個例子!

常見的數據分析師背景

根據市場調查,多數的資料分析師,通常有這些背景

  • 市場行銷 (Marketing)
  • 數學或統計學 (Maths or Statistics)
  • 金融或經濟學 (Finance or Economics)
  • 計算機科學 (Computer science)
  • 商業資訊系統 (Business information system)

但也不一定僅限於這些領域,只要有一種domain know how+基礎分析技能。

其實就能勝任不同產業中的Data Analyst並為其產業創造價值!

那需要有哪些技術技能呢?

美國求職攻略課程籌備中

我現在在籌備適合國際生的美國求職課程,把我當面試官的經驗整理出來,幫助你,可以縮短找到工作的時程!

幫助超過30個人,改過簡歷,提供面試建議,他們也都順利在時間內找到工作,也有人去了FANNG!

    目前籌備課程中,我會第一時間,告訴你開課資訊!

    需求技能

    數據分析師 需求技能

    資料分析技術技能

    Excel:最常用

    Excel還是許多傳統產業中,很常使用的工具,

    多數都是沿襲過去幾十年的系統,多數都是使用Windows系統,

    那在整個公司的基本架構上,都會使用Excel作為分析的工具!

    而且基本的Excel其實就能分析很多複雜的資料。

    例如:Pivot Table、公式、甚至簡單的爬蟲、重複性的事情可以寫VBA。

    課程推薦:Microsoft Excel – Excel from Beginner to Advanced

    R/ Python:彈性、自動化

    通常Data Analyst不會硬性的要求Python,

    但是會使用Python,不但會增加自己對於資料取得的彈性

    可以有效的蒐集來自不同來源的資料,並且做分析!

    對於之後想轉Data Scientist, Data Engineer都會很有幫助!

    課程推薦:Complete Python Bootcamp From Zero to Hero in Python

    SQL:海量資料

    多數公司的資料,都是放在資料庫裡,

    要取得公司的資料,就會需要使用SQL。

    特別是有大量使用者資料的資料庫,是不太可能下載資料到本機端分析

    通常都會在Redshift(為海量資料設計的資料庫)裡,做複雜的分析!

    最後再將分析的結果產出報告。

    課程推薦:The Complete SQL Bootcamp 2022: Go from Zero to Hero

    資料視覺技能

    Tableau / Looker

    當資料處理完後,最後一個步驟就是視覺化資料!

    如果公司是使用Window環境,很有可能最常用的工具是Power BI(算是強化版的Excel

    但多數的公司都會使用Tableau,作為資料視覺化的工具

    提供很多直覺的拖拉工具,讓使用者很輕鬆的可以拉出有意義的Report!

    課程推薦:Hands-On Tableau Training for Data Science

    軟性能力

    這會因為不同產業,而有所不同,不過大致可以歸納成

    • 產業知識 Domain Know how:如果在藥廠工作,有基本的背景知識,處理起資料就會相對更容易。
    • Presentation:當處理完資料,最重要的就是Insightful Report,這時候呈現報告的能力就會很重要。
    • 溝通能力:處理資料時,常常需要跟不同部門,要不同來源的資料!很多時候,也會需要跟產品經理、工程師、管理階層合作!

    市場需求

    數據分析師 市場分析

    根據IBM的分析,未來的DA/ BA會有越來越多職位,

    中小型企業

    現在很多中小型企業,都往Analytics轉型,有很多公司的VP可能連Excel都不太會用,更不用說Tableau工具!

    所以很多中小型公司,都處於在BA/DA的起步階段,正在經歷數位轉型中!

    科技公司

    對於大型的科技公司中,也是有許多BA/DA的職缺!

    但是沒有外界傳聞的多,因為在公司建立了一個BA Team後,

    其實不太需要新的畢業應屆生,反而更需要有Domain Know How,或是在DA技能上更成熟的人!

    智能商業分析工具蓬勃發展

    在很多公司中,都會使用BI Tools,來完成複雜的BA/DA工作

    例如:Looker, Omniture, Quick Sight等,都可以在BI工具裡,輸入關鍵字

    就會自動產生Query來,不需要自己寫Query!

    我們自己公司,就有使用Looker,在我們的Data Engineer設定好資料模型Model後

    產品經理、行銷經理、管理階層,都可以很輕易的從側邊欄,輸入他們想資料的資訊

    就可以將不同的Table連接在一起,並且產生出不同的Report/ Dashboard!

    薪資分析

    當然,在看薪資的時候,還要額外考慮

    1. 當地的物價(加州、紐約、德州
    2. 當地的稅(加州、紐約最高、西雅圖不用繳州稅

    所以折合上述的兩個因素,更能算出實質的消費力、存錢率!

    薪資也會根據下面這些因素,而有所不同

    • Industry(不同的industry整體的收入結構都會不同)
    • Company Size(取決於公司目前營收階段,大公司、中型公司、新創公司)
    • Location(加州、紐約州的物價與稅相對高、收入也相對高)
    • Job Title(你是Software Engineer, Data Analyst, Product Manager…)
    • Personal Experience
      • 面試表現
      • 級別
      • 工作經驗

    在薪資中,有時候公司會包含

    1. Base
    2. Bonus
    3. Stock(很多科技公司會分4年給
    4. Sign On Bonus
    5. 其他福利(托嬰服務、某些藥廠給予買房優惠

    延伸閱讀:[退休規劃] 401k是什麼?常見的3種Plan,可以滾到百萬美金以上?

    延伸閱讀:美國留學生報稅-8個常見問題&7個報稅步驟

    全美平均薪資

    數據分析師 Data Analyst
    glassdoor

    這是Glassdoor蒐集全美的統計資料,根據很多人提交自己的薪資的統計,

    我們可以看到整體在不同產業的平均是$71,825,

    但是不同地區、產業、公司,都會不太一樣!

    所以接下來,我會分別對於公司、地區來做更深入的觀察!

    哪間公司給的薪水最高?

    數據分析師 薪水

    我們可以看到Meta給出了將近全美平均的兩倍薪資,

    前十名的公司,都給出了將近兩倍的薪資!

    而且前十名,都是科技公司!

    哪一個州的薪水最高?

    數據分析師 薪水
    Indeed

    根據Indeed的資料,上圖,我們可以明顯看到加州,平均薪資,在全平均之上,還有麻州(波士頓)地區也是比平均還高!

    比較讓我意外的是,紐約只有在平均值!

    職涯發展

    資料分析師 未來發展

    方向一:Operation Analytics

    如果在Walmart、物流業、電子商務的產業中,就可能會有的3個面相Merchant、Sales、Site Analytics

    特別是Site Analytics, 最常見的工具就是Google Analytics,會研究使用者在電商平台的行為分析!

    例如:點擊、Funnel、瀏覽行為,在哪個頁面停留比較久?哪一種方式,會提高轉換率!

    方向二:Customer Analytics

    這個會是以研究市場,或是會面對客戶,針對某個市場的調查或是調查!

    根據資料,整理出有insights的報告,提供給客戶,做決策!

    方向三:Product Analytics

    這是針對產品的分析,通常會跟Product Manager密切的合作。

    主要會研究使用者,使用產品或是平台的行為,許多時候會搭配A/B Testing,

    來比較新的功能!藉由資料,來了解使用者的行為,

    並且根據使用者的行為,提供更好的產品服務!

    數據分析師(Data Analyst)未來發展

    數據分析師 Data Analyst

    根據Indeed的調查,常見的職位層級有

    • Data Analyst
    • Senior Data Analyst
    • Director

    管理走向

    相對於Software Engineer而言,其實Data Analyst/ Business Analyst沒有相對清晰的職涯階梯,

    有兩個主要的因素

    1. BA/ DA是個相對比較新的職位
    2. 很多BA/ DA之後會轉做PM

    特別是有CS背景的Data Analyst,因為BA/DA最了解資料,而且也很懂產品!

    BA/DA可以根據產品的特型,很輕易地取得到資料。

    所以長遠來講,BA/DA可以選擇做PM,或是往Senior Manager走!

    技術走向

    也會有人,初期會先做Data Analyst,把SQL, Python,還有視覺化工具練很熟!

    之後也可以往技術職缺走

    1. Senior Data Analyst:深化目前的技能!
    2. Data Enigneer:要補充Cloud Service,還有Pipeline的技能。
    3. Data Scientist:要補充Machine Learning還有統計的技能!

    我自己就有朋友前一兩年,就是做DA,後來就轉成Data Scientist。

    我自己Team裡面,也有人進來的前兩年是做DA,但很常碰我們的推薦系統,

    然後也跟著學著優化我們的Model,今年就轉成Data Scientist。

    資料分析師、資料科學家、資料工程師,差在哪?

    資料工程師 Data Engineer
    圖片來源:資料團隊與分工

    從上面這張圖,我們可以看清楚不同職位的合作,與整個Data Project流程。

    接下來我會針對這三個職位,背景與能力,來解釋不同之處!

    Source: European Leadership University

    找出問題:Data Analyst

    Data Analyst負責找出問題,並且分析第一步!

    資料分析師,是資料領域中的初階職位,背景多為有統計、數據、資訊相關的學士畢業生,

    也有很多是碩士轉職畢業生。

    他們需要的技能是,資料處理,並且做資料建模(Data Modling),並且視覺化資料!

    用資料,幫助公司作出Data Driven的商業決策!

    比較常用的技能有:Excel, Tableau, SQL等技能!

    延伸閱讀: [數據分析師 Data Analyst] 薪資最高不是Google?職涯發展、日常工作、3個技能需求

    設計解決方案:Data Scientist

    Data Scientist通常在知道問題後,就會負責找出解決的方法,

    並且設定假說,並且驗證假說。

    資料科學家,通常需要比較多的資料科學領域的經驗!

    很多公司都偏好有多年專業經驗、或是博士畢業生。

    他們主要負責統籌資料的處理、解析、預測,藉由模型,來解決複雜的商業問題!

    主要需要的技能有:統計、模型訓練、機器學習、Python等。

    延伸閱讀:[資料科學家Data Scientist] 年薪薪水20萬美元?Uber在找哪種人?3個技能要求、職涯發展

    建立自動化流程、系統架構:Data Engineer

    Data Engineer更專注於Data Pipeline的系統設計,

    還有設計可以Scale up的資料流,讓系統可以順利處理TB, PB等級的資料

    確保每個Team可以使用這些資料!

    資料工程師,多數都是資料領域、資工領域畢業的碩士畢業生,

    或是多年在後端工作的工程師。

    他除了需要處理資料,還需要設計大數據的系統架構,

    自動化整個資料處理流(Data Pipeline),還有需要設計API!

    延伸閱讀:[資料工程師Data Engineer]年薪20萬美元?Meta在找哪種人?3個技能要求、職涯發展

    歡迎訂閱我的IG: @nyc.engineer.jack

    北美求職攻略

    You may also like

    Leave a Comment

    error: Content is protected !!