數據分析師的工作日常-在資料和程式中挖掘商業價值

數據分析師的工作日常,在資料和程式中挖掘商業價值

目錄

原始文章

數據分析師的工作日常,在資料和程式中挖掘商業價值


在2019年年中進入零售業擔任數據分析師後,偶爾會有朋友或是朋友的朋友詢問相關工作內容及產業情況。畢竟數據分析師是比較新的職業,還有一些神祕色彩,許多人甚至連聽都沒聽過,還以為是股票分析師之類的工作。(好啦數據分析確實也可以用在股價預測上,這是另一個故事了。)

這篇文章會盡量拿掉所有專有名詞,用人話說明數據分析師的工作日常。至於其他較實務面的心得與觀察會留到下一篇文章再分享。

數據分析師有很多種

雖然數據分析師是新職位,但數據分析或是資料分析的概念一點都不新。公司裡面行之有年的職位,不管是行銷、業務、採購、倉管,每個職位都需要數據,也都需要分析。隨著大數據、資料科學、機器學習、AI等酷炫的新名詞、新技術與新應用出現,所需的知識與技能多到員工爆肝也學不完。因此,數據分析師開始被視為一個獨立的職位,甚至一個獨立的部門。

1) 組織劃分

由於這個職位出現的時間還不長,大家對於數據分析師還缺乏共同的定義。所以A公司的數據分析師可能偏專案經理,B公司的數據分析師可能隸屬市調部門,C公司的分據分析師可能掛在IT部門。

光是數據分析師的定義就已經夠模糊了,更別提在較大型且正規的組織編制中還有資料工程師、數據分析師和商業分析師的差別。因此,如果你想找數據分析或資料科學相關的工作,建議不要只看職稱,最好詳細看一下工作內容和所需能力。

我所在的單位則是獨立的分析部門,協助其他單位作商業上的決策,算是輔助型的單位,或說是智囊團、師爺類型的角色。可以說我們的服務是數據分析,而我們輔助的部門則是客戶,要怎麼了解客戶需求,提供客戶滿意的服務,是我們主要的工作目標。

2) 能力需求

除了所屬單位外,每間公司的數據分析師所需的技能也不一樣。有些分析師可以用Excel打天下,有些主要製作資料視覺化圖表,呈現出好懂、美觀,甚至具有互動工具的資料儀表板。另外有一種,也是我認為比較像數據分析師的分析師,他們要寫程式,需具備一定的IT知識,要學統計和演算法。這種分析師有點像是IT,但又和IT不一樣。IT的工作通常是系統規劃、維運和功能擴充,但數據分析師則是要在一堆資料中發掘未知的商業價值(Unknown Insights)。

未知的商業價值是什麼?可以講人話嗎?

以NIKE為例,NIKE旗下有許多系列的運動用品,包含不同的運動類型、機能及價格,他們的分析師可能就會以顧客資料及購買記錄作以下分析:

  1. 顧客經常從事什麼樣的運動?
  2. 顧客購買頻率為何?是產品淘汰才買新的,還是出了新款就會買?
  3. 顧客偏好買當季新品或是Outlet過季品?
  4. 顧客都是到實體門市購買,還是也會在網路購買?
  5. 顧客總是等到折扣促銷時才購物,或是在非促銷期間也會購物?
  6. 顧客是否使用Nike運動手環,或安裝Nike Run App?他們身體狀況和運動表現如何?有沒有機會購買更高階的產品?

以上的問題已經很接近我們平常的工作內容,當然這些議題可以一直列下去,至於值不值得做,就全看商業目標怎麼訂。舉例來說,如果NIKE要推出一款NBA球星代言的籃球鞋,公司要預測哪些人會買,會在線上或門市買,要花多少廣告預算才可以讓他們果斷下單?需不需要給折扣促銷?或是某個贈品比折扣更有吸引力?

把這些問題弄懂後,行銷部門就有理論依據可以規劃行銷活動。如果研究做對了,行銷活動做對了,就能夠為公司創造營收。這就是商業價值。

大數據分析

新聞媒體很愛用「大數據」來下標題,但我和幾個圈內朋友其實不太用這個詞,因為很屁。

但為了方便說明還是不得不用一下。所謂大數據分析的特徵有5個V,其中一個是多樣化Variety,就是除了顧客總消費金額外,從其他各種面向判斷並預測顧客的行為,進而轉換為商業價值。這也是為什麼我認為會寫程式,具備一定IT知識的才算是數據分析師,因為當面對幾百萬、幾千萬、幾億筆資料時,Excel根本跑不動,更別提要對這些資料進行複雜的統計分析。

數據分析師的任務會根據公司的定位和業務而有所不同。NIKE是品牌零售商,除了營業額外,NIKE也會在意品牌市占率,而通路業的全聯可能更關心哪些商品的迴轉率高,以及應該準備多少庫存,如何降低生鮮食品的報廢率等議題。

金融業也是數據分析應用得相當廣泛的產業,他們會分析顧客的貸款還款能力,或是判斷信用卡消費記錄是否為詐騙盜刷。

零售業有很多東西可以玩

數據分析相關職缺較多的產業有三個,零售業、金融業及科技業。平均而言,零售業的平均薪水最低,金融業次之,科技業最高。比起金融業和科技業,零售業的毛利本來就低,因此薪資偏低也就顯得理所當然。

然而,在這三個產業中,我認為零售業也是最好玩的,因為它很生活化,你可能會分析各種節日,甚至是總統大選對於業績的影響,或是發現收銀台旁邊的小零食總是特別好賣。在零售業,你也有較高的機會可以走進店裡,直接觀察消費者怎麼逛、怎麼挑,他們會先看商品細節還是先看價錢,男生和女生的購物習慣有沒有差異。你可以帶著觀察結果回到電腦前,用資料驗證自己的推測是否正確,有沒有機會變成一個行銷活動,為公司創造價值。

社群媒體的熱絡與持續進化也是零售業的樂趣之一,像是PTT或是DCARD上面的各種討論,這些討論的人中是不是包含潛在消費者,能不能讓小編出馬去帶帶風向並轉換成業績。另外,LINE在2019年也實施了官方帳號2.0計畫,行銷人和數據分析師有更多的資料可以分析,也有更高的彈性可以作測試與實驗。

雖然零售業的薪資偏低,但這也代表這個產業較願意接受新人。畢竟零售業是民生產業,有固定需求,當有經驗的老鳥留不住時,只好任用比較資淺,甚至無工作經驗、非本科系的應徵者。加上零售業的發揮空間也算大,因此,對於想進入資料科學領域的人而言,我認為零售業還是個不錯的選擇。

事情不會永遠那麼順利

有陽光的地方就有陰影。數據分析雖然有趣,卻也有困難的地方。像是老闆覺得數據分析潛力無窮,但怎麼過這麼久,卻沒產出驚天地泣鬼神的成果?或是其他在第一線銷售單位的同仁會疑惑,我們不是在同一間公司嗎,你怎麼連這個產業基本的Sense都沒有?

三言兩語寫不完,我們下篇文章見。


推薦文章

在DataCamp學Python和R語言,快速入門資料科學

Content Protection by DMCA.com

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *