留言告訴我你對這一集的想法: https://open.firstory.me/user/cklvq49x4zn0y0878gbvdl6gk/comments
🔹 職人來播客 🔹單元
在現在的職場,「數據分析」似乎變成了一個標配關鍵字。
打開求職網站,無論是行銷、業務、甚至是人資,Job
Description 裡總會出現一條:「具備數據分析能力者尤佳」
但這對新鮮人來說,往往是一個巨大的焦慮來源:
今天這集節目機會難得,我們邀請到一位經驗豐富的專家
王任澤 David Wang。資深數據與洞察顧問總監;
無論你是剛畢業的職場小白,還是想更上一層樓的分析職人,
這集內容絕對能為你的職涯加上關鍵的分數。
David的職稱很特別,包含了「數據(Data)」、「洞察(Insight)」還有「顧問(Consult ing)」。能不能先用淺顯易懂的方式告訴聽眾,David平常的工作到底在做什麼?和一般的「資料分析師」有什麼不一樣?
✏️ 不是玩數據而已,而是要透過洞察有實際產出,再透過顧問角色提供相關建議
在數據分析領域中,「技術工具(如 Python、SQL)」與「商業邏輯」的占比為何?數學背景不佳者是否仍具備競爭力?
🔷 工具及方法的使用沒那麼絕對,特質反而比較重要,學習心態、好奇心、商業思維及解決問題的嗅覺更重要
初學者(或轉職者)對數據分析最常見的誤區為何?應建立何種核心觀念以避免迷失在數據中?
📌 數據分析沒有正確答案,獲得數據後才是開始,確認想獲得數據的客戶他們想要的看的東西是甚麼
📌 避免迷失在數據中,首先問為何要收集這個數據
面對龐雜的原始資料(如 Excel 報表)時,非專業背景的新鮮人應如何建立分析的第一步思考框架?
📍 接著確認提供的數據是誰要看的,在意的指標是甚麼,結果可以帶給對象甚麼
📍 善用OSM架構,Objective (目標)、Strategy (策略)、Measurement (度量/衡量),使用後就可以有思考方向
📍 設計數據、用數據說故事、用數據做決定,設計問題並且拆解他,才可呈現最合適的數據
如何避免產出「無感」的數據?在執行「數據說故事(Data Storytelling)」時,應如何精準對接決策者的需求?
💖 善用視覺化圖表,以及找到吸引聽眾想聽的部分
💖 摘要重點一目瞭然的理解數據,而非把數據全數呈現
💖 在簡報的過程中,掌握聽者的情緒錨點;且因果推論要掌握不能過度推論
分析師如何從「被動接收需求」的執行者,轉型為「主動提供建議」的策略夥伴?其關鍵轉折點為何?
🚩 問問題是很重要的需求管理,從單方面接收問題到診斷問題,引導對方思考了解真正需要的資料為何;目的非推卸工作而是讓需求釐清讓工作有意義
🚩 可做需求觀測,再提供資料後,觀察後再提出建議,確認是否需要修正調整
如何定義「資訊(Information)」與「洞察(Insight)」的差異?高品質的數據分析應具備哪些特質?
📌 資料>資訊>洞察,資料是已發生的事實,資訊是透過資料所初步分析出來的結果,洞察則是更深入的調查是更有層次的,洞察看的是未來。
📌 針對洞察出來的結果,再設計方案就能建構高品質的數據分析。
隨著生成式 AI 工具普及,人類分析師最核心且不可被取代的價值為何?
👊 AI目前無法去製作分析,再請AI製作code時,也要學會詢問問題,所以現階段是要學會駕馭AI,把AI當成助理
👊分析後提供出來的結果,是經驗的累績,並且溝通也需要溫度與厚度
請分享一句送給準備進入職場新鮮人的建議或座右銘 。
✨ 不要只是當數據的搬運工,要當數據的翻譯官/轉譯官;讓數據分析讓所需對象能理解
✨ 數據的正確性非常重要,寧可delay也不能讓數據有錯誤
-------------------------我是分隔線------------------------
🎬廣告來了🎬
🆘鋼鐵人 職場體驗計畫 🆘
YS啟動「鋼鐵人職場體驗計畫」
即刻招募18-29歲青年組成鋼鐵小隊🛡️
由三階段特訓任務培育成為鋼鐵人,勇敢為職涯夢想出擊吧!
⭕️招募對象:18-29歲勇於嘗試的你
⭕️報名時間:即日起-6/14 (日)
⭕️詳細報名資訊都在YS官網
或是參加職場體驗說明會 全盤了解計畫內容
報名成為鋼鐵人 https://gov.tw/UKN
Powered by Firstory Hosting