【職涯分享】數據分析職涯面面觀：快消 X 軟體大解密（上集）
NTU DAC 第五屆上學期的第一堂職涯分享講座，我們非常榮幸邀請到任職於 L’Oréal 的 Assistant Data Manager Allen 講師，與 Dcard Community 的 Product Manager Jonas 學長分享於快消產業擔任數據分析師，以及他在數位社群產業擔任產品經理的職涯經驗。由於此堂講座為本學期的第一堂社課，社員組成多為資料分析新手，我們期待透過兩位講師分享過往的自身學習經驗，以及求職路上的心路歷程，激勵第五屆社員們建構屬於自己心目中的職涯規劃藍圖；並且對於未來這一年如何在 DAC 累積自身對於數據分析實際應用於商業領域更有概念，為 NTU DAC 第五屆開啟全新的篇章。
本篇文章 Key Takeaways：
📌Data Scientist 的工作日常
📌數據分析相關職位的專案與待解決問題
📌對於想往資料領域發展的在學生，業界主管與學長姐的建議
💡小提醒💡
在「數據分析職涯面面觀：快消 X 軟體大解密」（上集）我們將會針對現職台灣萊雅 LUXE 部門從事商業分析與數據科學研究的 Allen 講師進行分享，如對 PM 職位有興趣的讀者也歡迎在閱讀完本篇文章，在最下方點擊「數據分析職涯面面觀：快消 X 軟體大解密」（下集）繼續閱讀喔！
Allen 講師
講師介紹：Allen 講師畢業於波士頓大學電腦科學研究所專修資料分析，曾於美國運通紐約總部擔任商業分析顧問，負責信用卡全球性商業模式追蹤分析與預估。現任台灣萊雅 LUXE 部門從事商業分析與數據科學研究，善於運用大數據的力量發掘潛在商機，包含 BI、CRM、媒體優化、AI 模型開發與應用、客戶體驗強化、數據專案成效追蹤與優化。
L’Oréal 簡介：L’Oréal Luxe 是法國護膚、美容和化妝品公司 L’Oréal 集團旗下的高級品牌部門，專注於提供卓越的美容產品，涵蓋了護膚、彩妝、香水以及其他奢華的美容解決方案。Luxe 一直致力於研發和創新，以提供高品質、高效的產品，同時注重環保和可持續性。其中，數據分析亦在 L’Oréal 發揮著關鍵的作用，有助於公司更好地了解市場趨勢、消費者需求以及產品表現。
一、數據分析應用於商業的三大類工作
從 Allen 在 L’Oréal 擔任數據 Data Manager 的個人角度出發，分享自身不同階段之數據職涯與所需的技能。並用最貼近產業的經驗，分享 L’Oréal 目前公司的營運項目，以及數據分析領域期待解決的問題和實際案例。
想了解 Allen 的工作角色與職責，得先了解 Data Team 的組織架構。一般而言 Data Team 主要負責以下三大工作：商業數據分析師 (Business Intelligence) Data Analyst、數據科學家 Data Scientist 以及數據工程師 Data Engineer。本次分享對象為資料分析社學生，故職位以 DA & DS 為主要分享內容。不同工作角色需要的技能大不相同，就 Allen 所在的數據團隊而言，了解 domain know-how 是工作中最大的挑戰，想辦法聽懂受眾（包含：品牌端、商業端的人）遇到的問題是做工作中很重要的一環。
Allen 也與社員們舉例分享擔任商業數據分析師在日常工作中需要解決的問題：
商業數據分析師（Business Intelligence Data Analyst）會遇到的問題
- 哪個產品比較容易吸引新客？
- 哪些產品一起賣效果比較好？
- 為什麼今年業績很差？（釐清：什麼是很差，是比市場差、還是比去年差？）
- 舊客不回購的原因為何？是因為流動至競品？還是有其他使用原因
- 活動（媒體）成效不好原因為何？
針對以上問題，過去 L’Oréal 團隊的消費者體驗經營都是由 Marketing Team 在做主要的決定。在此同時，商業數據分析師所需扮演在其中的角色即為「幫每個產品做完整的分析和規劃」，依照不同的產品線有不同的客戶群、客戶使用習慣、以及針對不同產品線的曝光與行銷手法。因此，需要數據團隊從最基礎的將資料描述性統計，分析後透過用模型預測，並針對不同產品線客製化運作，以因應各產品線之需求。
數據科學家（Data Scientist）會遇到的問題
- 哪種客人比較容易到線上購買？
- 哪種客人比較容易參加 VIP 快閃活動？
- 哪種客人有較高精華液購買傾向？
- 哪種客人能夠帶來更多邊際貢獻度？
- 誰是貪小便宜的客人？
針對以上問題，數據科學家在其中扮演的角色即為透過建立模型來豐富和細化消費者的旅程。其中包括：深入了解使用者的習慣和行為，以發現有價值的洞察。同時，數據科學家在商業方面的角色更強調成效指標，例如：業績、人數和銷售量等，以尋找可以進行優化的領域。在模型開發的同時，他們也提供有關如何最佳化這些指標的建議，確保這些模型的應用能夠對業務產生實質的積極影響。
數據工程師（Data Engineer）會遇到的問題
- 交易資料如何儲存與整理？
- 官網使用者體驗如何記錄？
- 第二方 App 資料如何整併？
- 第三方外部資料如何蒐集與使用？
- 如何監控資料流更新頻率與品質控管？
針對以上問題，數據工程師在這些問題中扮演著關鍵的角色。DE 主要負責解決多個關於數據的問題，包括建立和維護強大的數據基礎設施，確保數據流動順暢，以支持決策制定和業務需求。DE 的工作不僅確保數據的可靠性和一致性，同時也有助於改進使用者體驗，優化業績，並確保組織能夠最大程度地受益於數據分析。
二、學長姐經驗談
NTU DAC 歷屆有非常多學長姐在不同領域中發光發熱，本次講座除了邀請到 Allen 講師分享以外，我們也邀請到現職於台灣萊雅的兩位學長姐回娘家。分別為現職萊雅專櫃部門資料團隊的 NTU DAC 第一屆的課程長 Mike；以及現職萊雅儲備幹部的第四屆專案長 Sandy，與社員們分享自身於萊雅的數據分析工作中的關鍵能力。
- Hard Skills：針對硬實力而言，學長姊們分享，若希望從事資料分析相關職位，至少需要掌握一到兩種程式語言的能力，比如：Python 或 SQL，其他工具和技能可以在進入產業後進一步學習和發展。
- Soft Skills：究竟要如何和「不懂資料分析的人溝通」為數據分析工作的一大挑戰。Sandy 以自身經驗分享，透過實戰專案將能夠累積溝通與口語表達、簡報的軟實力，甚至是資料視覺化的能力，將能使自己在工作時能與團隊有成功的溝通，進而發揮影響力。
- 其他經驗
- 實習與社團經驗：Mike 學長過去為統研所畢業，過去除了擔任 DAC 第一屆課程長外，亦曾於 IBM、台灣妮維雅等公司擔任分析與顧問類相關實習生；Sandy 學姊則曾任職於國泰人壽擔任 DA Intern 等。這些經驗使他們從做中學，亦建議在學時期如果可以找到自己有興趣的領域學習，將可以積累自身 Domain know-how，並且提早適應職場生態，減少產學落差。
- 商業競賽：除了實習與社團經驗外，學長姊們也建議，可以於在學期間多多涉略各式商業競賽。在競賽過程中，不僅能與同為此領域並肩作戰的同儕相互學習，透過一次次的專案經歷，更能在專案的執行過程中，找到自己在團隊中的定位，進而更清楚自身未來的職涯規劃與發展。
三、 對新鮮人數據分析相關職位的職涯建議
究竟什麼樣的人格特質適合從事數據分析相關職位？講座的尾聲，Allen 分享，以 DS 為例，光是做文字探勘每天就可能都有不同的新發現，且今天用的模型可能在短短幾天內就有學者會不對迭代更新的優化版本。因此，擁有好奇心以及對數據的熱忱非常重要，唯有不斷的自主學習，方能保持自己在市場上的競爭力。
至於對數字的敏感度，Allen 則建議「只要和數據有關的資訊都可以去多看多想，久而久之就能慢慢發現自己可以找到跟別人不一樣的 insights」。也非常鼓勵不論未來是想從事數據分析，或是對 L’Oréal Management Trainee Program 有興趣的社員，可以透過不論是學校、社團、實習或是任何商業競賽的累積專案實戰經驗，培養自己溝通、口語表達的軟實力；並且透過專案同時亦可以精進自身簡報、以及資料視覺化的能力。Allen 最後提醒大家把握在學期間盡可能累積對職位、產業的 Donain know-how，找到自己在團隊中的定位，將能更加快速且順利的找到自身的 career path。
感謝 L’Oréal 團隊 Allen 講師以及學長姊們用心準備的分享內容，讓社員們了解數據分析不同職位會遇到的問題、以及針對此領域的職涯建議，給社員最真實的建議與鼓勵。
歡迎各位讀者拍手交流，NTU DAC 也會持續在 Medium、Facebook 與 LinkedIn 更新多樣的資訊，歡迎對資料有興趣的大家持續關注，跟我們交流想法～
