- 5
- 105 073
Lisa 理紗
เข้าร่วมเมื่อ 31 ม.ค. 2024
關於數據分析學習路上的打怪之路！
我要被 AI 取代了嗎？| 數據分析轉職困境
\ 電子書領取 /
轉職大全：【轉職數據分析，失敗經驗 + 轉職完整規劃 2.0】
landing.mailerlite.com/webforms/landing/i3f4h5
\ 數據分析完整教學文 + 更多學習資源推薦 /
持續更新中！需要可以定期 follow～
couplehonest.com/data-analysis-guide/
----------------------------------------------------
AI 為很多技術工作者帶來很多痛苦 (取代的隱患)
除了大家最熟悉
帶來最多衝擊的翻譯、文字工作者、影像工作者以外
軟體工程師、數據分析師也無法倖免
不過
我覺得製造恐慌並沒有太大用處
既然大家的工作都在受影響中
何不從根本分析一下
數據工作怎麼「不被取代」？
有價值的地方是哪裡？
影片後半段也會分享
不同專業的人
怎麼使用 AI 學習數據分析的技巧？
以及為什麼「跨領域結合數據」變得越來越重要？
數據是解決問題的起點
我相信 AI 能夠讓數據分析被更多圈子的人應用！！
----------------------------------------------------
Chapters:
0:00 為什麼數據工作不可能千年不變？
1:12 哪些數據工作最容易被取代？
2:48 AI 工具 + 數據分析，進展到什麼程度了？
5:54 Bonus 教學：不同專業，怎麼使用 AI 學習數據分析？
9:49 AI 時代，數據分析要學什麼才有意義？
12:04 為什麼數據結合跨領域越來越重要？
13:17 總結：AI 時代，數據分析工作何去何從？
----------------------------------------------------
Music: artist
Sources: pexels
cover: canva
轉職大全：【轉職數據分析，失敗經驗 + 轉職完整規劃 2.0】
landing.mailerlite.com/webforms/landing/i3f4h5
\ 數據分析完整教學文 + 更多學習資源推薦 /
持續更新中！需要可以定期 follow～
couplehonest.com/data-analysis-guide/
----------------------------------------------------
AI 為很多技術工作者帶來很多痛苦 (取代的隱患)
除了大家最熟悉
帶來最多衝擊的翻譯、文字工作者、影像工作者以外
軟體工程師、數據分析師也無法倖免
不過
我覺得製造恐慌並沒有太大用處
既然大家的工作都在受影響中
何不從根本分析一下
數據工作怎麼「不被取代」？
有價值的地方是哪裡？
影片後半段也會分享
不同專業的人
怎麼使用 AI 學習數據分析的技巧？
以及為什麼「跨領域結合數據」變得越來越重要？
數據是解決問題的起點
我相信 AI 能夠讓數據分析被更多圈子的人應用！！
----------------------------------------------------
Chapters:
0:00 為什麼數據工作不可能千年不變？
1:12 哪些數據工作最容易被取代？
2:48 AI 工具 + 數據分析，進展到什麼程度了？
5:54 Bonus 教學：不同專業，怎麼使用 AI 學習數據分析？
9:49 AI 時代，數據分析要學什麼才有意義？
12:04 為什麼數據結合跨領域越來越重要？
13:17 總結：AI 時代，數據分析工作何去何從？
----------------------------------------------------
Music: artist
Sources: pexels
cover: canva
มุมมอง: 9 629
วีดีโอ
10 秒擄獲面試官，我花了兩年才明白 | 數據分析轉職秘訣
มุมมอง 1.9K2 หลายเดือนก่อน
\ 電子書領 / 轉職大全：【轉職數據分析，失敗經驗 轉職完整規劃 2.0】 landing.mailerlite.com/webforms/landing/i3f4h5 \ 數據分析完整教學文 更多學習資源推薦 / 持續更新中！需要可以定期 follow～ couplehonest.com/data-analysis-guide/ 我記得轉職初期的時候 焦慮、敏感、情緒波動、常常覺得自己不夠格，是常有的事 有時候會低落到只想看著 project 發呆 或是把老師的聲音當背景音樂在播放 滑一滑社群媒體沒有更好，關掉後還瞬間掉淚 每次重新使用這些方法 可能沒辦法立刻恢復高能狀態 但是隨著練習 終於從一陷入低能狀態就會持續「一兩週以上」的我 慢慢變成一兩天就能整理乾淨 回頭看我的狀態、轉職成功學生們的狀態 轉職除了技術以外，最重要的不外乎就是「管理自己的心態」！ 心態好，不用奮鬥太久，可...
這才是數據分析師真實的一天 | 數據分析轉職
มุมมอง 7K3 หลายเดือนก่อน
\ 電子書領 / 轉職大全：【轉職數據分析，失敗經驗 轉職完整規劃 2.0】 landing.mailerlite.com/webforms/landing/i3f4h5 \ 數據分析完整教學文 更多學習資源推薦 / 持續更新中！需要可以定期 follow～ couplehonest.com/data-analysis-guide/ 這部影片我分享了數據分析師的標準一天流水帳... XD 順便透過流水帳講一下，大家常有的疑慮： - 部門定位對於我們的影響 (加班？) - Remote (Work from home) 的可能性？ - 大家都在用、面試的時候已經被當成常識的工具跟做事方法？ 還有討論一下：數據分析的工作到底是光鮮亮麗、有趣的？還是其實不然？ 轉職之前，感受一下這些工作流程 還是懷抱憧憬再來準備！！ 如果對於工作流水帳有疑問，歡迎留言～ Music: artist Sou...
數據分析轉職 | 2024 還能轉嗎？薪水怎麼談高？
มุมมอง 4.6K3 หลายเดือนก่อน
\ 電子書領 / 轉職大全：【轉職數據分析，失敗經驗 轉職完整規劃 2.0】 landing.mailerlite.com/webforms/landing/i3f4h5 \ 數據分析完整教學文 更多學習資源推薦 / 持續更新中！需要可以定期 follow～ couplehonest.com/data-analysis-guide/ 這部影片我會分析一下不同狀態的背景 怎麼挑選成功率高的轉職方法！ 數據行業不是只有「數據分析師」 純「數據分析師」工作可能也跟大家想的不一樣 不是每天都能玩數字、玩分析... 所以仔細挑選職位內容超重要！！ 如果你看完還是分辨不出來你的狀況怎麼選職位？怎麼轉？ 或是希望自己不用轉，只是靠數據升遷？ 歡迎留言或是寄信給我喔～ Chapters: 0:00 現在轉職困難嗎？ 1:07 新鮮人轉職大法、薪水怎麼談高？ 2:33 職場老鳥，轉職有可能降薪嗎？ 3...
數據分析轉職 | 我跟 99% 的人都失敗的原因？提升成功率的轉職地圖怎麼規劃？
มุมมอง 82K4 หลายเดือนก่อน
\ 電子書領 / 轉職大全：【轉職數據分析，失敗經驗 轉職完整規劃 2.0】 landing.mailerlite.com/webforms/landing/i3f4h5 \ 數據分析完整教學文 學習資源推薦 / 持續更新中！需要可以定期 follow～ couplehonest.com/data-analysis-guide/ 這部影片濃縮了我個人轉職失敗的經驗 以及重新來過，我會怎麼規劃最短路徑的轉職地圖？ 在這兩年間，諮詢了超過 500 位諮詢者 很多人也跟我一樣零背景、零經驗 我們要想辦法從零開始學習、並且堆疊出數據經歷 單槍匹馬作戰並不容易 我個人能力也有限，希望透過影片分享我所知道的 也讓大家窺探一下行內資訊 & 實際實驗過成功的方法！ Chapters: 0:00 我們為什麼轉職失敗？ 2:22 轉職成功關鍵點一 6:44 轉職成功關鍵點二 9:43 轉職成功關鍵點三 ...
物理轉MLE的路過 AI本質是統計 但通常在實際使用場景有很多都是超出訓練資料範圍的 所以不侷限於ML 對我來說數據分析是一個發現問題癥結點的方法 嚴謹一點會走到因果推論 發現pattern之後解問題才事半功倍 AI終其只是工具 照相機不會取代畫家
想更近一步了解怎麼做第三部，把過去工作經驗量化並生成資料庫的方法，畢竟看完影片，還是沒有實際想法去怎麼完成。
现在在做用户研究的咨询工作，不知道可以从哪里入手转数据分析😢
感謝分享，剛好在了解轉職的相關工作內容~
謝謝你，很棒的影片!!!我受益良多，謝謝妳的真誠
+1訂閱
好奇數據分析師的待遇大約在多少，可以有多少成長的空間呢?
我從服務業>壽險>視覺設計>往前端設計方向，中間也做過14種工作XD
您好，科技島亮點人物期盼能訪問您，請幫忙留意一下信箱，感恩~😉
前年跟踪了Alex The Analyst 的YT 一段时间后报读商业分析😉(不知道会不会太冲动😂)。虽然和数据分析有点不同领域, 但看完Lisa的分享感觉很棒, 很有帮助。大家加油吧。
那個心流描述的好貼切!
魔法師..魔物...奇幻小說動畫看太多了喔
ChatGPT 可以當老師 一堆工程師都在用
不賺錢就會被取代
依我之見，數據分析有兩個面向，一是著重分析方法本身，另一則是著重分析什麼。前者很容易被AI取代，後者則必須具備針對領域的應用。簡言之，數據分析是一種方法而不是一種職業，所謂數據分析師請著手轉行吧！
我也正在转职，真幸运遇到了Lisa分享的视频，谢谢Lisa
為什麼你不開發ai 那你便能躺着領工資 不是ai取代你 是有開發能力的人 把各行各業沒開發能力的人取代掉
後面的PS5是你轉職失敗的原因之一嗎?
謝謝Lisa分享這麼優質的內容,十分有幫助!! 我是藝術大學畢業的學生,之前主修數位作曲,最近在為作品專案十分苦惱~畢竟身為音樂背景實在是跟數據太遠XD 目前有想到做關於spotify用戶相關的數據分析,或是音樂產業消費行為相關。 身為藝術相關背景實的我真的十分擔憂..... 想來這邊拋磚引玉看看
謝謝lisa的開導，最近突然看到你的影片感覺你說的內容很實際，請問你有在1對1tutor如何進入產業的服務嗎？
很不錯的內容。我也已經準備了快兩年了，但就跟你說的一樣沒有太多職業的進展。最近借宿了我在一家3年的公司擔任形象設計，做了一些網頁和包裝設計。但想進入科技產業。你的影片提醒了很多我的盲點。在這裏說聲謝謝。但想問你一下後來你轉職成功了嗎？
去年底我直接 離開當數據科學家和AI演算開發 這一行沒有比較好做 做自己開心的就好 日後AI生成與開發不太需要自己去導函式與演算進一步開發 除非你在G或N等量級的公司 否則人人都可以是開發者和分析者 日後這些就像你用word或Excel一般稀鬆平常 人生選你要的是什 職業不重要 心態才是 不過你的進取精神不錯 Great! 但真的要嚴謹去想更遠點的未來 這絕非開玩笑 參考以下近日案例就知道 th-cam.com/video/FqsvzZd8Dro/w-d-xo.html
其實我看完這則影片後，再回頭回想跟查看之前您所發佈的影片，我有點不太確定，您對於“數據分析師在市場上究竟還好不好找工作”的具體想法。我的感覺是似乎數據分析對工作來說是值得投資的技能，但是不見得要成為數據分析師，因為它能用在很多地方。 如果我對於您所說的意見沒有認知錯誤、再加上AI加持的話，那麼數據分析師這個職位可能只會少不會多。而這個結論可能會跟您的第二支影片內容或對觀看者的回覆有點落差。因雖說這個職業可能還是會收轉職者，但在需求不大的情況下，轉職會變得更困難才是。
很好的提問！！ 1. 其實大環境 (市場上職缺多不多)，跟「個人」好不好轉職，我覺得一定有關係，但是「非絕對相關」(很多時候只是推給環境比較容易 XD)！ 2. 轉職大家一聽，都會覺得是「劣勢」，但是其實完全不一定～因為數據職涯很特別，不一定是線性，所以過去工作經驗「非數據」，對有些數據工作反而是加分 (舉例之前提過的 CRM 數據分析師，過去都做 data vs 過去做行銷，行銷可能反而更加分) 3. 而學了到底要不要轉職呢？這就是屬於每個人職涯規劃的議題了！(我會推薦沒想清楚，就不用做這個重大決定 XD)
不會用 AI 的工程師，會被會活用 AI 的人取代。
感謝你的直白分享！確實就是這樣～而且不只工程相關，很多領域都是
這句話根本是假議題，AI 最終一定是人人都可以輕鬆使用，最後這句話也是說給沒出過社會的人聽而已
AI 也不是最近幾年才爆紅 三十年前 我在念大學的時候 就紅過一陣子 (那時候是 因果邏輯推理為主, 現在爆紅的是 關聯性 和 大語言模組) 至於數據分析 從最基礎的 機率 排列組合 統計 到其他更高深的理論 和 其他各行各業的應用 範圍相當廣泛 你如果只懂得最基本的 又不會編程(寫程式) 不要說跟 AI 競爭 你要跟人類競爭都有困難 你如果懂得 編程 或 較高深的理論 或是 更廣的應用 那機會就相對比較多 至於現在的所謂的 GPT 就是餵很多資料和數據 再加上 Prompt Engineering 就有所謂的 ChatGPT (ChatBot) 這類技術 最大的問題點 就是餵的資料 很多是網路上的資料 是某種程度的 crowd intelligence 但問題就是 群眾的智慧 不一定是最好的解決方案 當然 可以提供到七八成 在某些特殊領域 可能可以達到九成以上 另一個問題點是 關聯性的生成結果 並不代表一定符合 因果邏輯推理 這是最有問題的地方 其實 人類也是有類似的問題 就像是 預測股票走勢一樣 光用 統計和關聯性(correlation) 效果是相當有限的 ... 多去了解 多問問有經驗的人士 多想想 出路其實很多 千萬不要 原地踏步 關於編程 其實 Python 已經算是最容易入手的 而且主要有很多程序庫(library)和模組可以套用 加油吧
是呀～所以既然 AI 都幫我們把程式基礎、理論基礎的進入難度降低了、還能跟我們用人話交流這些，真的要加以善用！否則絕對是先被「會善用的人」競爭掉 XD
本來還以為你的回答是"不會取代" 因為我也認同AI會取代，或是取代80~90%的數據分析師 我覺得這份工作還是會存在，但是因為AI可以加速完成這份工作 所以原本一家公司可能會聘用3個數據分析師變成聘一個 更大家的公司本來聘10個變成聘2個就夠了 我對於AI會不會取代美術、美編人員也是同樣感想 畢竟我有付費使用AI生成美術圖，真的很強 一些小公司資本不夠可能直接把美編這職位刪了 中型的公司可能就聘請一位，AI生成後請美編修改一下就能用了，人力大量縮減 這些工作職位以後都非常難找了
非常同意～所以讓自己掌握核心不被取代的工作內容 & 善用 AI 超重要！
免費吃CSV推推Claude，但胡說八道的能力更好了
claude ai 之前有上傳 csv 的功能！我也會用 XD！但做影片時去看，只剩 doc & image 能上傳了～～可惜！
被封面吸引進來XD
想問影片中說到公司內部的資料不能上傳到AI網站上, 那我們可以如何利用AI幫助分析公司的數據？🤔
开发自己的模型，在本地分析
很好的問題～～感謝你的提問！ 底下分享幾個更詳細的使用方式： 1. 如果自己公司採買的軟體有 AI 功能 (比如：Microsoft copilot)，就可以搭配原本的 Microsoft 軟體放心使用 ---- 底下是如果自行要上傳資料到非公司購買的軟體，可以用的方法： 1. 不是非常推薦但可用：不要把機密資料上傳，僅上傳數字 (比如說：檔期 id、花費、營收)，這樣 AI 軟體其實也不知道你是誰、你做了什麼活動 2. 推薦：上傳的欄位是你要的，但是數字是假的 (自行處理過)，在 output 時請他教你，他怎麼分析的？他會詳細列出背後的程式語言邏輯，你就可以載下來後套用在自己真實的數字上 3. 推薦：在開放資料集找跟你平常處理很相似的資料集 (比如你要處理投放廣告的數據，就找投放的開源資料集)，在 output 時請他教你，他怎麼分析的？他會詳細列出背後的程式語言邏輯，你就可以載下來後套用在自己真實的數字上，也不需要花時間自行處理數字變成假的
@@whyNeedAHandle1 感謝你的分享～確實大公司內部還是會 prefer 這個做法，以維護自身權益 XD 不過小企業資源不夠的話，可能就滿難做到本地開發、本地分析
感謝回答
在转行数据分析之前，我做什么工作可以积累相关的数据经验呢
你原本是做哪一行的呢～通常會建議選擇跟原本的行業有關，但又能碰到數據的位置！
@@couplehonest 我上一份工作是软件开发（Java程序员），但我的代码能力比较差，我的业务逻辑是强项，我也很有兴趣，在做软件开发之前短暂做过物业的客服，以及销售，我目前是28岁
@@sunnyxia5210 業務邏輯是強項的話，滿建議可以從數據分析直接開始，因為初階數據 request 脫不了要「了解業務」並且順暢與這些單位溝通！(且做過程式相關工作也多少會加分，畢竟 coding 邏輯還是很重要)
經歷過疫情，對自己有新看法，沒有wfh跟遠距的工作是對自己不負責任
很酷的想法！wfh & remote 算是幫助我把不必要的工作刪掉、並且有更長的時間可以思考重要的工作並且有時間實踐 (有時候甚至忘記下班 XD)
很實在的分享❤
希望有幫到你 :)))
謝謝無私的分享 ! 內化中 ! 加油 !
一起變得更好 :)))
谢谢Lisa的分享。很受用。我是做用户体验研究的，在电商，市场，和广告公司工作过。文班背景。请教我从哪里切入比较好呢？感谢你！
用戶體驗一定會有質化 & 量化數據，直接從現在工作中找應用場景，累積一段處理數據的時間後，就可以思考是否適合轉換囉！
非常好的分享。尤其是分析行业的就业情况。请教：哪里找到这种资料呢？比如，到底是电商数据分析师工作多，还是医疗？
直接用當下職缺的「搜尋結果筆數」，就可以最簡單的做判斷！
@@couplehonest 谢谢！
你好，想請問要去哪裡才能找到您諮商上課的資訊呢？
可以發 email 給我喔！(有時候人多需要排隊～請見諒！！)
我是大陆人，我之前是做软件工程师的，我想转数据分析师，我也是很没有头绪，乱学一通，学学停停，前学后忘，我想问，学习是要一鼓作气啃下来对吧，不然很容易中途学了一点点，马上就忘记了
對！建議「有時間規劃的學習地圖」，可以參考我的第一部影片！怎麼規劃跟能不能成功，是有很大關係的！
3:18 這幾組職位市場就是找不同的人 上面兩個主要找數據科學甚至要Phd 下面兩個主要都是IT及基本商業理論 就是很多公司把這個職位變成一個就很難請人 請下面那種做上面那個職能也就便宜很多
對呀！有時候組織也沒想清楚 XD 最近聽到很多面試都是，反正就是有缺，也不太確定這個職位的邊界，但只要人基本 ok，能做基礎，其他就組織 & candidate 一起討論 & 挑戰！
大學生雖然有思考的深度可惜沒有解決問題的能力，所以老闆比較喜歡職業學校出身的人
其實大學生還是有他們的好，畢竟下一個時代會是他們的，他們會為公司注入全新的文化 XDDD
感謝分享❤
希望有幫到你 :)))
剛開始5個月，一針見血點出我根本沒具體職缺方向的問題，但我真的不知道哪方面才是自己想走的方向(前端 後端 app 資料科學等)。目前的想法是乾脆把簡易入門的都稍微看一下，但發現真的太花時間了。目前相當迷茫。
對 XD 前端、後端、app、資料科學 這些領域都相當廣呀～如果都準備完，比較擔心的會是，市場的需求都變了 (工程 & 資料分析變化都滿快)
如果你想走後端，先想好要學什麼後端語言，決定好後去網路找後端語言的基礎免費課程（看不懂英文可以看BILIBILI找影片學） 然後前端語言、SQL資料庫操作也要懂一點，之後在B站找一個小項目課程把作品弄出來，做的過程中不懂的就上網查，弄完之後你再回去看之前的課程會清楚很多，然後把小作品弄的更好一點就可以投履歷了😊 轉職後端工程師的路過😂
最近投了很多助理分析職位都是連面試都沒有QQ 是不是越來越不接受非本科無經驗了呢
本科也不見得是萬靈丹 XD 推薦可以好好的讀 JD、仔細改履歷，這是拿到面試機會的重要敲門磚！！
超真實的分享，謝謝
很開心有幫到你 :)))
怎麼可以那麼美0.0
謝謝你！！:)))
我資管碩士班畢業，畢業論文是自然語言處理，畢業後找到工作，但因為公司內部因素與疫情等原因而被離職，之後面試處處碰壁，目前留在在親戚家的機械維修公司擔任無關專業的行政助理，每天下班都會花時間學習新技術與AI應用，不過仍過得很迷茫，甚至開始變得很難找到方向，但看了您的影片之後，我在想自己這條越走越偏的職涯能不再次以轉職數據分析師的方向回歸資訊業。
行政相關的工作，其實有時候跟處理數據、自動化也很有關係！所以我相信只要仔細規劃 & 應用手上的專案，都有辦法慢慢切回目標的！
🙋🏻 我是文組設計領域畢業，目前是美術老師，現職跟商業真的距離很遠，很想轉換跑道～ 不知道適合直接轉數據分析，或是應該想找一個相近的工作作為踏板？ 還想請問數據分析師英文大概需要在哪個程度～
我會滿推薦可以先從跟商業 (你想要接觸的) & 設計 (你的專業) 有關的 (比如 UI/UX) 切入，這當中會碰到質化 & 量化過程，有意識的累積實戰經驗之後，再轉到數據領域，這是壓力比較小 & 可行性高的做法！(英文如果沒有太好，可以先找台商，就不會太要求)
要怎麼找Lisa詢？
可以發 email 給我喔！(有時候人多需要排隊～請見諒！！)
1. 矩形 長1 寬1 2. 菱形 長1 寬1 3. 黃金比例矩形 長1 寬1.168 4. 直角三角形 底1 高2 5. 平行四邊形 底1 高2 6. 梯形 上底1 下底2 高2 7. 圓形 半徑 1 8. 半圓形 半徑 1 9. 扇形 半徑 1 角度45度 10. 正7邊形 半徑1 一個圖形3分 蔡楚璿
超棒的經驗分享~~規劃轉職地圖、依過去經驗包裝作品集、面試前的練習，真的很有幫助!
過去經驗的覆盤真的很重要～必備必備！
超棒超實用的概念與心法❤ by 理紗小小粉😍
謝謝你！！