Lisa 理紗
Lisa 理紗
  • 7
  • 152 133
從 0 開始 3 個月轉職數據分析師 | 初學者不看不行的學習法
\ 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 /
目前 81 篇~持續更新中!可以定期 follow~
couplehonest.com/data-analysis-guide/
----------------------------------------------------
超速學習不見得大家都適用 XD
不過這個學習方法的佈局
非常適合數據分析師的轉職!!
雖然我當時沒有太早悟到這個學習法
不過後來我在進修更困難的數據分析專業時
就是採取這個方法~
同時
我帶想要「快速進入這個領域的轉職生們」
也都採用這個概念!
今天會帶大家一起看一下
從 0 開始 3 個月轉職數據分析師
要用什麼樣的學習方法?
每一個步驟怎麼規劃?
目標為何?
----------------------------------------------------
Chapters:
0:00 對快速轉職來說很重要的學習法?
2:30 學習地圖規劃時的 3 個重要分類?
5:22 怎麼克服拖延?
6:42 直接學習法的重要之處?
8:20 為什麼面試官要看作品集?揭露背後的秘密!
9:49 怎麼確認自己準備好了?
11:00 怎麼確認自己的方向是對的?
12:08 總結:3 個重要小提醒!
----------------------------------------------------
Music: artist
Sources: pexels
cover: canva
Переглядів: 22 405

Відео

想賺錢來當數據分析師?| 轉職、接案能賺錢嗎?
Переглядів 1,6 тис.4 місяці тому
\ 電子書領 / 職場人必備:【上班族必學的數據分析攻略】 landing.mailerlite.com/webforms/landing/y5k2o4 \ 數據分析完整教學文 更多學習資源推薦 / 目前 81 篇~持續更新中!可以定期 follow~ couplehonest.com/data-analysis-guide/ 我相信大家一定都跟曾經的我一樣 希望踏入可以穩賺財富的領域 不說遙遠的年薪三百萬 也希望至少破百不要是夢~ 我在諮詢的時候 如果聽到大家對薪水有所期待 會把問題拉回來,先回到「對工作的想像上」 常聽大家分享對數據工作的「想像跟願景」 :希望可以用演算法、用模型跟工具 :幫公司做決策 不過這跟我想像的「資深數據分析師」的工作其實「不是」那麽契合 所以今天特別展開討論這些有趣的議題: 能賺到錢的資深數據分析師平常都打什麼怪? 接案或是當顧問有可能賺到錢嗎? 現在切...
我要被 AI 取代了嗎?| 數據分析轉職困境
Переглядів 12 тис.6 місяців тому
\ 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/ 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...
10 秒擄獲面試官,我花了兩年才明白 | 數據分析轉職秘訣
Переглядів 2,3 тис.7 місяців тому
\ 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
Переглядів 10 тис.8 місяців тому
\ 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?
Переглядів 7 тис.9 місяців тому
\ 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?
Переглядів 96 тис.9 місяців тому
\ 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 ...

КОМЕНТАРІ

  • @Winnie_0604
    @Winnie_0604 День тому

    這聽起來越來越像是商業分析師,而不是數據分析師。

  • @tlmt9850
    @tlmt9850 23 дні тому

    Thanks for the sharing, it's Greaaaaaaaat!

  • @tttnnn9
    @tttnnn9 Місяць тому

    不是…沒有相關工作經歷怎麼可能會知道工作流程??? 就算是大學畢業生也不見得知道吧? 面對面試官,應該也等同於面對他的問題,所以要幫忙解決他的問題吧~

    • @pensis
      @pensis 16 днів тому

      所以她有開班哦

  • @GasolCharles
    @GasolCharles Місяць тому

    30岁转这行还可行吗?

  • @poyongwang
    @poyongwang 2 місяці тому

    這就是台灣為什麼軟體那麼差的原因

  • @radishxn3443
    @radishxn3443 2 місяці тому

    很棒,很有帮助,谢谢!

  • @zchi7207
    @zchi7207 2 місяці тому

    这个角度真的超级重要的🎉感谢分享

  • @Chali.return
    @Chali.return 2 місяці тому

    這影片在我的稍後觀看躺了兩周以上,沒想到我要的解答就在這裡 超速學習+專案管理+學習目標+python程式學習

  • @atu77
    @atu77 3 місяці тому

    分析師斜槓資料工程師,心流真的是工作上最開心也是不可或缺的部分

  • @teddy911
    @teddy911 3 місяці тому

    请问作品集,有什么好的平台来搭建吗?github还是?

  • @bkackrain
    @bkackrain 3 місяці тому

    很好的影片, 我也是從半年前轉到數據的職位. 用現實的數據去嘗試解決假想問題學習真的會比較快. 面試的時候也能拿出來當例子

  • @stephaniechang8671
    @stephaniechang8671 3 місяці тому

    這支影片真的太棒了!最近也在學習數據分析,沒有相關的背景一開始真的覺得超難的,這禮拜學的code下禮拜就忘了!我要開始學習畫學習地圖了!謝謝你的分享!

  • @opmiss0322
    @opmiss0322 3 місяці тому

    想問問學習了之後該怎麼生出不同的題目去不停的操練和反覆練習?曾經看到有人說github能找到隨機的題目下載來自己動手試試看

  • @jimpaul15
    @jimpaul15 3 місяці тому

    這篇內容很棒,再一次提醒我費曼的技法,以教為學

  • @jimpaul15
    @jimpaul15 3 місяці тому

    這篇內容很棒,再一次提醒我費曼的技法

  • @Wu宗
    @Wu宗 3 місяці тому

    直接學+做學得最快,但真的非常痛苦,非理商的純小白上完kaggle尋找領域的資料後,會完全不知道自己要怎麼假設問題,或者這些數據可以解決哪些問題,此時真的很讚嘆生成式AI,我把欄位拉出來給它看,並擷取一部分資料,請它為我分析可能潛在的問題,或者透過這些欄位可以分析的方向,如此一來落地實做就可以很有明確目標。三分類中對於記住「事實」非常薄弱的我來說,有「概念」後就可以丟給GPT,請它依照此邏輯為你生成需要使用的事實,GPT對小白來說可以減輕很多痛苦QQ

  • @weiaron4902
    @weiaron4902 3 місяці тому

    我也喜歡以解決問題為導向的學習方式! 最近會上kaggle上找一些有趣的data來試著分析,進步的速度真的比較快

  • @KWs5329
    @KWs5329 3 місяці тому

    你上班那么累了,运动也没时间,还学习数据分析,还有时间玩任天堂和ps5😂

    • @guild2983
      @guild2983 3 місяці тому

      笑死 突破盲點

    • @albertage1231
      @albertage1231 2 місяці тому

      那是擺飾,跟我家Mac 一樣

  • @hungwaikay7747
    @hungwaikay7747 4 місяці тому

    Useful information, should share more videos so that we could know more...

  • @kokboonsiu6561
    @kokboonsiu6561 4 місяці тому

    很喜欢你的video, 很实在,期待你的video, 我也是才想开始学

  • @tanjhihkai
    @tanjhihkai 4 місяці тому

    真的太同意了

  • @changspencer1766
    @changspencer1766 4 місяці тому

    非常實用的分享,我正好就是那個想擺脫原先產業的那一類,然而現在上課的老師卻建議我從過去經歷做結合。實在是想了一段時間。現在可以很確定目標+地圖是我應該要做的規劃了。謝謝你👍

  • @fsxrc
    @fsxrc 4 місяці тому

    數據分析也是我轉職的一個方向,因應轉職(其實也是受不了車房包裝的體力活)也去花了三個多月學習AI的技術(python、linux、mysql、tableau、docker、mongodb.....),只可惜後續投遞履歷都石沉大海無聲卡..... (都要求"相關工作經歷"......,這感覺像是未審先判,懲罰轉職者QQ

  • @fang-wenhsiao2696
    @fang-wenhsiao2696 4 місяці тому

    謝謝分享!每次都收穫很多👏👏

  • @秋本明-t2x
    @秋本明-t2x 5 місяців тому

    分享的好棒 我也正在轉職 而且是裸辭 理由很簡單 我不想待在內耗型的工作環境 這過程發現DCARD上一堆轉職焦慮的人 然後漸漸意識到自己好像有點怪 哪怕在不找工作都快餓死了 也還是很輕鬆過生活 找工作 計算好自己必要花費總額是多少 快速想好替代方案 看了妳的影片 我終於找到原因 雖然不至於妳以上方法都有用到 但我發現原來自己 不但是個過度自信的人 還是個擅長即時轉換低能量>高能能量的人 不讓低能量在自己身上停超過哪怕5分鐘 一但意識到低能量 遇到困難 挫折 就會封閉自己 盡量不接觸人 (稍微像您提到的 避免碰到低能量的人或朋友) 現代人真的太多不懂怎麼關心人 都是自以為自己在關心人的朋友 然後會習慣性先想人生目標 /近期目標 習慣預先想好最差的結果 做 最壞的打算 接著埋頭做自己專注的事情 其中學習真的超有用 基本 跟做自己的興趣一樣有用 很快就能讓自己回到高能量狀態 學習可以是讀一本好書的某一章節 看YT學習的頻率 講觀念的頻率 講格局的頻道 自己現有技能去完成一個小目標 例如PS 合成一張自己看了都喜歡的圖片 廣告 AI畫個簡單的設計 (但看著很喜歡)

  • @zenithxie7579
    @zenithxie7579 5 місяців тому

    谢谢你的分享,了解到很多

  • @蔡柏安-i3f
    @蔡柏安-i3f 5 місяців тому

    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

  • @aidsadsl999
    @aidsadsl999 5 місяців тому

    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。

  • @赵菲雪
    @赵菲雪 5 місяців тому

    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😢

  • @glennhome9
    @glennhome9 5 місяців тому

    感謝分享,剛好在了解轉職的相關工作內容~

  • @柯亦婷-u5u
    @柯亦婷-u5u 5 місяців тому

    謝謝你,很棒的影片!!!我受益良多,謝謝妳的真誠

  • @蔡欣志-d2n
    @蔡欣志-d2n 5 місяців тому

    +1訂閱

  • @宋台塑
    @宋台塑 6 місяців тому

    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?

  • @ekko_design
    @ekko_design 6 місяців тому

    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

  • @Uncle_Energy
    @Uncle_Energy 6 місяців тому

    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~😉

  • @VC_1616
    @VC_1616 6 місяців тому

    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。

  • @1029skatingirl
    @1029skatingirl 6 місяців тому

    那個心流描述的好貼切!

  • @linsfunbox4052
    @linsfunbox4052 6 місяців тому

    魔法師..魔物...奇幻小說動畫看太多了喔

  • @kaen2011
    @kaen2011 6 місяців тому

    ChatGPT 可以當老師 一堆工程師都在用

  • @亞洲自由-r1c
    @亞洲自由-r1c 6 місяців тому

    不賺錢就會被取代

  • @ying-yutzou7692
    @ying-yutzou7692 6 місяців тому

    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!

  • @gabenleung3565
    @gabenleung3565 6 місяців тому

    我也正在转职,真幸运遇到了Lisa分享的视频,谢谢Lisa

  • @ysts3452
    @ysts3452 6 місяців тому

    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

  • @GJHong
    @GJHong 6 місяців тому

    後面的PS5是你轉職失敗的原因之一嗎?

  • @lohahaaa
    @lohahaaa 6 місяців тому

    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

  • @PeterPan-hs5tu
    @PeterPan-hs5tu 6 місяців тому

    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?

  • @PeterPan-hs5tu
    @PeterPan-hs5tu 6 місяців тому

    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?

  • @oooopppp2
    @oooopppp2 6 місяців тому

    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 ua-cam.com/video/FqsvzZd8Dro/v-deo.html

  • @吳怡慧-w8m
    @吳怡慧-w8m 6 місяців тому

    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。

    • @couplehonest
      @couplehonest 6 місяців тому

      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)

  • @Mong-Yun_Chen_54088
    @Mong-Yun_Chen_54088 6 місяців тому

    不會用 AI 的工程師,會被會活用 AI 的人取代。

    • @couplehonest
      @couplehonest 6 місяців тому

      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

    • @Kixoo
      @Kixoo 6 місяців тому

      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