許多想轉職的朋友常問我：「Jane，我會 Excel 和一點 SQL，我該投 BA 還是 DA 的職缺？」
如果你曾在104等求職網站上，尋找數據分析相關職缺，你會發現有多種不同職稱，讓人非常混淆，本文我將透過我多年從事商業數據分析師工作的經驗，帶你了解這三大職位的不同。
一張圖秒懂！BA、DA、DS 的職責對比
BA (Business Analyst)、DA (Data Analyst) 與 DS (Data Scientist) 這三個職位常被混為一談，雖然他們都與數據打交道，但核心目標與視角截然不同。
為了讓你不再搞混，我們可以從工作「核心使命」來區分這三者：
1. 商業數據分析師 (BA)
- 需求挖掘： 與主管或相關單位溝通，定義與挖掘問題，例如「為什麼業績下滑？」。
- 數據轉譯： 將問題拆解為商業假設，進行資料提取與整理，來驗證商業假設。
- 預測性分析：部分BA可能會建立基礎預測模型，例如未來銷售預估。
- 策略提案： 根據結果，撰寫分析報告，告訴決策者「具體該怎麼做」。
- 專案管理： 追蹤分析方案實施後的效益，製作 Tableau/PowerBI 儀表板，進行數據追蹤。
2. 數據分析師 (DA)
- 數據處理 (ETL)： 從資料庫提取數據，進行清洗與轉換（通常比 BA 有更高的資料庫權限）。
- 預測性分析： 處理更進階的監測模型，如「用戶流失預測監控」。
- 異常偵測： 發現數據異動時，第一時間通知資料工程師等資料倉儲單位進行初步查核。
- 專案管理： 追蹤分析方案實施後的效益，或與資料工程師合作，確保重要數據正確納入資料庫。
3. 資料科學家 (DS)
- 建模預測： 建立較為龐大的預測模型，例如購物網站的推薦系統。
- 底層開發： 優化演算法，處理影像或文本等非結構化數據。
- 深度洞察： 處理高維度數據，尋找人類直覺難以察覺的相關性。
Jane 的洞察：許多人轉職失敗不是因為不努力，而是選錯了賽道。若你具備不錯的邏輯，但不想每天面對幾千行程式碼，BA (商業數據分析師) 通常是非本科生最理想的切入點。
商業數據分析師 (BA) 的日常
作為一名 BA，我的工作並不是整天埋頭在資料庫裡。我的日常通常包含：
- 定義問題：與業務或產品部門溝通，確認他們遇到的「真實痛點」。
- 數據清洗與提取：用 SQL 或 Excel 撈取與整理相關資料。
- 商業洞察：用數據驗證假設回答商業問題，例如「為什麼這個月的購買轉化率下降了？」
- 推動執行：製作視覺化儀表板，並向老闆提案建議採取的行動。
轉職 BA 的三大誤區，你踩中了嗎？
- 以為工具學愈多愈好：事實上，思維與決策對齊才是企業最看重的能力。
- 作品集只有程式碼：對於 BA 來說，面試官更想看的是你如何從數據中得出「商業洞察」。
- 忽略跨部門溝通：BA 是工程端與業務端的橋樑，說出「聽得懂的人話」非常關鍵。
告別迷惘，加速轉職
轉職數據領域，很多人在起跑點就因為資訊不對稱而感到焦慮。如果你希望避開摸索的痛苦，系統化地掌握轉職技巧，我將我的實戰經驗濃縮成了一堂課。
《從零轉職商業數據分析師》
這門課是專為非本科、無相關經驗的夥伴量身打造。我們不只教工具，更教你如何建立「轉職競爭力」：
- 零經驗起手式：帶你了解商業數據分析師的必備心法與核心思維。
- 學習地圖：針對轉職商業數據分析師，整理所有需要的學習資源與推薦的學習路徑。
- 打造吸睛作品集：教你如何將零散的專案轉化為展現「商業洞察」的證明，增加面試說服力。
🌟 學員回饋： 「老師的課程將複雜的邏輯拆解得很清楚，讓我從完全不懂數據到能有系統地準備面試！」