在數位科技時代，數據分析是各產業都在努力的方向，希望藉由最理性的量化數據，能達到數據驅動做決策 (Data-driven decision)。因此，數據分析師在與不同職能合作時，工作內容、合作方式會略有不同。這篇文章會以電子商務（e-Commerce）為主題，介紹數據分析師與不同職能合作哪些專案類型、如何在不同部門發揮分析師的商業價值。

依公司架構規劃不同，有些公司在每個部門都有各自的數據分析師，也有些公司是成立數據部門，再依照不同專案需求，與不同部門合作。但不變的是，數據分析師如果不想變拉數字的工具人，就要提供具有商業價值的影響力，將數字轉為行動點 (Action points)，給各部門具體執行建議。因此，如果你正在準備成為一位數據分析師時，除了學習數據分析工具外，也可以學習以下的職能專業知識，讓自己更快上手工作！

一、行銷（Marketing）

電子商務通常會以數位行銷為主，常見的行銷通路 (Marketing channels) 包含：社群媒體 (Social media，例：Facebook)、付費搜尋流量 (Paid search，例：Googel)、Email、影片、廣告條幅 (Banner) 等。

當我們投資行銷活動 (Marketing campaign) 後，會需要評估成效，數據分析師參考的指標包含使用者 (User)、流量 (Traffic)、轉換率 (Conversion rate)、跳出率 (Bounce rate)、收入 (Revenue)。將行銷成效量化後，才能精準理性的評估結果是否符合預期，再進而優化行銷活動或規劃下一次的策略。

數據分析師合作的分析專案例子有：行銷活動監控與成效評估、行銷策略規劃。

二、品牌公關部（Branding）

品牌 (Brand) 指名稱、設計、商標等能讓消費者區別某商品的因素，好的品牌形象能傳遞商品的價值，而品牌化 (Branding) 便是為了提升商品價值進行的活動或手法。雖然品牌看似是質性價值，然而數據分析師仍有許多方式可以將質性價值量化，以幫助品牌公關部具體衡量活動成效與品牌的市場價值。

舉例來說，我們需要瞭解市場中有哪些競爭者，我們的優劣勢是什麼？數據分析師能分析各競爭者的流量、使用者年齡或性別分佈、email發送次數等。幫助品牌公關能理性找出公司定位， 將品牌價值發揮到最大。

數據分析專案例子有：媒體曝光率、市場競爭者分析。

三、搜尋引擎優化（Search Engine Optimization）

搜尋引擎優化 (SEO) 是電子商務成功與否，關鍵的衡量標準之一。常見的搜尋引擎 (Search engine) 如：Google、Yahoo、Bing。而 SEO 是讓網路爬蟲更容易找到並顯示網站，使你的網站在搜尋結果頁 (Search result page) 能排序在越前面。

舉例來說，如果你是一間賣衣服的網路公司，當消費者在搜尋引擎輸入「買衣服」後，你的網站能被顯示在第一頁的第一項結果，如此一來有更高的自然搜尋 (Organic search) ，曝光率及網站流量都會接著提升。

數據分析師可以透過曝光 (Impression)、點擊率 (Click through rate)、排序 (Position)等指標評估搜尋引擎表現，並與工程師討論如何優化網站的排名。數據分析專案例子有：搜尋引擎優化監控與成效分析。

*未來規劃寫一篇關於「搜尋引擎優化」的文章，會更詳細解釋 SEO 相關內容，如果想盡快讀到，請留言敲碗呦！有更多人想搶先閱讀，會調整 SEO 文章排程，盡早發佈！:)

四、使用者介面與體驗設計（UI/UX Design）

無論電子商務是以網站或 App 為平台，使用者首先會接觸到「介面」。因此，美觀、清晰的介面十分重要，不僅會影響用戶對品牌的第一印象和價值感，清楚的介面才能讓消費者輕鬆快速的找到需要的商品或服務，以增加轉化率 (Conversion rate) 及營收 (Revenue)。

這也是電子商務中，容易被忽略的「產品」因子。以服裝網購平台為例，直觀想到的產品可能是衣服、褲子、襪子等眼睛可見的服裝商品。可是，如果消費者在「網站」上找不到想購買的服裝類型、找不到貨運時間或客服等相關資訊時，可能會影響消費者放棄購買，所以「網站」也是產品的一部分，「使用者體驗與介面」則是產品 (網站) 好壞的評斷標準之一。以下解釋這兩者包含的內容：

1. 使用者介面 (User interface)：

是指網頁畫面，UI 設計師要顧及使用者便利性與整體畫面的美感，例如臉書以藍色與白色為主，所以任何頁面都會以這兩色為基底，無論在動態首頁、個人主頁、社團都會因為主題色，讓我們感受到在同一個網站上，如果想按讚或發文，也能快速找到相關區塊或按鈕，這就像根據網站骨架，加上合適的「五官、樣貌」。

2. 使用者體驗 (User experience)：

是整個產品的使用邏輯與互動模型，UX 設計師需要安排整個網站頁面的內容規劃，例如哪些頁面要包含什麼內容，這就像是先畫出網站「骨架」。

結合 UX 及 UI 設計的內容後，就是平時看到整體的產品 (網站或App)。數據分析師需要與設計師合作，瞭解用戶在介面上互動狀況 (Engagement)、瀏覽哪些頁面、點擊哪些按鈕、是否最終有達到公司希望用戶做到的目標（例如：購買商品、申請成會員、訂閱等）。數據分析專案例子有：使用者行為分析、A/B Test、頁面優化。

五、產品部（Product）

電子商務的產品主要分為三大類型：

1. 線上：網站或App等
2. 線下非實體：客服、貨運、售後服務等（可包含所有無形的服務）
3. 線下實體：販售的商品（例如服裝、食品等實體商品)

數據分析師在產品領域可投入的專案項目十分多元，同樣以這三大類型為例，數據分析師可參與的方式有：

1. 線上：使用者體驗或介面優化（與第四點 – 使用者體驗與介面設計有關）
2. 線下非實體：可分析客服回信效率、商品送貨時程、客戶滿意度
3. 線下實體：銷售預測 (Forecast)、商品銷售量分析

產品相關的分析與產業知識十分有關，所以數據分析師除了分析工具外，也需要具備商業專業知識，才能發現這些數字中的商業價值！

在了解這些部門後，有對於哪個部門特別有興趣嗎？或是曾經有這些職能的工作經驗嗎？如果已經是分析師的你，有曾經與其他專業職能合作過嗎？這些都可以為自己的分析加分！