不怕沒有數據背景，跨領域申請數據分析碩士的 5 大方法

數據分析相關領域碩士競爭漸趨激烈，申請門檻也逐漸提高。Hahow 邀請在美國擔任數據分析師的 Vivienne Yang 與你分享跨領域申請數據分析碩士的 5 大方法。

對文章有興趣來不及看？點選右上角「橘色小書籤」收藏文章，再也不怕錯過就是一輩子！

近年來越來越多人想要申請研究所、念數據分析，可能是順應潮流，或單純想學一個硬技能，也有可能是工作需要。不論如何，數據分析領域的確越來越熱門，美國有許多大學開設相關學程與科系吸引學生就讀，競爭漸趨激烈，申請門檻也逐漸提高。Hahow 邀請在美國擔任數據分析師的 Vivienne Yang 與你分享跨領域申請數據分析碩士的 5 大方法。

方法一、透過工作或實習累積數據分析業界經驗

這個是最直接也最有利於申請的方式。大部分的數據分析碩士學程都是著重在機器學習（machine learning）、深度學習（deep learning）、資料庫管理（database management）、資料模型（data modeling）等比較資料工程（data engineering）或資料科學（data science）的課程，偶爾穿插一些像是用資料說故事 ( storytelling with data )、溝通、變革管理等等偏商管一點的課程，所以大家才會看到很多學程都要求學生要有程式撰寫的經驗。如果未來是想要朝資料科學（data science）或資料工程（data engineering）這些技術門檻比較高的領域邁進，能夠先至少有分析的工作或實習經驗（大多分析師職位頂多用 SQL／Excel 而已，碰不太到程式撰寫），對申請研究所會有幫助。

方法二、把握在學期間，投入專案執行

除了工作或實習，一個有實際商業價值或技術應用的專案，我覺得也很能展現出你的熱忱跟能力。在難度差不多的前提下，個人認為不同類型的專案權重如下：個人專案（personal project） >= 企業合作專案（capstone project） > 課程個人專案（course project Personal project）。

因為是自發性的，所以最能展現一個人的熱情，如果是特別想做機器學習的話推薦 Kaggle 這個平台；capstone 或 practicum 就是會實際跟一家公司合作幫他們解決一個問題的小組報告，所以幾乎類似實習而且還可以談到團隊合作經驗，但台灣好像這種課比較少；最後是上課做過的報告，履歷上真的沒有相關經驗的時候可以放。

學生專案
圖片來源：Hahow 圖庫

方法三、善用線上課程，提升數據分析力

如果大學的時候沒有修過相關的課程，有線上課程 Coursera、Udemy、Data Camp 之類修課的證書也會有幫助。在選擇線上課程的時候，最好選有做專案的，雖然要花比較多時間才能完成，但能實際練習，修完的時候還會有一個成品，可以放履歷或作品集。

方法四、建立個人作品集，展現你的數據分析能力

做了一堆專案之後，如果能把成果集結成作品集發佈在部落格、github、medium、LinkedIn 等等平台上，除了在申請時可以展現自己的能力，對之後找工作也會超有幫助。特別是沒有相關學歷或背景的人，如果能越早開始展示自己的相關成果和經驗，到找工作時會越有自信跟餘裕去準備其他東西，如：面試技巧、口語表達等。這一點真的是我到開始找工作之後才後悔沒做的！

方法五、剪裁履歷內容，清楚呈現數據分析相關經驗

如果本來就有做過相關的工作或實習那還簡單，最困難的就是突然決定想要念數據分析，但是過往的工作經歷或上過的課都不太相關。其實履歷就像電影一樣，不可能放二十個小時的毛片，只會把好的鏡頭剪進去。所以就算之前修過的課或做過的實習的職稱沒有直接反映出數據分析成分，但是仔細找還是能找出跟數據分析扯得上邊的內容。例如：在某個行銷實習做了問卷或市場調查，然後找出目標受眾（target audience）、某堂課分析了一家公司的股價並用競爭者分析決定產品定位。這些透過分析數據作出決策的行為都值得放到履歷裡，如果有自己額外的專案或作品集就更好了。

以上五點希望對大家有幫助，越早開始越好呦！