從 Marketing 到 Data，我在 17 的轉職之路
From Marketing to Data, My Career Roadmap in 17Media.
前言
前陣子去了 台大資料研究社 和學弟妹們做交流，在那場QA中，最常被問 2 個問題——「你怎麼知道自己能走分析師之路？」以及「如果沒有相關背景，你是怎麼變成 17 分析師的？」這篇不會要叫大家都來走這條路，或是要走這條路一定要達成什麼條件，我認為每個人都有最適合的工作，你必須思考。
先來簡答這 2 個問題
1. 一開始是做行銷的。是種種因緣際會後的結果，才在17內部轉調部門，加入 Data team 成為分析師的。
2. 承上，我在17行銷部是「先成為行銷分析師，才加入 Data team 的。」
我一直十分感謝 17 給我機會，接受讓我轉調部門的請求。當然，員工和公司是互相的，我都是「先充實該職位應該有的能力，並在完成原有工作的同時，完成該職位應該做的事」，證明我能夠做得好。抱著「如果沒有辦法轉調，那我就必須離職」的覺悟，向公司提出我個人想要往該方向發展。
記得這些之後，下面就是我在 17 轉職的經過——
那段衝撞的日子
細細數來，我在 17 到現在將近 3 年的時間，在這個期間我總共微調過 4 次工作內容，轉換過 2 個部門。以下會針對每一次微調的工作內容講述我是如何慢慢變成分析師的。
1. 2016.12 Marketing Specialist (PR & Social), Marketing
- 拍拖與17併購新聞稿
- 5月M17正式成立記者會
- 創立17Media官網, 創立17Youtube, 經營17FB2. 2017.5 Growth and Marketing Specialist, Growth and Marketing
- 建立數位廣告分析系統
- 建立行銷部ROI分析系統
- Operation support (Program)3. 2018.1 Assistant Manager, Growth and Marketing
- 分析用戶樣貌並提出提升質量的建議
- 執行建議, 包括但不限於線上活動, 產品a/b test, 品牌合作4. 2018.9 Assistant Manager, Growth
- 公司各部門資料需求處理
- KPI訂定與檢討
- 主動建議產品方向, 主播合約訂定, a/b test
- 公司財報健檢分析, VC分析報告, 產業預測報告, Dashboard5. 2019.1 Lead of Analytics, Data Science and Analytics
- 資料需求
- 資料視覺化
- 商務分析
- KPI指標訂定
分析意識的萌芽
- 2016.12 Marketing Specialist (PR & Social), Marketing
這部分與分析師職涯關係度較低，在這邊簡短地帶過。由於上份工作是在公關代理商，因此剛進入17時，負責的項目是「公關、社群媒體」。17當時什麼社群媒體也沒有，我一個人必須維護官網、臉書粉專、17YouTube 頻道。
為了追求管理各社群平台效率，我開始研究如何優化 po 文，也是在此時認識 Facebook Karma、Hoosuite、短網址 bit.ly 等方便好用的第三方監測工具。特別感謝前輩 Jessie Wu 引我入門，帶我飛～
- 2017.5 Growth and Marketing Specialist, Growth and Marketing
由於當時直播爆紅浪潮，17正是在「就算豬也會飛」的新創風口期。這時候除了行銷部線上廣告預算爆增，17 Data team 也甫才正式成立，熟悉廣告領域的工程師串接 Appsflyer*，將用戶的 [App下載] 事件導入內部資料庫與後端 [註冊用戶行為] 資料做整合，整理用戶獲取渠道。於是問題產生了：「每天花這麼多錢打廣告，到底哪裡的廣告成效最好？」「除了下載數量之外，有沒有別的觀測指標？」—— 廣告渠道表現分析的題目。
當時 17 的數位廣告才剛剛開始大量跑起來，投放手每天都要絞盡腦汁製作更多圖片、影片、想 carousell 的梗，嘗試更多類型的受眾組合，調整預算等，還要適應廣告平台日新月異的新功能、新演算法。於是後續的「行為監測」、「指標選擇」、「渠道分析」，就由 (每天只要 po 文或監測新聞) 的我來進行了。
這個時期建立了數位廣告的知識基礎，包括 Google、Facebook、網盟後台操作、什麼是 CPI/CPM、指標定義。也是這個時期，由於 Data team 人手無法配合 Marketing 試東試西一天到晚修正指標 (每天從早上9點煩 Data team 到凌晨 2 點:D)，所以我做了一個重大的決定 —— 自己寫SQL吧！特別感謝 Data team 戰友 Randy Huang 不厭其煩地教我帶我飛～～
當分析不只是方法論，而是應用
- 2018.1 Assistant Manager, Growth and Marketing
一旦會寫 SQL，突然之間能做的事實在是太多了！1日留存不夠，你有看 3日、7日、14日、30日嗎？所謂的當日 ARPU(Average Revenue Per User) 其實有 100 種算法，by install date、by paying date，如果要看 [新用戶] 付費行為，還可以看 ARPNU (Average Revenue Per New User)，當 Aggregation 從日，調整到週、月的時候，[New User 14 day Revenue in the Month] 如果是當月最後一天才註冊的新用戶，和當月第一天來的新用戶比較，便不公平，那麼要看的就變成 [by individual user’s 14day]，也就是說 9 月底的成效，要等到 10/14 才能得知，營運單位能夠接受嗎？(下略5000字)
這還只是行銷部數位廣告的部分資料分析範疇而已。於是我開始把資料分析的觸角伸到其他地方：推播通知、線上線下活動成效、地推、網咖合作、品牌業務合作，以及 a/b test。尋找公司是否有什麼可以發力的地方，讓我們追求的營收、流量及內容，可以有更系統化、數據化的營運模式。
這個時期的 17 開始穩定，「穩定」的背後，其實犧牲了許多「新創」的美好性質，例如「營運反應速度」。這個時期的 Growth team 背負公司「快速反應」的期許，針對需要成長的指標，進行實驗性質的、小專案規模的成長嘗試。白話一點就是「自幹型部門」。想辦法用寫 SQL 就拿得到的資料，自己發用戶喚回的 SMS/EDM，自己做地推監測不同地區、不同類型受眾的行為成效、自己舉辦線上活動。等到成效顯著地影響到公司重要指標，再將執行細節匯報應當考慮繼續執行的相關部門。
這段期間則感謝願意相信我，加入這個搖搖欲墜動盪不安的部門成員 Nancy & Ada，也讓我正式升為管理職帶領更多人前進！
- 2018.9 Assistant Manager, Growth
- 2019.1 Lead of Analytics, Data Science and Analytics
上述實驗性質的部門到此正式終結，不諱言地說當初創立 Growth team 的目的算是失敗的。原因便不在這裡贅述，或許未來可以寫一篇「Growth hack 的成功與失敗模型」，哈！
身為行銷執行者的角色，在公司內部硬幹顯然行不通，於是找到了另一條出路 —— Data team。Growth team 事實上是 Data team 的執行者，透過 Data team 給出的資料洞察，做短期的嘗試，好的嘗試就再做十個；壞的嘗試就調整結果再出發。於是這個理想中的 Growth Hack 便改由「分析洞見在 Data team 發生；執行專案在各營運單位發生 (而非僅限於 Marketing Growth team)。」
爾後 Growth team 改名為 Data Analytics team，併入 Data team 融合各部門的營運形態，提供相對應的資料需求、資料呈現，以及資料分析的服務。負責事項更詳細的記載，大家在上一篇 Business Analyst in Data Team 文章中便可知。
後記
謝謝願意看我的職涯流水帳，閱讀到這邊的人。我知道自己在這條路上算是十分幸運的，除了遇到許多願意幫助我的貴人，同時也處在一間發展中的公司，能夠讓我做各種各樣的嘗試 (當然我個人了解 Data infrastructure、Data warehouse，以及學習寫 SQL 也是一場血淚過程…)。
與此同時也想鼓勵同行或是後進，我認為資料分析是條永遠不晚的路，在任何情境下都會有資料分析的需求和可能 (我個人便基於興趣擁有一個近 10 年的 ATP 網球對戰分析動態 Dashboard :P)。未來的資料產生是無窮無盡，商機和工作便無窮無盡，我十分期待資料分析領域未來呀！
*Appsflyer: 提供針對 Mobile App 用戶渠道來源歸因服務的公司
We are hiring: https://rebrand.ly/4dbc4
