1️⃣ 𝐎𝐩𝐞𝐫𝐚𝐭𝐢𝐨𝐧𝐚𝐥 𝐀𝐧𝐚𝐥𝐲𝐭𝐢𝐜𝐬 營運分析 2️⃣ 𝐌𝐚𝐫𝐤𝐞𝐭𝐢𝐧𝐠 / 𝐂𝐮𝐬𝐭𝐨𝐦𝐞𝐫 𝐀𝐧𝐚𝐥𝐲𝐭𝐢𝐜𝐬 行銷 / 客戶分析 3️⃣ 𝐅𝐢𝐧𝐚𝐧𝐜𝐢𝐚𝐥 𝐀𝐧𝐚𝐥𝐲𝐭𝐢𝐜𝐬 財務分析 4️⃣ 𝐏𝐞𝐨𝐩𝐥𝐞 𝐀𝐧𝐚𝐥𝐲𝐭𝐢𝐜𝐬 人力分析 不論走到哪個產業，都是一樣的。 你適合走哪一個呢？ 👇 底下一一解釋給你聽： 1️⃣ 𝐎𝐩𝐞𝐫𝐚𝐭𝐢𝐨𝐧𝐚𝐥 𝐀𝐧𝐚𝐥𝐲𝐭𝐢𝐜𝐬 營運分析 跟公司內部營運相關，有 2 種職位： ▌職位1 - 𝐎𝐩𝐞𝐫𝐚𝐭𝐢𝐨𝐧𝐚𝐥 𝐀𝐧𝐚𝐥𝐲𝐬𝐭（營運分析師） 目標：利用數據提升流程效率。 核心 KPI： (1) 落後指標 - Cost per unit / case（單位成本）↓ (2) 領先指標 - Cycle time（生產週期）↓ - Capacity utilization（產能利用率）↑ ▌職位2 - 𝐒𝐮𝐩𝐩𝐥𝐲 𝐂𝐡𝐚𝐢𝐧 𝐀𝐧𝐚𝐥𝐲𝐬𝐭（供應鏈分析師） 目標：關注從採購到交付的整體流程效率。 核心 KPI： - Inventory turnover（庫存週轉率）↑ - Order fulfillment cycle time（訂單履行週期）↓ - Lead time（前置時間）↓ - Takt time（生產節拍 / 節拍時間） - On-time delivery rate（準時交付率）↑ - Production rate（生產率）↑ - Production & procurement cost（生產&採購成本）↓ - 運輸物流成本↓ - 需求／供給預測準確率 ↑ - 供應商績效（成本、品質、準時性） 這些職位 support 的決策者： - Operations Manager 營運主管 - Supply Chain Lead 供應鏈主管 - Department Head 部門負責人 2️⃣ 𝐌𝐚𝐫𝐤𝐞𝐭𝐢𝐧𝐠 / 𝐂𝐮𝐬𝐭𝐨𝐦𝐞𝐫 𝐀𝐧𝐚𝐥𝐲𝐭𝐢𝐜𝐬 行銷 / 客戶分析 與公司對外獲客相關，有 2 種職位： ▌職位1 - 𝐂𝐮𝐬𝐭𝐨𝐦𝐞𝐫 𝐈𝐧𝐬𝐢𝐠𝐡𝐭𝐬 𝐀𝐧𝐚𝐥𝐲𝐬𝐭（客戶洞察分析師） 目標：研究客戶行為與數據，以提升留存與忠誠度。 核心 KPI： (1) 落後指標 - NRR（= Net Revenue Retention 淨營收留存）↑ - LTV（= Lifetime value 客戶終身價值）↑ (2) 領先指標 - Activation Rate（啟用率）↑ - M+1 Cohort Retention（次月留存）↑ - CAC（= Customer Acquisition Cost 獲客成本）↓ ▌職位2 - 𝐌𝐚𝐫𝐤𝐞𝐭𝐢𝐧𝐠 𝐃𝐚𝐭𝐚 𝐀𝐧𝐚𝐥𝐲𝐬𝐭（行銷資料分析師） 目標：專注於行銷轉換、活動成效、銷售表現。 核心 KPI： - Conversion rate（轉換率）↑ - Open rate（開啟率）↑ - CTR（= Click-through Rate 點擊率）↑ - CAC（= Customer Acquisition Cost 獲客成本）↓ 其他 行銷 / 客戶 分析指標： - CPC（= Cost Per Click 單次點擊的成本）↓ - ROAS（= Return On Ads Spent 廣告投放報酬率）↑ - MQL 數量（= Marketing Qualified Leads）↑ - SQL 數量（= Sales Qualified Leads）↑ - DAU 數量（= Daily Active Users 日活躍用戶）↑ - MAU 數量（= Monthly Active Users 月活躍用戶）↑ - 客服工單處理時間（Ticket Resolution Time for Customer Success）↓ - NPS（= Net Promoter Score 淨推薦值）↑ - 客戶滿意度↑ - 客戶流失原因 這些職位 support 的決策者： - Head of Marketing 行銷主管 - Growth Lead 成長主管 - Head of Customer Success 客戶成功主管 - Product Manager 產品 PM 3️⃣ 𝐅𝐢𝐧𝐚𝐧𝐜𝐢𝐚𝐥 𝐀𝐧𝐚𝐥𝐲𝐭𝐢𝐜𝐬 財務分析 跟公司財務相關，有 2 種職位： ▌職位1 - 𝐅𝐢𝐧𝐚𝐧𝐜𝐢𝐚𝐥 𝐀𝐧𝐚𝐥𝐲𝐬𝐭 (𝐅𝐏&𝐀) （財務分析師） 目標：分析財務數據與 KPI，建立模型、做差異分析（實際 vs. 預算），協助管理層進行預算與預測。 核心 KPI： (1) 落後指標 - Revenue（營收）↑ - Operating margin（營業利益率）↑

▌SQL 寫的順序： SELECT → FROM → WHERE → GROUP BY → HAVING → ORDER BY ▌SQL 真實執行順序： 1️⃣ FROM / JOIN — 先找出資料表、連接來源 2️⃣ WHERE — 過濾掉不符合條件的資料 3️⃣ GROUP BY — 依照欄位分組 4️⃣ HAVING — 過濾分組後的結果 5️⃣ SELECT — 決定要顯示哪些欄位或計算結果 6️⃣ DISTINCT — 移除重複 7️⃣ ORDER BY — 排序 8️⃣ LIMIT / OFFSET — 最後取你要的筆數 大家在學習 SQL 上還知道有什麼誤區或心得嗎？ 請留言分享給大家～

嗨各位，我是 Chris 咖哩司！ 歡迎你加入【MODA 百萬錄取數據學院】社群，我的使命是幫助你透過「百萬數據求職漏斗」，錄取夢想數據工作並且年薪破百萬！以下是你進入社群的需知重點： ▋（一）簽到 + 發文自我介紹 ​ 在本文下方「留言簽到」，並另外「發文自我介紹」分享一下你為什麼加入本社群呢？ （p.s 這裡有自介範例） （p.p.s 被按 5 個讚，可以解鎖Level 2課程，所以記得留言簽到跟自我介紹） ​ ▋（二）遵守社群規範 ​ 1. 保持正面：在留言或互動時，請記得保持建設性與尊重。歡迎討論不同觀點。 2. 積極參與：盡量聚焦主題，並盡可能提供價值。 3. 禁止宣傳：嚴禁亂發廣告或私訊推銷。非經我同意就打廣告，直接刪文並踢出本群。 ​ ▋（三）了解社群如何運作 請確實完成「請由此開始」課程，裡面也會教你如何 領取你免費課程/資源 🎁 - ✍️ 看完本文，記得留言「簽到」代表你同意以上版規。 ⛔️ 沒有下方留言「簽到」並發「自介文」，可能當作水軍/廣告商，踢出群組唷～ p.s 如果你的學習/職涯/人生，因為這個社群達成任何成果（找到工作/升遷/變開心），請務必使用「🏆 分享小確幸」標籤發文讓我知道，我會親自回覆！ p.p.s. 可下載Skool手機APP方便日常使用： - Skool App (蘋果 iOS App Store) - Skool App (Android Google Play)