Google資料分析課程(Google Data Analytics)：完課心得與內容分享

僅推薦給在校生與畢業生的資料分析入門課！

Oct 2, 2021

| 目錄 ｜01. 課程特色、適合誰
02. 完課心得
03. 課程大綱

🏈 課程特色？適合誰？

先說結論，這個課程適合想認識資料分析的「學習框架」與「職涯發展」的人，你可能是對這個領域有一點興趣，但還不太清楚需要哪些軟、硬技能，或是想從最基礎的概念開始入門，那麼這門課比較適合你。

一個簡單的測試：是否能分辨出商業分析師(business analyst)、資料分析師(data analyst)、資料科學家(data scientist)的差異？

如果你能輕鬆分辨出三者的差異，這門課可能不太適合你，因為你應該已有基礎的認識，可以針對想要的方向，在網路上找到更扎實的專業課程，例如已經知道商業分析師的成長途徑，就能針對SQL或是Tableau進行加強訓練，這門課的cp值就會相對低。就我完課後的感想來說，這門課的取向是商業分析師的先修班，如果是從0開始學的人，可能距離入門級的職位還差一些，需要再進行更多額外的練習。

🦤 完課心得

當初看到Google推出這門課時，其實還滿心動的，雖然網路上沒有太多心得文，但因為上過「Google專案管理課程」覺得收穫很大（心得連結請點此），就認為還是可以嘗試看看，本來也預想著會有建立完整作品的機會，但後來發現課程的規劃比專案管理課還鬆散一點，僅有最後一堂課會提供一個完整案例讓同學實作，但缺少了評點與同學回饋的環節，老實說有一點空虛感。

其實在上這門課之前，我對職涯發展已經有一定的認識，也都有Tableau、SQL、Python的學習經驗，而前兩項基本上就是商業分析師必備的硬技能，現階段的我比較想持續深化操作的流暢度與領域知識，可以說是已經長出大致的骨頭，需要再把肉填滿的狀態。因此，這門課其實沒有那麼適合我，但是最後還是選擇用一種很經濟的方式完課了，這個下面會再分享。

要說最大的收穫的話，應該是認識了更多專業術語與常見的工作流程，例如我之前是自學python，比較著重技術面的東西，這門課則補充了公司內常見的資料處理的流程，例如需有verification和reporting clean data等，當然也有介紹data analyst的求職技巧、履歷撰寫、常見招募過程等。但整體而言，對我來說不太值得花時間、金錢投入，尤其若是你對Excel或Google Sheet已經很熟練的話，這門課1/3以上的內容都會覺得有點無趣。

🔬 時間規劃

這門資料分析學程，包含了八個課程，官方預期需花費37週，每週10小時的時間，也就是總共370個小時，但實際上我大約花費了25～30個小時左右，差異很大是因為這門課有提供speed track，讓已經熟悉data analytics的人，可以通過考試後跳過一些基礎的課程，所以我的前三堂課都是直接跳過的。

後面四到七堂課，則是有關Spreadsheet、SQL、Tableau、R的操作，因為有以前的學習經驗，所以都是快速瀏覽過影片逐字稿和相關補充資料後，直接去參加通過考試，若是沒通過或是發現自己對某個概念不太清楚，才會再回去特別吸收，這樣的方式，的確有讓我發現不少自己的盲點。

🎓 課程大綱

Google專案管理總共包含以下八個課程，每個課程都是要各別在Coursera上註冊的，如果要得到Google Data Analytics: Specialization的證書，需要八個課程都完成。八個課程的安排是以一個資料分析專案需要經過的步驟所建立的，從下面的課程大綱可以看到，前一到三堂課基本上是在建立基礎知識，後面四到八堂課才會涉及Google Sheet、SQL、Tableau、R的操作。

整個過程中，我是以Notion來記錄筆記的，也會把每一堂課掌握到的關鍵字打下來，有興趣的人不妨看看有哪些關鍵字，若是對大部分感到陌生，這門課也許適合你。

｜ Google Project Management ｜Course 1- Foundations: Data, Data, EverywhereCourse 2- Ask Questions to Make Data-Driven DecisionsCourse 3- Prepare Data for ExplorationCourse 4- Process Data from Dirty to CleanCourse 5- Analyze Data to Answer QuestionsCourse 6- Share Data Through the Art of VisualizationCourse 7- Data Analysis with R ProgrammingCourse 8- Google Data Analytics Capstone: Complete a Case Study