💪從醫院到開業診所，病人就是要跟著你走！
⠀⠀
「網路經營，讓創業的我並沒有遇到門可羅雀的窘境。」
⠀⠀
一年前，離開原來服務的醫院，自行出來創業，來到一個離原來醫院有些距離的新地區。
⠀⠀
因為已經建立了自我品牌，除了讓既有的病患父母不遠千里繼續跟隨，也因為網路無遠弗屆的力量，常在門診中看到更多住址來自不同區域、不同縣市的病患，細問下知道，原來這些病患父母都是在 Google 搜尋關鍵字出現我的文章，或是看到部落格的衛教文章，前來診所求診的。
⠀⠀
⠀⠀
💪 挺過疫情，快速恢復門診量！
⠀⠀
當武漢肺炎風聲鶴唳時，診所看診人潮雖然受到稍許影響，但在六月台灣疫情緩和後，父母們帶著孩子，像是來找朋友似的前來門診時，也順便聊聊這段時間發生的狀況，＃很快就恢復原來的門診量。
⠀⠀
⠀⠀
👉 品牌影響力，門診穩定成長。
⠀⠀
持續在部落格寫文章、經營粉絲專頁的網路效應慢慢地出現，有病患父母因為看到我的文章後，帶著孩子來門診，詢問孩子是不是文章裡寫的那種疾病。
⠀⠀
「這些經由網路前來門診看診的父母，看診完後會在親朋好友中口耳相傳，甚至在如 LINE、PTT 等平台主動推薦，或是藉由父母間親子網路團體的強勢連結，更是 #讓我門診穩定成長的主因。」
⠀⠀
⠀⠀
📣 部落格衛教文章，加深患者對我的專業印象！
⠀⠀
只要是門診父母親問到相同問題時，我會打開部落格，引導抱持問題或疑惑的父母，#在我的部落格 使用「搜尋」功能輸入關鍵字、找出裡面的相關文章，讓父母回家後有充足的資訊閱讀。
⠀⠀
除了 #加深父母肯定我的專業印象，同時也增加文章在網頁閱讀量，讓好幾篇文章因大量搜尋閱讀，而 #登上Google首頁。
⠀⠀
⠀⠀
🌐 7 種網路應用，一天就能學會！
⠀⠀
✓ 網路效益：全新與世界直接連結的方式
✓ 平台解析：數據分析與實戰歸納
✓ 進階應用：辦活動、教小孩、新領域實例與拆解
✓ 互動實作：從無到有做出自己的部落格
✓ 遊戲規則：酸民、法律、著作權等艱難狀況應對
✓ 內容形式：該寫什麼？效益分析及實用建議
✓ 專業強化：不同業務型態的實際應用與成功關鍵
⠀⠀
│ 2021 / 11 / 28（日）網路時代之個人品牌工作坊
│ 【今年最後一班】在後疫情時代，讓你的專業被看見！
│ https://pati2015.innovarad.tw/p/event.html
⠀⠀
㊙ 這堂課直接說明，你該怎麼開始經營，如何能以最小花費、最少時間，開始起步，並步步走在最關鍵的路上，最快能看見成效。
數據分析ptt 在 Re: [心得] 為什麼99%轉職數據分析的人都失敗了- 看板Salary 的推薦與評價
身為資料分析師，來回一下這篇，手機排版傷眼請見諒。
我大學管院學士，工作剛滿10年，都是做跟資料分析有相關的職務。2012年底，我第一份工
作年薪大約在40左右，經過了10年自己有累積加上運氣不錯，去年年薪約在150左右。英文不
好，台商乙方行銷單位資深PM。沒有什麼值得炫耀，只是帶一下背景。
想轉職過來，很大機率失敗，以及這個職務其實也很不好找人，有幾個原因。最大的原因我
覺得是認知問題。
資料分析師的工作要有價值，要經過三步，第一，處理資料與分析資料。第二，分析的結果
如何解讀出insight。第三，這些insight如何對業務執行面產生影響。
第一步需要工具與基本能力，工具就是sql r excel tableau等等，基本能力就是學科知識，
包括資料庫管理 資料結構 數學 統計學 等等。有這一步的能力，就可以按需求抓資料提供
給需求方，或是按規格產報表，基本上就是個資料工具人。現在市面上有海量掛著DA職稱的
大部分都在這一步，其實相當無聊也沒有話語權，大部分又是dirty work，所以陣亡率當然
很高，另外如果CS技能夠硬的就會優先去做資料工程師或資料科學家(畢竟分析師處於data領
域的鄙視鏈的尾端XD)
第二步需要在第一步的基礎上，對不論是產業或是領域的domain knowhow/knowledge有一定
的了解甚至深入的了解。這實在無法速成，需要累積。這個階段就是當完工具人之後，有一
些討論議題的話語權，開始讓人覺得你說的話是有份量的，因為是根據資料分析佐證的，不
是唬爛瞎掰賣老。這一步跟第一步最大的區別是，需求來不是照單全收，而會開始問這個需
求的目的(並且不會被說你做就是了問那麼多幹嘛)，因為有可能需求方要的資料其實不能佐
證他的目的，就需要給建議跟調整
第三步需要在前兩步的基礎上，更全面的了解大環境/市場/前端實務面。因為有可能insigh
t說得頭頭是道，但確無法轉為實際行動，這樣就沒有用。所有的商業行為都是要賺錢的，不
能在實務上幫助賺錢的insight都只是屁。所以了解前端實務，真正能夠幫到他們的分析師才
有價值，這個階段會類似顧問，有實際影響力。最重要的是很強的溝通能力。
看我扯到這大家應該也明白了，那些課程都是在學工具而已，工具去上課或自學不論學的再
好也要先在真正的職場上應用，然後從資料工具人開始當起，大概95%以上就覺得好無聊，薪
水也不高 這個階段的資料分析師也不過領個四萬而已，如果工具都學的沒有很好更不用說了
年輕小朋友也是，不要說待滿一年，連半年都算難得，因為覺得做一做怎麼跟想像的不一樣
，什麼做data是最性感職業，屁，超無聊的，CS強的會先去做工程師，喜歡熱鬧光鮮的會先
去品牌，誰要做資料分析師
這邊先不要砲資方拿香蕉請，請不到不會拿哈密瓜，再請不到不會拿榴槤，又不是旅館請房
務，勞力工作只要願意就能做勒？
問題是沒有真的在一個領域沉澱，怎麼會有第二步跟第三步的能力被養出來？現在看到轉職
做資料分析師做得不錯的，很多是以前就是對階段一的資料工具人提需求的需求方，或品牌
方，或需求前端的人，他們是先了解了產業/市場/領域，只是以前沒有很好的使用資料分析
幫助決策的經驗或能力，現在把工具跟基本學科補起來，前後結合，就會做得不錯。
另外chatgpt目前能幫助階段一
但還不能幫助階段二三
所以處於階段一的分析師會越來越紅海
※ 引述《chinnez》之銘言
: ※ 引述《a78998042a (Benjimin)》之銘言：
: : 如果你對數據分析轉職感興趣
: : 如果你周遭有人想要轉職到這個領域
: : 請把這篇文章給他看，這將幫助他節省2年以上的時間
: : 我在22年秋季開始，開始了免費的數據轉職諮詢服務
: : 期間接觸到超過50+的人談論他們的疑惑
: : 有人曾參加轉職輔導，有人加入線上課程，有人自學超過兩年
: : 但共通的點是，它們仍在成功轉職的路上努力著
: : 錯誤的觀念會讓你虛度 2-3 年
: : 而正確方向僅需要一次的會議
: : 但因個人能力有限，我無法無限期提供諮詢服務
: : 於是我將這段期間內的諮詢內容拍成影片
: : 這部影片跟其他影片不同在於：
: : 1. 它不是一個人的經驗分享，而是 50 個人的集體問題
: : 大家的疑難，很可能也是你的問題
: : 2. 我與我諮詢的對象均處於台灣，而網路上許多的案例有的在美國，有的在歐洲
: : 它們的經驗很寶貴，但我將給你另一個觀點
: : 3. 我諮詢的對象，有尚未畢業的學生，有30多歲想切換領域的主管
: : 背景從社科外語、管理財金到資訊電子，我的目標就是提出讓每個人都有機會成功
: 的
: : 解方
: : 這部影片僅僅 20 分鐘，但只要你看完：
: : 1. 你將省下 2 小時：這是我一場諮詢的平均時數
: : 2. 你將避免 2 年的浪費：這是一次錯誤規劃的成本
: : 3. 你將能大大提高轉職的成功率
: : 這支影片的大綱如下：
: : 1. 為什麼想轉職數據分析的人都失敗了
: : 2. 失敗的第一步，我要學會數據分析
: : 3. 聖經就該擺在床頭櫃；你不該學些什麼
: : 4. 天下武功唯快不破；成功的學習途徑
: : 5. 別跟數學系比算法；跟資訊系比程式：面試準備的方式
: : 6. 總結
: : 希望大家能有所收穫
: : 影片鏈結如下：
: : https://www.youtube.com/watch?v=9EcOu_GLsfA&ab_channel=HsuBen
: : 問卷鏈結如下：
: : https://forms.gle/V3z3RsL5NbiYyx9U6
: 我去年有去參加產業新尖兵的數據分析課程
: 先說心得 我這沒程式底子的人真的學不來 。
: 講師一開始就說了 要我們在三個月學完他學三年的東西 ，這哪有可能 。
: 每天上課8小時 ，一週上5天
: 下課之後根本沒多少時間消化…
: 這三個月有python,sql,power bi要學 ，有哪個門外漢能學得來的 真的要叫他一聲天才
: 我python要抓氣象站資料 ，從某年元旦抓到當天的檔案 寫法教材裡也沒寫 我google爬
: 文爬了好幾天才自己想通 ，存成2進制檔案還要轉換回csv 真的沒那動力去動那腦筋了
: ……
: sql概念是還算簡單 ，可是每天都要瘋狂背指令 也不會比python輕鬆多少
: power bi ，這門專業的精髓 用歷史數據去推算未來
: 人工智慧之前要先搞懂商業智慧 ，商業智慧就是數據分析 人工智慧是數據推測 ，要先
: 分析才能推測 。
: 小弟我資質實在愚鈍 ，前面才3個禮拜就已經開始跟不上進度 到後面就只能放推了 。
: 我從來沒想到上職訓課程可以上到這麼挫折 ……
: ◢▆▅▄▃ 崩╰(〒皿〒)╯潰 ▃▄▅▆◣
----
Sent from BePTT on my iPhone 11
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 27.240.210.249 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Salary/M.1677612821.A.C4B.html
... <看更多>