歡迎來到 Data 世界 ⚓️

有點想是哥倫布發現新大陸 🌎, 一堆新名詞、概念跟從沒看過的科技。如果你有這個感覺，這篇文章正適合你。在上一篇 Day 4 文，我介紹了我是如何踏入這個世界，有點害怕、很多未知，就是這種感覺。

這篇文章希望成為你的指南針 🧭 ，給你方向。我會介紹 3 個重要指引，帶你踏入 Data 世界：data stack, 如何開始，以及這世界中不同的角色。

探索 Data Stack

你可能還記得我在 Day 3 有講到我怎麼決定一開始的 data stack (我用工具好了，稍微接近). 選擇適合你的工具滿重要的，就像旅遊的時候要選對交通工具。

滿多資源的，像是 https://www.moderndatastack.xyz/ 把所有工具都分類好了，每個分類內也有多個工具可以挑選，例如，光在 “Reverse ETL Tools“ 這個分類內就有 11 個工具。

通常工具也是一個 data 產品，像徵才的時候，雇主會把公司使用的產品列出來，也是吸引人的一種方式，有時候會因為很想用用看某個 data stack 或者習慣使用哪些 data stack 來選擇工作。

可以把選擇 data stack 當作是一種探索，就像蒐集 Pokémon, 總是不斷有新的玩意出現。

🤜 小技巧

讓你的問題來決定。先釐清問題，就有可能找到一個為解決此問題而生的 data 產品。例如，你想自動發信給某群人，這群人是你用資料算出來適合發送某特定訊息的，這時候需要的是 "Reverse ETL". 對應就有 11 個產品可以使用。

一開始可能不知道原來這個問題可以對應某概念，但只要你開始研究，跟其他資料人討論，很快就會發現了。

向前輩們請教

如果解決問題有點跳來跳去，感覺需要一點全貌，這邊有些很棒的資源可以參考：

• The Analytics Engineering Guide 是 dbt 提供，集結了 dbt community 上很多大大的精彩討論及經驗分享
• The Analytics Setup Guidebook 由 Holistics 撰寫，滿完整的從頭到尾介紹 modern analytics.
• DataCamp 的課程 Understanding Data Engineering and Understanding Data Science 對初學者很好吸收

這些都還是冰山一角，真的有很多資源跟前輩都熱心分享。

資料世界中持續變化的角色們

當我一開始踏入資料世界，我是跟 data engineer 學習，他們幫我架好 dbt, BigQuery 並且處理 data extraction 及 loading. 我知道這是他們工作的一小部分而已。後來又聽到 data scientists, 超熱門的職

還好，dbt 在 2022 年開始介紹了新的職稱叫做 "analytics engineer" 就比較接近我在做的事情

Analytics engineers provide clean data sets to end users, modeling data in a way that empowers end users to answer their own questions.

• https://www.getdbt.com/what-is-analytics-engineering/

接下來 "Data Analyst" 引起我的注意，有點像我在做的事情。

我建議呢，不要太在意職位名稱，看一下職位的內容吧。從工作內容會比較知道這個職位在這家公司是做什麼的，但也不要被內容限制住了，盡量去探索你想做的，甚至發明一個更適合你的職稱 😙，就像 dbt 發明了 "analytics engineer."

接下來 ⏭️

希望這三個介紹： data stack, 如何開始，以及這世界中不同的角色，有給你一些方向。記得，想成為資料人，不用拘泥於一定要用哪些技術或職稱，在意你想解決的問題、你的發現跟學習，以及你產生的影響。持續努力~ ⛵

對 dbt 或 data 有興趣 👋？歡迎加入 dbt community 到 #local-taipei 找我們，也有實體 Meetup 請到 dbt Taipei Meetup 報名參加