文：鄭雅慈
矽谷頂尖科技公司招聘時怎麼考數據分析？
讓我們來看看像是鄭雅自己再勇Facebook、Instagram這樣的慈為矽谷頂尖科技公司，招聘的敢次谷頂時候怎麼考員工的數據分析吧！
比如這樣的等矽考題：「Instagram愛心的使用變少了，你要怎麼找出問題？」
1. 了解問題
要解決問題，尖科技不是司招數據立刻回答問題，而是聘時要先深入了解問題。「變少」是麼考變多少？什麼時候開始變少？是逐漸變少還是突然變少？變回來了嗎？愛心指的是給人貼文按「愛心」的那個功能嗎？還是在聊天裡頭按愛心的功能？「使用」變少指的是「給愛心的人」變少，還是分析「愛心被給的數量」變少，或是鄭雅自己再勇「看到愛心的人」變少？
2. 確定有問題
變少是因為埋碼追蹤有錯誤？或者分析指標的定義改了，比如原本有賣出都算營收，慈為現在退貨的敢次谷頂不算營收？還是因為季節性的關係，像是等矽情人節過完了，所以隔天花當然就降價了？
3. 縮小問題範圍
比如使用愛心的尖科技人變少了，那是司招數據在iOS還是安卓上使用的人變少了？哪個App的版本使用的人變少了？是手機App還是網站上使用的人變少了？是哪幾天、哪個時間使用的人變少了？是在新聞牆上的愛心變少還是聊天窗裡的人使用愛心變少了？如果不縮小問題，就像是大海撈針，你要數據分析師去找「看看昨天是不是有節日」，那以Instagram來說，有上百個國家的人使用，豈不是要花很多時間？
4. 檢視外部資訊
好了，現在你知道是法國Instagram在首頁新聞牆上使用愛心的人變少了，那你可以開始看有沒有外部事件，像是天災、選舉、節日、政策改變等。
5. 用戶體驗漏斗分析，檢視內部數據
確定了不是外部因素，就可以依照用戶體驗的流程順序，逐一檢驗是哪個步驟的功能壞了。比如說，要有人回愛心得先有人貼文，那你先看一下貼文的人數有沒有變少？接著，貼文的人每個人貼文的數量有沒有變少？再來，貼文要透過演算法讓用戶看到，那看到貼文的人數有沒有變少？每個看到貼文的人所看到的貼文數量有沒有變少？然後，要點愛心的話要先試著點愛心，但試點愛心的人數有沒有變少？接著要點擊成功，那點愛心成功的數量有沒有變少？點了愛心還可以取消，但取消愛心的人數有沒有變多？成功被取消的愛心數量有沒有變多？
確定知道要分析什麼，下一步則是了解怎麼使用分析軟體，然後看軟體自動生成的分析數據。你看，講了這麼多，大部分數據分析的架構是不是根本跟數學沒有關係？！如果最後需要，才是用數學和統計把數據做進階的分析和建模預測，在此之前，所有步驟都不太需要數學啊！
對的！數據分析力，有一大半其實就是思考力、邏輯力啊，所以，人人都可以在日常的工作和生活中運用數據分析，數據分析絕對不是理科人的專利！
向優秀的數據分析師學習
雖然你不一定是數據分析師，但我們都可以用些優秀數據分析師的祕訣來增加自己的數據分析能力。我帶過很多數據分析師，我發現其實優秀的數據分析師和其他人最大的不同，有以下3點：
1. 優秀的數據分析師從把目標定對開始
要分析數據之前，得先想清楚分析後，數據看起來怎麼樣是好、怎麼樣是壞。所以，定立目標是第一步，我舉個例子：
我在eBay工作的時候墨西哥的網站主要是房屋買賣的貼文，我們靠用戶在網站上看到房屋的資訊後，聯繫仲介來賺錢，主要的收入是來自仲介上架房屋資訊繳交費用的營收。我們知道大多的用戶是從搜尋引擎來的，所以總經理給行銷團隊定了目標，就是「增加搜尋引擎來的用戶流量」。
過了幾個月，果然我們搜尋引擎來的用戶流量大幅增加，但是仲介上架房屋的營收沒有增加，深入分析發現，用戶在網站上看到房屋的資訊而跟仲介聯繫的數量也沒有增加。怎麼會這樣？！
很明顯啊，因為總經理定的目標是「增加搜尋引擎來的用戶流量」，不是「搜尋引擎來的用戶聯繫仲介的數量」，也不是「仲介因為我們搜尋引擎來的用戶流量而成功交易房子的數量」啊！所以，搜尋引擎人員買了一堆跟買房子沒關係的關鍵字，像是「歡樂時光」「提供免費午餐的樣品屋」等，當然是吸引了一堆流量，但這些人根本一開始就沒有打算要買房子啊！
所以，不論你是小員工，還是大主管，都有機會為專案、工作細節、廠商團隊定立目標，先把目標定對，就是數據分析的第一步。
2. 優秀的數據分析師會忘記自己是數據分析師
「啊？阿雅老師，什麼叫做數據分析師會忘記自己是數據分析師？又不是韓劇，男女主角動不動就失憶。」
不管你是不是數據分析師，都有機會做報告給老闆，有些報告很多數據，有些不多。不管如何，你是那種沉浸在自己的世界裡，只關心自己的分析報告做得好不好的人嗎？還是你最在意的是，到底這份報告有沒有對看報告的人帶來什麼具體的影響力，他有沒有因為你的報告做了不同的決定，而且這個決定為公司帶來可以計算的正向影響？如果你是後者，那恭喜你！你就學到了數據分析師的第二個要領：忘記自己是數據分析師，把自己當成看報告的決策者。
比如說，身為產品經理，我明天要決定「要不要請工程師多做一個適合5年前舊手機可以用的網站版本」，我請數據分析師做分析。一週後分析報告來了，但我看完只說聲「謝謝」，就收抽屜裡了，因為前述的那個決定早就已經做了，知道分析結果也只是單純長知識而已。再者，報告寫得真完整，可是其實只要其中的一小部分就有助於我們當下做出更好的決定，他根本不需要多花時間把報告做得這麼完整。糟糕的數據分析師會堅持要一個禮拜，無法先跑一個簡單的分析，也沒有其他資訊可以協助，甚至不知道這個報告是要做什麼用的、什麼時候要。把報告做清楚當然很重要，問題是，如果過了決策時間，報告完全沒有實質的影響力，那你只是在白做工啊！