《大數據的關鍵思考》：數據的五大價值、CEO關心哪三項數據？

進了公司差不多也一年（編按：原文發表於2018年8月）了，大數工作漸漸轉為常態性工作。據的價值比起剛開始輕鬆不少，關鍵O關在操作系統上也熟悉很多。思考數據數據差不多可以翹腳過日子。心項但生於憂患，大數死於安樂，據的價值度過了第一年，關鍵O關下一年度我想要做出怎樣成績！思考數據數據

自我反思

1. 怎樣幫公司創造更有效率方法？
2. 如何透過現有資料，心項提供更有參考價值數據分析？
3. 現有資料中，大數還欠缺什麼其他未收集要素？
4. 如何培養職涯資本，據的價值創造不可以取代性？

正因為默默走進了數據分析區塊，關鍵O關也自知本身也不是思考數據數據這個背景出身的，還在幼幼班徘徊，心項對於數據見解還不夠具體到位，尚未建立完整數據思考邏輯思維，稱之為 「Knowledge Gap」，至於怎麼樣補齊這個缺口，突破現有盲點，便著手盤點手邊有的資源。

資源盤點

1. 向內：主管或內部相同職位的員工
2. 向外：朋友，與做性質相同得數據高人，或者參加線上或者是線下課程

內部分析：帶我主管偏向活動出身，活動跟對客人真的超強，但在數據涉獵比較少，比較難給我具體的建議。在台灣做顧客數據分析只有我一個人，加上其他類似職位同事都分佈在不同國家，由於地域限制，我們只能像牛郎織女一樣，ㄧ年在巴黎相會一次。

外部分析：先通過書本建立基本架構，提出問題，然後再透過參加特定活動還有讀書會，來創造與更多做數據相關人才交流。

左思右想後，向外部發展比較可行，當然在建立出複雜數據思維前，便想：「怎樣可以在短時間建立一些基本數據思維？」。

選書原因是因為覺得線上教學是比較偏向工具，在這個階段希望學會如何思考問題、建立數據架構、和商業思維 。

透過廣泛閱讀，與自己做的現有數據作比較，再透過比較提出問題點或者是盲點；然後再跟更多數據人吵架，啊不是，是腦力激盪，共同討論出答案。

有了問題和方向，腦子就會無意識地幫我找到答案，剛好看到HPX的讀書會真的有如看到一到光感覺，所以順利找到ㄧ批可以一起討論的數據的朋友。

數據分析師，靠什麼吃飯？

在開始分享心得內容之前，有件事情困擾我很久，在不同領域，數據分析人才到底在幹嘛？

我常跟大家介紹我是做數據分析，但總覺得我就是透過excel拉拉表格做做報告，並沒有真正用到coding或建立modeling。

都叫數據分析師，其實天差地別

對於職務內容有存有好奇心，也更想要了解市場上所謂數據分析師，在不同領域如何被定義。

有些數據分析師，每天只需要和Excel打交道，完成leader布置的表格整理工作就行。製作各類數據報表，業務報表，開發報表。

另一種數據分析師，職責內容要求掌握常用的機器學習演算法，面試首先推導一個決策樹或者邏輯回歸。入職後也是各類程式碼，和分析打交道的情況不多。

最近很夯互聯網行業裡，數據分析師偏向業務居多，一般屬於運營部門。不少公司也稱數據運營或者商業分析。

職位內容一般是：

• 負責和支撐各部門相關的報表
• 建立和優化指標體系
• 監控數據的波動和異常，找出問題
• 優化和驅動業務，推動數據化運營
• 找出可增長的市場或產品優化空間
• 輸出專題分析報告

實際情況是，不少業務端的數據分析師，主要工作只做第一點。別管它用匯總、分析、數據支援什麼好美的詞彙，基本是跑SQL，做報表。

光搜尋幾筆資料，數據分析師的定義就有這麼多種，也促使我思考著，如果要往下走，數據分析師面向這麼多，該朝哪個方向前進，才能創造出更高的價值？

要走純技術背景，我想我可能會卡在不上不下，或者更慘，那有機會走向策略端嗎？品牌端？產品端？那需要什麼樣的背景知識，這也是我近來不斷思考問題。

《大數據關鍵思考》心得

說太多廢話，讓我們進入正題，《大數據的關鍵思考》，由一本由阿里巴巴數據部門主管車品覺所撰寫。

節錄有趣的觀點，想要與大家分享，當然下面也参入一些我個人想法和意見，請大家斟酌享用。

共分為四部分：

1. 數據的五大價值
2. 問題就是答案
3. 用傻瓜的視角觀察
4. CEO關心哪三項數據

Photo Credit: 本文作者提供

數據五大價值

在實際運用數據時候，需要認清數據到底能產生什麼價值。有時候，同一組數據會在不同場合下產生完成不一樣的價值。

有時候，單一數據沒有特別價值，組合起來在猜能產生意義，所以第一部分先檢驗你現在擁有的數據，能為你帶來什麼價值吧！

1. 識別和串連價值：是別用來鎖定目標，如信用卡、身分證等。另外識別方式透過cookie，很多公司利用cookie採集資料，將不同頁面行為串連起來，產生價值。
2. 描述價值：描述分析數據是一種標籤形式存在，透過描述數據來展現業務狀況，用來描述數據最好的方式就是分析數據框架。
3. 時間價值：透過歷史偏好，歸納出用戶對於一種情境的偏好。除了體現歷史價值，另一價值便是及時，RTB ( Real Time Bidding ) ，當用戶進入某個情境之後，廣告需求方平台，便開始競價，對使用者現實情境分析數據。
4. 預測價值：第一部分單品預測，在電商中，凡是可以產生數據，進行推薦都稱為預測價值。第二部分，數據對於經營狀況預測。
5. 產出數據的價值：很多數據本身沒有價值，但在組合幾個數據後或者是整合部分數據後，產生新的價值。

問題就是答案

當我們在進行數據分析時候，我們最需要的就是不斷往下挖深，透過精準問題來鎖定範圍，盤點有限資料裡面，找到有助於幫助我們做出正確的判斷數據。

在盤點完所有數據，發現現有資訊不足，無法提供更深見解時，我們必須思考是不是需要透過「養數據」，額外收集資料，如面談、還有問卷調查才能得到有效的數據，來進行分析。但如果問題問的不夠精準，就有可能在現有資源中打轉。

問對問題，問題就已解決ㄧ半了。所以對一件事情的認知，要看是否俱備了用問題解決問題的能力。

用傻瓜的視角觀察

在探討一件事情時候，我們可以把自己想像成愚人一樣，當每個環節上面不懂，就要打破沙鍋問到底，一方面可以汲取別人的思維，一方可以驗證是否跟自己理解有偏差。

慣性思維會讓我們真正變成傻瓜，這樣會活在原有框架之下，利用原本有的工具、思維來解決方法，常常都無法解決真正的痛處。

在思考問題時候，透過像愚人ㄧ般問問題，能來反思我們在鑽研數據時候是否遺漏了哪個步驟？慣性思考造成盲點，導致無法洞悉數據所帶出的訊息。

CEO關心哪三項數據

常常要匯報給GM的我，雖然覺得深感榮幸，有這樣機會做全台客人銷售狀況以及分析，但剛剛開始的我也會害怕沒有抓到老闆要的點，被釘在牆壁上。

所以看到書中裡面提到，CEO關心哪三項數據也是相當有感。那老闆到底在意什麼？我們先往下看例子！

書中情境如下：

車品覺提到在面試數據分析師的時候，一定會問他們一個問題：「假如我是一家知名電子商務的CEO，今天是星期一早上九點，請你提供我三項數據指標，向我證明，在過去的一週裡，企業營運一切正常，讓我踏實。你認為，會是哪三項指標呢？」

絕大多數面試者對這個問題的回答比較一致：第一是流量、第二是交易量、第三其他包括轉換率、交易額等。當他們這樣回答完後，此時車品覺會反問：「剛剛我問的問題，你真的聽清楚了嗎？」這時候，有人會回答說，我聽清楚了，答案就是這三項數據。

要聽清楚問題，在回答，很多時候，當ㄧ聽到關鍵字就回急著提出觀點或，但往往都答不到要點，所以回答問題前，透過上述第一點：問好問題。
除此之外，在分析數據時，定義問題的能力很重要，因為問題分成很多層面，數據分析師必須要看當下要解決什麼

問題，再用那個指標去回答。因此首要具備的條件就是：定義和釐清問題。

換位思考，瞭解到「踏實」的慨念

1. CEO會注意怎樣數據，在慣性上，是長期還是短期？
2. 最近市場變動？
3. 競爭品牌最近舉動？
4. 提供給CEO的數據有哪些注意事項？如在會議上，CEO曾經在意哪方面議題，或者是曾經抬起頭或者是動筆寫下哪些要素等等

常常在討論數據時候，我們會有盲點是因為沒有理清楚，事情發生場景為何，因場景不同，所以數據解釋或使用方式也不同。所以在提供答案前，要先釐清場景為何，對象為誰。

作為一名數據分析師，如果你不把自己的分析與當下做結合，便無法進步。

這也是為什麼老闆喜歡我們走到店上，去觀察產品、顧客體驗、不同季節上顧客評價，在在都是在做數據，不可遺漏的重點，透過場景搜集，真實了解顧客的行為，進一步大膽假設，設立問題，來一筆一劃勾勒出答案的輪廓！

所以在大數據的商業環境中，既要懂得數據、又懂商業、還有擁有一套好的思維方式。

結尾

1. 數據價值分類
2. 精準提出問題
3. 傻瓜視角看數據，突破現有框架
4. 老闆、CEO在意什麼數據

大數據的關鍵思考Part I就先到此啦，期待下一篇有更多細節與大家分享，也希望大家能給我更多指教！

本文經作者授權轉載，原文發表於此

責任編輯：潘柏翰
核稿編輯：翁世航