我是一名任職於美國零售業龍頭的數據分析師，時常在 LinkedIn 上收到想要多了解數據分析領域的陌生私訊，內容往往是希望能更近一步地認識數據分析師的工作內容、職涯方向，以及如何判斷自己是否已是具有即戰力的分析師。
對於轉職或是應徵數據分析師工作，讀者們可以參考先前我寫的文章〈轉職、應徵數據分析師，評估自己準備好了沒的方法和 2 個補強技巧〉，文中提到身為數據分析師的核心能力之一是要能處理「模糊不清的問題」（deal with ambiguity）。而我想要在本文進一部探討這項能力，並且分享五個步驟，包含一項表格工具，幫助各位讀者更有效面對數據分析工作上各種「模糊問題」，甚至進一步培養這項關鍵的能力。
成為數據分析師的第一步：你有解決模糊問題的能力嗎？（ “Deal With Ambiguity”）
在數據分析師的日常當中，有很大一部分的時間都在「定義問題」、「瞭解問題」、「解決問題」。你會很驚訝地發現，很多時候向你提出數據報表需求的人（stakeholders），他們並不是很明確知道自己想要什麼。因此，能夠定義問題並理出脈絡，最終做出符合需求的數據報表，就成了一名數據分析師是否能成功的關鍵能力。
在工作中，模糊問題會以許多樣貌呈現，最常見、也是在面試中最常被問到的「如何定義報表中的 KPI （metrics）？」就是一個非常標準的模糊問題。
很多人這時就會問：「KPI 不是每個組別衡量績效的工具嗎？怎麼會是模糊問題呢？」
是的，幾乎所有的組別都會有屬於自己的 KPI。但是為了管理績效方便，一般一個組至多只會有 5 個大型 KPI，讓高階管理者更有效地縱覽各組別的表現。但是僅靠著 3-5 個 KPI，是沒辦法提取有意義的資訊並做出日常決策。因此，一個好的商業分析師，是需要去定義這些問題，幫助團隊透過數據追蹤行動成效。
掌握 5 個步驟，有效解決模糊問題
第一步：先停一下，確認需求並了解產業知識
當分析師拿到一個數據需求的時候，我們並不會急著開始分析。這時要做的第一件事情是學會「停」；停下來、花時間確認我們所理解的，與需求方所期待的是否一致。在這個階段，假如分析師對於產業知識有所掌握，將更有利於溝通、討論需求。
延伸閱讀：數據分析師快速學習產業知識的三個方法
在徹底了解需求後，我們才能開始下一步：拆解問題。
第二步：重新拆解問題
這個步驟其實是去「翻譯」問題。在我們已經充分瞭解問題的背景知識後，去解讀問題並把很大的題目切成小塊。
假設你在一家供應商工作，公司將產品上架在不同電商平台上販售，而你屬於一個管理賣家表現的組別。現在有個狀況是：「賣家的評分下降，請問要採取怎麼樣的行動去改善？」要解決這個問題，我們需要先拆解、翻譯它。在了解到我們的目的是提高評分後，可進一步將問題轉譯成為「降低負評，提高好評」，而這兩件事情，就會成為我們的分析方向：哪些事情能降低負評？哪些行為可以提高好評？
第三步：分析問題帶來的影響
經過前兩步驟之後，我們已經更好的明白問題與分析方向。有了目的、方向，接著我們要「找資源」，而資源的源頭，就是所有會受到這個目的影響的群體。一般來說我們會將受影響的個體區分為內部或是外部。內部影響的可能是平行的合作組別、向上的管理層級；外部影響的可能是客戶、廠商、合作夥伴等。
有了以上三步，你就能使用下面的表格工具，更好的去將上面的步驟系統化：
使用上述相同的情境：賣家的評分下降，請問要採取怎麼樣的行動去提高？
第四步：確定問題的大方向與架構不偏離公司的利益
「越複雜的問題，目的就越簡單。」這是我過去的主管教會我很重要的思維模式。在許多的商業問題當中，用戶與營收成長這兩個單純的目標，會被包裝成很複雜的問題。
當我們將問題展開來，使用前述第三步的表格工具去系統化問題之後，要確定我們不會偏離主要道路太遠，以及我們所看見的問題，對於公司來說是有意義的。我們在前三步驟所展開的思路，在第四步就要再次收斂回來，使我們的分析不會變得太過於發散。
第五步：執行分析
到這個步驟，我們才真正的開始使用程式語言分析。分析師也要花時間在這個步驟去思考，怎麼樣去溝通、呈現數據，使提出需求方能夠快速的提取重要的資訊並提出對應的解決方案。未來有機會我們會再多著墨這個步驟。
在回答模糊問題的時候，也不妨訓練自己有換位思考的能力，想像自己是高階主管時，會想看到怎麼樣的數據資料。
培養解決模糊問題的能力，對成為一名數據分析師來說，是一個漫長卻重要的過程。如果有幸遇到很好的主管，能夠帶領你深入理解產業知識，引導你思考，甚至一起腦力激盪哪些指標是重要的，你的成長會非常快速；倘若沒有機會遇到能帶領你的主管，就要記得掌握產業知識跟公司最在乎的核心價值。
雖然老套，但是「知識就是力量」，當你越了解業務會涉及到的內容，你就越能夠定義出能夠被追蹤、管理的衡量指標，近一步用數據分析的能力去追蹤這些指標。
