在與資料密不可分的時代，如何善用資料來解決問題，培養數據思維、進而建立數據分析的能力？
ALPHA Camp 為加強內部團隊的數據力舉辦了內訓工作坊，由校長 Bernard 與資料工程師維元，帶領團隊透過一系列案例實作，認識資料分析流程，並針對其中兩大重要環節「定義問題」與「提出假設」進行深度討論，以下為工作坊內容精華紀錄。
數據思維是什麼？利用資料解決問題的六大流程
數據思維是利用資料解決問題的流程，分為六個環節：從「定義問題」、「整理數據」、「分析數據」、「提出假設」、「模型驗證」到「溝通結果」。
資料工程師維元指出，資料科學與程式開發不同，資料科學、資料分析是一個循序迭代的過程，需要無止盡的做實驗跟研究。
維元以自身為例，說明資料工程師收到業務需求後的工作流程：
- 定義問題
- 確認使用者的需求跟問題是什麼？思考需求能否轉成「資料可回答的問題」？
- 檢查並回答該情境需要「哪些資料」及判斷「資料可用性」；
- 試著把「資料問題」近一步定義出「可量化的指標」。
- 提出假設：從「資料問題」提出需要被驗證的「假設」。
- 整理數據、分析數據：最後開始拉出資料、整理資料，利用資料驗證「假設」。
在本次工作坊，維元與校長 Bernard 將帶大家理解資料分析流程中，兩個常被忽視的重要環節：「定義問題」與「提出假設」。
資料科學五大 Q&A：如何成為資料科學家？資料科學產業的未來？
建立數據思維最重要的一步：定義問題
為什麼懂得如何「定義問題」很重要？
Bernard 與一些企業訪談後發現，企業在應用數據時最大的卡關點就是「定義問題」。在整個資料分析流程中，Tableau、Excel、Python 這些工具應用教學相對容易，但定義問題需要從思考層面著手，是最難傳授的部分。
「當問題定義錯了，後面的步驟就全錯了。」Bernard 表示，因此在定義問題階段，值得花時間思考到底要解決什麼問題。
1. 定義問題的目標
什麼是定義問題？更嚴謹的說法是，定義一個「資料可解決的問題」，需滿足以下兩個條件：
- 問題中有「可量化的指標」；
- 量化指標可透過驗證來證明能重複實現，即 「可驗證的判斷」。
當資料工程師接到一個業務需求時，首先要定義問題，將業務需求轉換成一個資料可解答的問題，並試圖用資料回答問題。
2. 定義問題的方法
正確的定義問題步驟應為：
- 定義問題時，首先要釐清背後的目的：目的決定該解決的問題。不要直接想解決方法，而是先釐清要解決的問題是什麼；
- 針對問題進行前置研究，並拆解下一層的問題：透過前置研究，能掌握整個問題的脈絡及背景，並更精準拆解出下一層的問題；
- 將抽象的問題轉換為可量化的指標：透過量化指標讓問題可以被資料驗證重現。
以上圖為例，針對「怎麼減 10 公斤？」這個問題，再往下拆解減重的方式有：「怎麼多運動？」、「怎麼控制飲食？」，而透過對減重議題的前置研究、查找相關資料，可能會發現到「怎麼讓自己每天睡 8 小時」也會影響到減重成效。往下不斷拆解問題後，最後則是將問題轉換為具體可量化的指標。
3. 定義問題的案例
下表為 ALPHA Camp 團隊透過分組練習，其中一組經討論後分享的定義問題案例。
問題關注點：我們推出的解決方案（課程）成效如何？
說明：小組針對問題關注點「我們推出的解決方案（課程）成效如何？」，往下拆分成四個不同面向的問題，並將問題轉換為量化指標。
以「學生是否持續學習，成功培養網頁開發技能」問題為例，衡量這個問題的量化指標有：「學生 mastery rate」及「課程轉換率」，接著說明各指標的定義與計算方式，最後則是根據量化指標提出改進方式來嘗試解決資料問題。
獲得可用數據的下一步：提出假設
當需求方提出問題，資料團隊獲取可用數據後，下一步該往哪個方向前進？這時候就需要「提出假設」，對資料進行判斷並加以驗證。
1. 提出假設的目標
什麼是假設？假設是對於某個問題答案的未經證實的猜測。
為什麼要提出假設？維元說明，不論是我們所使用的資料、或每個人對於資料的解讀，其實都是主觀的。為了讓主觀的「觀點」更接近「事實」，會需要從資料問題中提出假設，並使用資料來驗證假設，以支撐自己的觀點。
2. 提出假設的方法
如何提出一個好的假設？
一個好的假設應該具有「可被驗證的變數關係」，如： A 變數如何影響／導致／關聯 B 變數，同時應滿足三個條件：
- 變數間有關聯
- 變數間的關聯有方向
- 變數間的關聯是可以被重現的
維元舉例，「咖啡喝的越多，人越容易頭痛」、「 晴天的交通事故率小於陰天的交通事故率」，這些都屬於好的假設。
Bernard 進一步補充說明，「好」的假設不等於「正確」的假設；好的假設不代表它的答案是正確的，而是該假設可以被驗證，假設有可能成立也有可能不成立。
3. 提出假設的案例
下表為維元分享的提出假設案例。
資料問題：學習狀況跟完課率，會受到學習過程中的心情影響嗎？
說明：「學習狀況跟完課率，會受到學習過程中的心情影響嗎？」是資料問題，接著則是需要運用資料來回答，並提出假設「當學生負面情緒比較高時，會有比較高的機會放棄或成果不彰」。再下一步則是驗證假設，驗證「情緒跟成果的關聯：是否學生情緒越正向，成果越好？」，再分別針對學生情緒、學習成果、參與度找出可衡量的量化指標。
最後，若假設成立，證明「情緒」與「成果」有關聯，則下一步可能是找出有哪些學生需要關心、負面情緒能不能再做分類；若假設不成立，則需要去檢驗是否有內部資源投入在錯誤方向，避免浪費人力與時間成本。
R、Python 與 Julia 三大程式語言怎麼選？來自資料科學家的觀點
結語
藉由維元與 Bernard 的分享，帶大家深入理解何謂數據思維。面對越來越複雜多元的資料，重要的是擁有一套清楚的邏輯思考跟習慣，首先要釐清問題、思考背後目的，有了正確方向並取得可用數據後，提出「對分析有意義的假設」並加以驗證，才能將想法落地。無論是否要成為資料科學家／工程師，這都是大數據時代不可或缺的思考方式。
想了解更多 Data & AI 產業 insight、商業案例與人才技能需求？先來看看 Data & AI 免費公開課！