什麼是數據分析（Data Analysis）?
在數位化的時代，各種企業和組織每天都在搜集非常龐大的數據資料，大部分的資料都是非結構雜亂無章的，Data Analysis 資料分析就是將這些數據進行整理分類後，從中得出解決問題和進行決策的見解作為參考依據。小至個人、大至跨國組織，不管是用來優化行銷、找到商業機會或是加強組織內部效率，都需要懂得能利用資料分析來提升決策品質。
資料分析 5 步驟
1. 定義要解決的問題：
需要資料分析的場景，必然先有一個要解決的問題，例如客戶為什麼用戶在App使用後留不住，哪些廣告投放的渠道最有效等等。定義這些問題，你需要決定使用哪種類型的數據分析，追蹤並分析哪些明確的數據指標，以及要如何測量這些指標。
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。
2. 搜集正確的數據：
明確目的後和要搜集的數據與指標後，要找到問題關鍵的數據源，通常來自公司內部各種工具收集的第一方結構化數據，包含CRM軟體、行銷數據工具等。同時為了要更完善自己的分析，你也可能從第二方數據（外部組織搜集的第一方結構化數據，例如FB的像素追蹤）作為輔助，或是再使用第三方數據(通常是第三方組織搜集大量非結構化數據，可能是DMP數據管理平台或是第三方研究機構搜集的數據)
3. 清理數據：
為了要防止資料分析錯誤結論產生損害業務的結論，數據收集好一個重要的工作，就是要識別並清除會造成扭曲分析結果的重複數據和異常值、填補數據缺漏以及修正不正確的格式。同時刪除掉和你預期要分析的問題不相關的數據。一般來說資料分析師會花60%以上的時間在清理數據。
4. 開始資料分析：
數據清理完成後，你要開始從事資料分析，而資料分析的類別大致上有這四種：
- 描述分析（Descriptive analysis）：描述性分析回答 What happened 這個問題，確定已經發生的事，雖然沒辦法從中做出預測，但是整理好的描述分析能確認數據以有意義的方式呈現，並打好進一步分析的基礎。
- 診斷分析（Diagnostic Analysis）：診斷分析幫助你了解 Why did it happen 為什麼會發生這樣的狀況，資料分析師能找到過去存在類似的模式，將可能導致這個結果的因素建立相關性，例如電商結帳失敗提高的原因，可能是結帳頁面要填的資料太多導致客戶流失，可以從過去與現在填寫完成率做比較。
- 預測分析（Predictive Analysis）：預測分析則是回答 What will happen 未來可能會發生什麼，透過找到過去數據的規律，預測未來的可能趨勢和潛在問題。例如透過過去數據的觀察，第四季是電商購物的旺季，廣告投放產生的效益和其他季有明顯差異。
- 處方式分析（Prescriptive Analysis）：處方式分析則是混合了其他數據分析，因為你知道希望的結果是什麼，為了達成這個目標，可以事前做出哪些相應的動作。例如保險業想要獲利最大化，就通過數據搜集預測誰是高風險族群，將他們的保費提高。
5. 數據解讀：
當你完成你的資料分析後，檢視這些數據有沒有回答以及如何回答你開始設定的問題，並考量你的結論有沒有別的你沒考慮過的角度。你要分享這個數據解讀的結果，要能夠非常清楚明確表達，資料分析師通常會運用可互動的數據視覺化的工具來協助解釋。並且根據你解釋的結果，提出明確具體的可執行行動方案
如何成為數據分析師：必備的技能
三個成為數據分析師的學習重點：專業技能、產業知識、及批判性思考：
- 專業技能：Excel、程式語言 SQL、R / Python。此外資料視覺化工具例如Tableau、統計知識，也是資料分析師需要培養的能力。
- 產業知識：不同產業的分析面向，差異很大。建議「一開始就先選定特定產業，了解它如何運作、自己又該補足哪些知識。」
- 批判性思考：多運用框架幫助思考，如 AIDMA 行銷框架、AARRR 產品框架，把宏觀的現象拆解成一個個可驗證的步驟。另外，目標導向思考也很重要，能幫助自己「了解對方為什麼要做這件事？我們的觀點又是什麼、該如何幫助對方？」做到目標導向的思考，才能釐清對方的需求、真正解決問題。
- 軟實力：能夠團隊合作解決問題的能力，關注數字的細節和準確性，擅長口頭與書面的溝通表達包含寫報告和進行presentation。
數據分析師和資料科學家的差別
數據分析師比較強調的是「如何找到適合資料可以解決的問題」，對資料理解與定義問題的敏銳度。數據分析師在資料探索及資料視覺化的要求會高一點。而資料科學家則更重視模型與理論，需要比較完整的資料知識體系，例如統計，最佳化及資料模型這方便的了解。
資料科學家、資料分析師、資料工程師，實務上如何在資料團隊分工
結語
無論是企業戰略決策、打造產品、數位行銷，或是銷售客服，每個營運的環節都能夠透過數據與資料的分析進行優化與判斷，幫助企業做出更有效果和依據的決策。讓 Data Analysis 資料分析成為未來所有企業都應該要掌握的關鍵能力。數據與資料無處不在，要如何做好搜集整理與做出結論判斷，是需要有系統的學習和實踐。