數據分析師的主要工作是藉由分析資料，從中挖掘出有價值的商業見解來幫助企業決策。我曾在大型網路公司擔任過數據分析師，目前在美國大型零售業擔任資料科學家，近十年的數據領域工作經驗告訴我，要成為一名出色的資料分析師，深入了解並掌握相關產業知識（domain knowledge）是很重要的。
本文將分享如何透過自學，以及在工作場域中有哪些資源可以幫助自己提升產業知識。看完這篇文章後，你將能知道如何學習某個領域的產業知識，幫助提升自己在資料分析職場的工作表現，並讓自己與他人的協作更加順利。
產業知識在數據分析工作扮演重要角色
產業知識是指對特定產業的了解和專業知識，包括了該產業的運作、相關的標準和規範、市場趨勢、技術發展等等。舉例來說，電子商務的產業知識包括市場的主要參與者、發展趨勢（例如行動電子商務、跨境電子商務），以及商業模式像是 B2C（企業對消費者）或是 C2C（消費者對消費者）等不同交易模式，到金流和物流的安全性和法規，以及用戶行為和市場分析，包括搜尋的偏好和購買行等等。
對數據分析師來說，即使是同一產業，所需具備的產業知識也會因所處的部門不同而有所差別。例如，物流配送需要訂定有效率同時維護品質的運送方案、B2C 和 C2C 由於主要競爭對手和客戶群體的不同，需要制定不同的行銷策略。因此，只有深入了解產業及部門的運作方式和相關因素，數據分析師才能更好地理解數據背後的意義，提供有價值的商業見解。
而在數據分析師的工作場景中，常見的產業知識運用包括知道該產業或部門中通常選取什麼指標（metrics）、為什麼這個指標對於公司或產品的發展很重要，以及了解該如何運用這些指標來推動商業決策。例如，線上串流產業的關鍵指標之一是「使用者收聽時間的長短」，但對於電子商務產業，比起使用網站的時間長短，會更專注在購物車大小、下單轉換率等反映顧客購買偏好的指標。如果不了解這些細節，直接套用某一產業的關鍵指標到另一個產業，可能就會用資料給出錯誤的商業建議，而無法順利看出成效。
數據分析師應用產業知識的三種情境
根據我的經驗和觀察，數據分析實務上需要用到產業知識的情境大致分為以下三種：
- 最近想要推出某個新功能／新方案／新設計，我們怎麼知道效果好不好？例如要選哪些指標來追蹤、為什麼這些指標重要、收集哪些歷史資料來分析這個方案會不會成功、成功的話影響有多大。
- 想做儀表板來追蹤業務／產品的表現，我們怎麼知道哪些指標該加入這個儀表板？又該將群體依據什麼（例如各種人口統計資料）來區分？
- 某個關鍵指標的數值突然下降了，原因是什麼？ 我們會需要知道組織內部互相影響的指標有哪些，也需要知道大環境發生什麼變化。
以上都是希望我們在分析資料後，能夠提出更符合產業需求，並且可以實際推動、改進產品或效率的洞察。在面試中，往往也會有一些關卡會依據上述方向來設計情境題，因此了解該產業的產業知識及重點指標是十分重要的。
如果你曾經遇過上述類似的問題，但不知道從何找到這個領域中重要的指標，或是單純想要多瞭解某個產業但不知從何開始，希望以下的方法能幫助到你。
學習產業知識的三個方法
在了解數據分析師的工作情境後，接下來介紹三種學習方法來掌握產業知識，分別是：閱讀書籍、追蹤目標公司技術部落格，和公司內的協作。如果你是已經在職場的分析師，相信這三種方法都會很有幫助，而如果你是想求職或是想轉換領域，也可以在日常生活中先透過前兩種方法來精進自己的產業知識。
方法一、閱讀書籍
閱讀書籍的優點是能夠吸收到作者整理後的知識精華，能夠比較有系統地學習，不會在一開始接觸不熟悉的產業時，有東學一點、西湊一點的碎片感，而無法建立完整的知識體系。
市面上有許多不錯的書籍在介紹不同公司的產業知識和分析方法，我特別喜歡的是這本 《Lean Analytics》（簡體中文版：精益數據分析）。這本書教導讀者如何選取正確的產業指標，來做出好的決策。其中，作者將市面上的公司概要分為六大產業，除了提供該產業重要的幾個關鍵指標，這本書最棒的地方在於提供了十幾個實際產業案例，來指出這些公司選取了哪些指標、最後推動決策的成效如何。以下為書中的六大產業：
- 電子商務（E-Commerce）
- 軟體服務（Software as a Service, SaaS）
- 免費 App（Free Mobile App）
- 媒體網站（Media Site）：例如 Google、新聞網站
- 使用者供應內容（User-Generated Conten, UGC）：例如 Facebook、Wikipedia
- 雙邊市集（Two-side Marketplace）：例如 Uber、Airbnb、Tinder 需要同時考慮供給和需求方的公司
建議你可以直接挑選自己想了解的產業章節來閱讀，有時間再看看其他章節即可。另外，本書還有許多給新創公司的指南，並搭配實務案例，告訴新創在不同時期應該關注哪些層面的指標會比較好。例如草創期應該著重在了解用戶、提升黏著度，等到中後期再考慮獲利相關的指標。
方法二、關注目標公司的技術部落格
看書可以讓我們有個大方向知道某個產業如何選取指標來改進產品，但若想要知道實務上最新且更深入的例子，可以閱讀目標公司或是類似的產業有沒有技術部落格。在公司的技術部落格中，常常會提到他們最新的發現、使用的模型、做過的商業實驗等等。
有時部落格中雖然可能是以某項艱深的技術為主題，但從中可以看出他們選取的商業指標是什麼，這可以用來作為了解該產業關注重點的參考之一。例如：
- Spotify 的這篇文章，描述如何提升用因果分析的方法來判斷行銷策略的效果，其中選取的指標是 Podcast Hour Consumed（Podcast 收聽小時數）。藉此我們可以看出 podcast 是音樂串流平台的重點之一，並且希望使用者收聽得越久越好。
- 想了解 App 公司，也可以看看 Duolingo 的這篇文章。它選了 Current User Retention Rate（留存率）來預測 Daily Active Users（每日活躍使用者），代表了這兩個指標對 App 產業而言很重要。
- Meta 的這篇文章也同樣提及了 Retention Rate（留存率），並且討論如何送出最少的通知，在不過度干擾使用者的情況下，來同時提升 App Usage（應用程式使用率） 和 User Satisfaction（使用者滿意度）。
- Uber 這篇文章中雖然主題是建立一個偵測指標異常的系統，但是提到了以「來回機場的付款成功率」有沒有異常作為他們觀測的範例，可以看出這段路線以及這個指標會是該產業分析重點之一。
這些文章都是具備實戰經驗的公司員工所撰寫的第一手內容，可以看出該公司在乎的商業目標是什麼，所開發的產品又是如何圍繞指標來進行決策，是學習數據分析相關產業知識的好方法。
方法三、閱讀內部文件及詢問公司內的主要協作對象
如果你是在職的數據分析師，另一個很好的產業知識來源，就是公司內部文件、日常工作中的協作對象，以及比你資深的分析師們。你可以先從公司文件中了解過去團隊做過哪些事情、如何決策，並從組織圖中了解所在組織的架構，知道哪些會是你會密切的合作對象、部門。你可以主動跟他們約一對一的會議，了解他們在乎的角度和事情、希望分析師可以協助他們解決的事，以及他們會關注什麼指標。不過在問同事前，一定要自己先做過功課，提出的問題最好是公司內部文件沒有寫到/沒有的，或是標示不清的資訊為主。
- 較差的提問範例：「我要做這個產品追蹤儀表板，請問要加入什麼指標比較好？」
- 較好的提問範例：「我要做這個產品追蹤儀表板，研究後（或是閱讀公司文件後）發現多數是使用 A、B、C 指標，請問從你的經驗來看，有沒有哪個指標是比較適合先開始追蹤的？或是我遺漏掉了一些更重要的指標呢？」
第一個提問方法會讓人覺得你可能不具有需足夠產業知識，或是沒有先自己做好功課；而第二個提問方法，會讓合作對象覺得你已經做過研究，是對這個產品有熱情和想法的，而不是空手而來索取答案，如此一來，相信他也會更加願意與你分享他的看法。
以美國的職場風格為例，一般在剛到職的三個月內，大家都會很樂意回答你所有的問題，不過因為這些前輩通常都很忙碌，會希望不要被問到太多次重複的問題，或是沒有事先做過功課的問題，只要注意這幾點，往往能夠學到實務上很有用的產業知識，幫助你更快上手資料分析工作。
透過以上的三種方法，不論是在我們的日常生活中，或是在工作場景中，都能夠開始練習掌握特定的產業知識。希望這篇文章能夠提供在數據職涯不同階段的你，一些持續學習的方向，或是幫助你未來在分析資料時，產出更具產業實務價值的報表以及洞察，用數據分析幫助組織做出更有價值的商業決策。
