如我在上一篇：【Google Data Analytics Certificated】第一章節筆記中提到，近期我正在 Coursera 上一堂數據分析的課程，會針對每個大章節去做重點摘要、學習進度規畫以及個人心得的分享。
這篇要和大家分享的，是我在上週完成的第二章節 Ask Questions to Make Data-Driven Decisions 的筆記。
有看我上一篇文章的朋友應該會知道，數據分析的六大步驟分別是「ask – prepare – process – analyze – share – act」，第二章節著重的正是第一個步驟「ask 詢問問題」的詳細說明。我會在接下來的文章中，和大家分享這個章節的幾個重點，最後附上我的進度安派與個人心得！
章節重點筆記
我會在這個段落，跟大家分享三大重點：「如何問出精準的問題」、「Qualitative data v.s Quantitative data」以及「如何有效地和利害關係人共事」
如何問出問出精準的問題：SMART 原則
這個部分是這個章節的重點。在數據分析的第一步，透過問出精準的問題來釐清專案範疇、定義要解決的問題以及確認手上有多少資源是非常重要的事，這個環節做得好，能讓我們在之後的分析上省了很多功夫。
在這裡，教案給出的方向是大家或許聽過的 SMART 原則，但又有一點不同。如大家所知，這是五個詞的開頭縮寫組合而成，而這五個字分別是：
- Specific 具體的
- Measurable 可衡量的
- Action-oriented 以行動為導向的
- Relevent 和問題相關的
- Time-bound 有時限性的
我想，如果是已經在職場上打滾過一陣子，或是商管背景出身的朋友，應該都對這個 SMART 原則不陌生，不過，我這裡還是拿教案中的例子來跟大家詳細示範一下，SMART 原則可以怎麼使用：
假設今天我們拿到的 assignment 是 分析「那些剛買了新車的人會有什麼樣的特徵？」這時候，我們可以用 SMART 去問出下列問題。
- Specific 具體的：這個問題有限制是購買「特定車種」的消費者嗎？
- Measurable 可衡量的：是否有一個評分的系統或標準讓我們參考？
- Action-oriented 行動為導向：這個問題的答案會因此影響我們推出新的配件或不同車種嗎？
- Relevant 相關性：這個問題是否能讓我們找出那些可能買車的人的特徵，進而創造成交？
- Time-bound 時限性：這個問題是否要把範圍限縮在這三年銷售量最好的幾款車種上？
透過詢問我們的主管、專案經理這些問題，我們可以更加清楚的定義接下來的方向，也能夠透過這個過程，和團隊一起討論是否有遺漏某些重點。
在定義完問題的範疇後，我們也可以透過直接訪問消費者來獲取第一手資訊，讓我們更加直接的得到想要的資訊。這時候，如何像目標受眾提問，也可以遵照 SMART 法則，去問出下列問題：
- 如果今天以 1~10 為評分基礎（10 分最高），你覺得買車對你的重要程度有幾分？
- 你最喜歡的 5 款車種是哪幾個？
- 你買車的預算上限有多少？
透過蒐集不同消費者對這些問題的回答，搭配上一些觀察和公司內部的資訊，你便可以獲得非常多對你接下來的分析有幫助的資訊，這也是問出對的問題能帶來的成果。
而在蒐集「質化」資料的時候，我們也要盡可能問「開放性」的問題，讓對方多講出自己的看法，以讓我們獲得更多對方的想法，這也是在訪談、面試時要注意的事情。
【補充】需要避免問出的問題
這裡也補充一下教案有提到的「錯誤示範」，在問問題的時候，我們要小心，不要輕易用問題去影響對方的潛意識、或限縮對方的回答空間，這會讓回答不夠精準，有被操縱的嫌疑。我們來看一些範例：
- Q：這件產品實在是太貴了吧？你覺得呢？
這個問題預先將「這個產品很貴」的想法強加在對方身上，就算他一開始覺得沒甚麼，價格搞不好對他沒甚麼影響。但在你這麼問之後，他的潛意識就會覺得，欸對，這東西好像真的很貴。於是回答自然也會圍繞在「產品很貴」上做論述，這是帶有「偏誤」的提問方式。
更好的問法應該是：「你覺得這個產品怎麼樣？」
- Q：你對今天的服務還滿意嗎？
這個問題看似還可以，但仔細一看你會發現，當我們被問到這種問題的時候，只會有「滿意」、「還不錯」等簡短的回答。如果不是受到太多的委屈，我們也很難說出「服務很差」、「需要改進」等回答。這會讓蒐集到的資訊變的沒甚麼意義（能用的內容太少）
為了蒐集更準確、更詳細的意見，更好的問法會是：「對於今天的服務，您最滿意或印象最深刻的是那些部分呢？」
Qualitative data v.s Quantitative data
這個部分則是想和大家分享一下，在我們獲取資訊的時候，可以怎麼樣去做區分，在不同的問題裡，去挑選需要蒐集的數據類型。
Qualitative data 質化數據
正如同我在這段的標題所寫，大致上我們蒐集到的數據可以分為 Qualitative data 質化數據 以及 Quantitative data 量化數據 這兩種。我在這段想介紹的，是「質化數據」。
質化數據比較像是蒐集目標受眾的想法，從中得出一些對於問題的趨勢或大方向。常見的蒐集方式有「1 on 1 訪談」、「社群平台上的留言」以及「針對特定族群的意見調查」等等，透過提問、面談等方式去紀錄這些人的想法，將其統整出和問題有關的結論，是我們比較常用質化數據做的事情。
Quantitative data 量化數據
這個就比較好理解了，我們經常看到的試算表、Excel 和資料庫中存放的資料，幾乎都是量化數據。量化，顧名思義就是要有數字，可以很直接地透過這些數字去分析出我們要的答案。
在蒐集量化數據上，除了公司內部系統可能會事先蒐集以外，其他常見的方法像是問卷調查、投票機制以及用到部分統計學的「Structured interviews 結構式訪談」。關於結構式訪談，因為我本身也不是很了解，這裡附上 MBA 智庫的解釋給大家參考。
小結
在我過往做相關專案的時候，也曾學習過質化與量化的概念。但是，在時間有限的情況下，我們往往只能透過其中一個方式去做蒐集資料與驗證，畢竟，不論是找尋對的目標受眾進行訪談、問題的設計、一份好的問卷與調查，都是需要花費大量時間去做規劃與驗證的。
因此，雖說最好的方法是兩者都做，然後進行交叉比對，但若在時間不夠的情況下，挑選其中一個較為擅長或較容易取得的數據去蒐集，會是比較合理的方式。
如何有效地和利害關係人共事
最後這一段比較像是老生常談，但在做專案的時候，光有良好的數據分析能力是不夠的，你需要多花心思在處理和其他利害關係人的共事上，這也是這個單元會在最後提及「如何有效溝通」的原因。
我從教案中列舉出了以下 4 點：
- 事前一同討論目標
做專案有一個很重要的原則，那就是盡可能滿足所有利害關係人的期望。因此，在開始做專案之前，建議可以先和利害關係人們討論想藉由本次專案達成的目標是什麼？藉由討論來確保我們的方向是正確的。
- 在必要的時候說「不」
利害關係人不見得每次都知道你的極限、你現在到底在忙甚麼，如果接到不合理的要求，例如時限過短、工作量過大等等，都要及時提出反映。向利害關係人說明原因，千萬別默默吞下來做，然後到了期限交不出來或是品質不佳，這只會讓你的努力白費，反而在對方眼中留下不好的印象。
- 針對意料之外的情況做準備
簡單來說，就是要做風險上的控管。試著列出我們接下來可能的流程，以及過程中會出現的意外因素，用沙盤推演的方式來做足準備，讓我們能在碰到問題時有更多的餘裕。
- 多加溝通
這點應該不用我多提，要和團隊內的成員多加溝通。彼此之間要熟知對方的進度、碰到的困難以及共同的下一步。我們目前是否有在軌道上？能否在時間內完成目標？這些都是專案管理中很重要的因素，不論我們是專案領導者還是成員，都需要多加溝通以對其目標。
第二單元學習進度規劃
在第二單元，我認為大部分的內容都還是概念居多，並沒有太多難以吸收的知識。因此在學習上，我個人的感覺是非常順暢的。
課程的進度規劃是四週，但如果有看我第一篇文章的人會知道，這東西真的參考就好。第一週的概念部分，大約花 1~2 小時就可以搞定；中間的第二和第三週，則看你吸收的程度可以做調整，大約 4~5 小時可以上完，最後一週的課程加上單元考試，大約也是 2 小時可以完成。
當然，我會建議大家可以多留一些彈性時間，雖然這樣算下來，大約 10 小時就可以完成這個單元的課程。但考量到過程中會有精神不佳、沒心思學習的時候，所以我會多留給自己一些時間，大概花了 12 小時完成這單元。
我在這階段的時間安排一樣是每天約莫兩小時，分別在早上和下午，透過錯開時段來讓我能分別在這些時間中進入深度學習的狀態，最後在不到一週的時間就完成了這門課，進到第三單元（下次再分享）
而由於這個單元大部分都是觀念，我會建議大家可以針對重點去做紀錄，像我一樣在課程結束後稍加整理，看是要存放在自己的筆記本上還是分享出去。我個人覺得分想到自己的部落格或是 Medium 上都是很好的方式，可以 recap 一下這段時間的學習。
【心得分享】有些無聊但依舊期待後續章節
說實話，在上前兩個章節的時候，我個人是覺得有些小無聊。畢竟我過往也以有摸過數據分析，因此在很多的觀念上對我來說就像是老生常談。我更想學的，是那些新的概念、工具和專案流程。
不過，打下良好的基礎也是很重要的。我之所以願意從頭開始上課，就是為了想再次加深我對數據分析的觀念，會定期寫這類文章也是練習之一。
透過摘要並輸出這段時間的所學，讓我對這些知識的理解又更上一層；同時，也讓我在之後忘記某些內容時，可以迅速回來查找，這也是我相當推薦大家撰寫心得、筆記並分享的原因。
最後，由於我在寫這篇文章的時候已經上了一半以上的第三章節了，所以可以小劇透一下，後面的課程真的會比較精彩，除了學習基礎的 SQL 語法外，也會帶我們使用 kaggle、BigQuery 等數據分析師常用的平台。
如果你還沒開始上這門課，我會建議你還是靜下心好好熟悉這些觀念，並且習慣一下 Coursera 的教案模式，不然到了後面比較艱澀的內容時，會學得相當吃力（我今天就確實感受到難度了…）
總結來說，第二章節一樣不難，也難怪有很多大神在上這個課程的時候會先跳過前兩章。不過，重新學習數據分析的概念也讓我打下不錯的基礎，也順便練習用英文教材學習的思路，對我來說還是很棒的一次訓練。也希望大家在看完文章後，可以規劃適合自己的學習路徑，按照步調去學習。
如果在課程上有碰到什麼問題，都歡迎在底下留言提問，我會盡我所能的回答大家！
