這篇文章要和大家分享的，是我在上 Coursera 的數據分析課程所整理的筆記，如果想看更完整的課程準備、心得和筆記的話，歡迎點擊這個 Google Data Analytics Professional Certificated 連結，我有用 #Google Data Analytics 將近期撰寫的系列文章整理起來，歡迎大家參考！
來到第五週，要和大家分享的是第五單元：Analyze Data to Answer Question 的重點整理和個人心得分享！這單元的課程比較多放在 SQL 和 Spreadsheet 的分析語法，算是第四單元的進階，所以在內容的呈現上，我會分別整理兩者較為重要的概念，讓大家做個總覽，最後再附上我的修課心得~
Spreadsheet 重要分析公式一覽
在這個單元，教案提供了許多關於 Spreadsheet 的函數或公式，來讓我們更好的整理與分析資料，我在這裡簡單條列一些我認為相當值得學習的作法，並簡單說明其用法：
排序與篩選
雖然因為我的工作本來就經常會用到 Spreadsheet 或 Excel，所以對這個功能早就已經熟到不能再熟，但考量到之前和其他團隊共事時，仍然有成員對其一知半解，因此我還是簡單介紹一下這個易上手卻有不可或缺的功能。
排序
當我們拿到一大筆資料的時候，如果想迅速讓它呈現的較有條理，排序便會是一個很好的功能，我在下方有提供一個試算表的連結，大家可以實際操作一次，稍後的篩選也是同一筆資料。
連結：
點進連結之後，我們選取檔案下的建立副本，將內容移到自己的檔案中以免動到原檔。
之後我們點選 A 欄，並在「資料」底下選取「排序工作表 – 依欄 A 排序工作表（從 A 到 Z）」，點下去之後你會發現我們成功依照 Title 的不同去做了排序與分類，在分析上會更容易進行比較。當然，我們不一定每次都要從第一欄開始排序，也可以依照你想分析的數據，去選取欄位調整。
篩選
這個是我個人最常用的功能，它可以幫助我們將當下用不到的數據給隱藏起來，讓我們專注在關鍵的資料上。我們一樣用剛剛的那張表格：
首先，點擊上方的標題列（點選旁邊的數字 1），並且選擇右上方的篩選 icon，你便可以迅速建立所有欄位的篩選器。如果只想建立某個欄位的話，也可以點擊該欄並點擊 icon ，也會有一樣的效果。
建立完篩選器之後，我們針對想要篩選的欄位，點擊旁邊那個看起來像 WIFI 訊號的圖標，會出現一個可以讓我們設定條件的 Dashboard，這時，我們可以依據想篩選的名稱、數值或日期等指標去做調整，這部分就讓大家自行嘗試~
我個人最常用的是篩選特定的名稱，在下方的勾選欄位中，只選取我想要看的資料，選擇完後再點擊確定，就可以迅速篩出我要的內容！
VLOOKUP 垂直查找
第二個要和大家分享的重要功能是 VLOOKUP，想必對於 Excel 有點概念的人都聽過這個函數，沒錯，他也可以在 Spreadsheet 上使用，語法相同、操作流程也相差無幾，因此我認為相當值得大家去了解一下（雖然我個人工作上目前是沒用過拉
VLOOKUP 核心觀念
VLOOKUP 又稱為 Vertical Lookup，意即垂直查找，讓我們可以在查詢的範圍當中，由上到下的進行資料的查詢。這能讓我們不用針對資料進行細部的篩選，而是僅透過公式便可以迅速調出我們要找的值，堪稱省時利器。
可以想像一個場景，當我們今天要從 1000 多人的員工名單中，調出其中 5 人的績效表現，比起一個一個慢慢找，透過 VLOOKUP，我們可以迅速找出這五個人相對應的資料，這，就是他的作用。
VLOOKUP 公式
中文版：=VLOOKUP(要查詢的值, 查找範圍, 在第幾欄, True or False)
- 要查詢的值
這個部分要填入的便是我們要查詢的目標，可以直接點選相對應的格子，或透過 “ ” 來進行填入。
- 查找範圍
也就是我們要查找的資料範圍，通常除了名稱這欄，還要包含對應的值的欄位。
- 在第幾欄
這個我想會是大家比較常搞混的點，VLOOKUP 是幫助我們找出「特定條件」下的「對應值」，所以我們最終要找的，是「要查詢的值」這列，相對應的資料（例如：王小明的薪水，王小明是「要查詢的值」，而他的「薪水」則是我們真正要找的）
而這個我們真正要找的值，在整個查找範圍的「第幾欄」？這部分要填入數字，第二欄就寫 2 ，以此類推。
- True or False
最後一個位置則需要填 True 或 False。當我們要找「完全符合」要查訓的值的時候，就必須寫 False，才會出現完全準確的內容；而如果只需「大約符合」，則填入 True。我們通常都會寫 False 以確保資料的正確性，提供給大家參考！
- 補充
VLOOKUP 還有一個很重要的原則，那就是我們只能「往右查詢」。也就是當我們選擇「要查找的值」後，只能以其為中心，向右進行查找範圍的建立和搜尋，這點請大家務必留意！
實作環節
這裡先提供給大家教案中給的練習檔案：VLOOKUP Practice Worksheet
點進去之後，我們來試著找出姓名為 Ali, Dana 這個人在 1/3 的花費。這時我們可以先參考上方的 VLOOKUP 公式，在下方找個空格開始進行撰寫。
在寫完 = VLOOKUP() 之後，我們首先要看這個「要查詢的值」：Ali, Dana 處在表格中的哪個位置，並將它的值 B3 寫入公式內的第一格（或者用 “Ali, Dana” 來表示也可以）；接著，我們選擇要查找的範圍：B2:H6，這時我們可以看到表格上會出現框起來的虛線。
記得，要在每個值得後面加上 , 隔開。範圍找好之後，我們接著來看 1/3 的值，在這個查找範圍中是在第幾欄？結果是第四欄，因此，我們在這格要填入的值即為 4；最後，我們在最後的 True or False，要填入「完全符合」的 False，填好後按下 enter，就會出現我們要找的值了！
Pivot Table 樞紐分析
最後要和大家分享的是在職場上相當有名的「樞紐分析」，我現在的實習也經常會用到這個工具，剛好教案也花了蠻大的篇幅在介紹這個觀念，我也在這裡將重點和大家做分享~
樞紐分析的核心觀念
樞紐分析最適合用來處理指標較多、較為複雜的資料，透過交叉比對來迅速找出數據之間的關聯，並從不同的視角去分析問題，讓使用者能用更全面的角度去解讀它。做完簡單的樞紐分析後，還可以迅速地拉出圖表，進行初步的視覺化呈現，能節省許多時間，並讓大家迅速了解數據的脈絡。
如何使用樞紐分析？
和 VLOOKUP 不同，樞紐分析並非函數，而是內建在 Spreadsheet 和 Excel 中的功能，我在這邊直接提供教案的檔案作為操作的依據，大家可以點擊下方連結一起進行操作！
點進連結並建立好副本之後，我們直接點選「插入」下方的「資料透視表」，我也不知道為啥這樣翻譯，在 Excel 中還是叫樞紐分析，但在 Speadsheet 上就變成了資料透視表…
Whatever 我們先點下去，會出現一個「建立資料透視表」的小視窗，我們選擇「新的工作表」並點選建立，便可以在新的工作表中出現下方畫面，這就代表我們初步建立好了樞紐分析表
你有看到右邊的多個指標嗎？這些就是樞紐分析表的精隨，我們可以透過將這些指標放入欄或列中進行比較，迅速得出我們要的洞見。
例如：我們想知道不同種類的電影，平均成本和營收約為多少？並藉此算出獲利。我們便可以在「列」的地方點擊「新增」，選取 Gnere(1)，並在下方的「值」點擊「新增」，選擇 Budget 和 Box Office Revenue，並將這兩個值的「彙總依據」改成 AVERAGE，做完之後你會跑出下方的樣子
一目了然對吧！這就是樞紐分析厲害的地方，迅速得出相對應的值，而不需要我們在原數據中進行過多的計算或操作。最後，再給大家看一個我個人覺得也不錯用的功能：
在「值」點選「新增」，選取最上方的「計算結果欄位」，這能讓我們客製化去進行欄位計算。在下方的公式中填入 AVERAGE(‘Box Office Revenue ($)’)-AVERAGE(‘Budget ($)’)，便可以成功將這個欄位製作成前兩者相減的結果，得出各種類電影的淨利！
樞紐分析其實還有很多可以變化和探索的地方，這裡礙於篇幅，以及我本身對其的研究並沒有到特別深，因此就簡單和大家分享一下概念與初步操作！如果有任何問題也都歡迎提出來和我交流喔～
進階 SQL 語法
第二個大段落要和大家分享的是 SQL 的進階語法，但與其說是語法，不如說是更為複雜的架構。當我們實際做數據分析時，那些簡單的 SQL 指令很難完全滿足我們的需求，因此會需要更複雜的寫法去做資料的撈取和呈現。
在 SQL 中做運算
和 Excel 一樣，我們也可以在 SQL 中進行運算並得出結果。先前比較多在講如何從資料庫撈取資料，在第五單元，教案比較多著重在實務上的操作，運算也是其中之一。
四則運算
其實講到計算，就鐵定繞不開我們熟悉的四則運算：加減乘除。在 SQL 中也是一樣，而我們要在哪個部分進行計算呢？答案是在 SELECT 之後。
這裡一樣提供大家教案中的指南，我們首先進入 BigQuery 頁面，並在編輯區寫下：
SELECT * FROM bigquery-public-data.new_york_subway.subway_ridership_2013_present在跑出結果之後，點選「儲存結果」下的 BigQuery 資料表，將其命名並放到專案底下的某個資料集下，以便我們待會進行操作。
都做好之後，我們點選上方的加號，開啟新的查詢頁面，開始練習如何在 SQL 中進行四則運算。在 SQL 上，四則運算的符號如下：
- + 加
- – 減
- * 乘
- / 除
計算的時候其實和平常的寫法沒啥不同，只需要在乘除的時候留意一下是否須加上 () 即可，這邊也給大家一段語法，讓大家以此為基礎，去嘗試不同的計算方式：
SELECT
station_name,
ridership_2013,
ridership_2014,
ridership_2015,
ridership_2016,
(ridership_2013 + ridership_2014 + ridership_2015 + ridership_2016) / 4 AS Average
FROM
bigquery-public-data.new_york_subway.subway_ridership_2013_present執行後會跑出下列結果，可以看到除了原本的欄位之外，我們也在最右邊建立了一個 Average 的欄位，計算的是 2013~2016 的平均值。如果想做其他的運算，也可以按照這個邏輯去寫我們的公式。
Subquery 子查詢
接下來要講一個比較複雜的 SQL 撰寫架構：SubQuery。這屬於比較進階、但基本上有在使用 SQL 的數據分析師都要掌握的技能。簡單來說就是在一個 Query 裡面再多包一層 Query 進去，形成雙重查詢，一次就做完兩次查詢的工作，可謂節省時間的一大利器。
鳥巢式撰寫架構
這部分因為比較複雜，我僅會簡單介紹一下它的寫法，關於實務上的操作，我目前也還沒厲害到可以直接寫出一個架構清楚的 SubQuery 去解決問題，因此這個段落會著重在觀念的介紹。
SELECT [Name]
FROM Production.Product
WHERE ListPrice =
(SELECT ListPrice
FROM Production.Product
WHERE [Name] = 'Chainring Bolts' );我們可以看到這段程式碼在 WHERE 的部分使用了 Subquery 的架構，原先在 WHERE 中僅會寫表格原有的值去做篩選，但在加入了 Subquery 語法之後，我們便可以一次寫出多個客製化的篩選條件，短短幾行便搞定原先要寫好久的查詢。
不過說實話，我其實到現在都還沒有很適應 Subquery 的撰寫邏輯，讓我在看別人的程式碼時會需要花不少時間理解，更別提自己動手寫了。這部分我還需要多加練習，熟能生巧，Subquery 也是如此。
Temporary Table 暫存表
這是 SQL 在實務上的另一個重要概念。簡單來說，就是我們可以透過建立一個暫時性的資料庫，讓我們在查詢和做分析的時候使用，等查詢完畢、結束連結資料庫的連結後便會被伺服器自動刪除。
這樣做的好處是有利於優化記憶體的效能，使其獲得提升，讓程式運行的速度提升；同時也可以在操作複雜數據時，透過建立臨時表來找出最關鍵的資料後，再將其統整到最終表中，以降低失誤率和複雜度。
實際操作
一樣，這觀念若單純紙上談兵實在有些難懂，這裡一樣提供大家一個可以在 BigQuery 上操作的指引給大家。首先，在 BigQuery 上輸入下方程式碼：
SELECT * FROM bigquery-public-data.austin_bikeshare.bikeshare_trips之後依照上述提及的方式，將這筆資料另存於自己專案底下資料集，在命名上以自己看得懂為主。
接著，大家可以試著在 BigQuery 輸入下方程式碼，並且試著讀懂其中的含意。雖然因為篇幅，我沒有在這篇文章中告訴大家 JOIN 語法的功用，之後有機會再專門出 SQL 的教學來補足，大家先試著看我在下方寫的程式碼：
--用 WITH 名稱 AS()的方式來進行建立
WITH longest_used_bikes AS(
SELECT
bikeid,
SUM(duration_minutes) AS trip_duration
FROM
bigquery-public-data.austin_bikeshare.bikeshare_trips
GROUP BY
bikeid
ORDER BY
trip_duration DESC
LIMIT 1
)
--上方的程式碼便成功建立了一個名為 longest_used_bikes 的暫存表，我們在下方便可用 SELECT 去使用裡面的資料
SELECT
trips.start_station_id,
COUNT(*) AS trip_ct
FROM
longest_used_bikes AS longest
INNER JOIN
bigquery-public-data.austin_bikeshare.bikeshare_trips AS trips
ON
longest.bikeid = trips.bikeid
GROUP BY
trips.start_station_id
ORDER BY
trip_ct DESC
LIMIT 1
可以看到，我在最開始的時候，使用 WITH … AS() 的方式去建立了一個「暫存表」，在之後的查詢中，我便不需再做一次篩選，而是可以透過直接取用暫存表中的資料來進行查詢，這個動作能讓我們在處理複雜且大量的資料時，省下許多時間，和 JS 的 Function 我覺得有異曲同工之妙。
其他建立方式
除了 WITH… AS 的方法之外，還有像是 CREATE TABLE, SELECT INTO 等作法，這部分我就不多加補充，因為除了細節上有些許不同以外，底層的大方向都是一樣的，都是為了提升記憶體效能、工作效率和簡化語法。
但說實話，這東西真的難…我幾個月前在學 SQL 的時候也被這觀念卡了很久，現在也不敢說完全熟悉。如果沒有教案的指引，我十之八九寫不出一個好的暫存表架構，多加練習吧！路還長的呢～
個人修課心得
進到第五週（我個人是正在第六週），身心感覺都有點疲勞，隨著強度的提升，我也越來越感到吃力。尤其這週在兩個工具上都教了比較進階的概念，讓我沒辦法像先前一樣，僅是看過一眼就能理解，而是經常需要跟著教案去做練習，這也讓我花了不少時間。
時間規劃
老樣子，每天大約 1.5 小時。然後建議大家把重心多放在 Hands-On Activity 上，裡面提供的資料庫、操作指南和實作流程都是很棒的學習機會。比起重複看影片，實際做過一次會讓你對這些東西更有概念、更有學習的感覺。
我這週一路上到禮拜天早上才完成所有的課程，總時長大約 12~15 小時，而且大多都是在高專注力的情況下上課。我覺得如果你在上這部份時工作或其他事情比較忙碌的話，不妨多給自己一點時間，兩個禮拜內修完會是個比較人性化的安排。畢竟，不是每個人都和我一樣，每天有這麼多時間可以學習。
須注意的章節
這單元除了第一週的內容可以較為隨意的帶過之外，剩下三週都有其重點。我個人推薦在第二週的「格式化設定」、第三週的「VLOOKUP」、「SQL – JOIN 語法」與「Subquery」以及第四週的「樞紐分析」與「SQL – 暫存表」這幾 Part 多花心思。
對，真的很多。不過你也可以從中學到很多紮實的觀念，哪怕你現在用不到 SQL 的進階操作，但 Spreadsheet 的一些設定，我還真的是在學完之後立刻用在工作上。這個單元很妙的地方在於，實用跟進階教學兼具，雖然學的很辛苦，但成長也是顯而易見的。
總結
學到現在，這單元算是目前資訊量最大的，也著實消耗我不少心力。不過轉念一想，都撐到現在了，在努力一下，真的可以在年底把這門課上完，現在我正努力上第六單元的資料視覺化，下週再來和大家分享。
總結來說，修這門課真的蠻吃力的。如果一邊還要上班，一邊上這個課，我可能要快半年的時間才上的完。因此建議如果你想修這門課，剛好近期有頗閒的話，趕緊把握機會進修，不然之後一忙起來，真的會有心無力…
