由於近期在 Coursera 上了一門 Google 的數據分析課程：Google Data Analytics Professional Certificate，內容相當紮實且乾貨滿滿，因此會在接下來的幾周，用 單元重點摘錄 的方式來和大家分享課程精華，同時也分享我的上課進度和規劃，讓對這門課有興趣的朋友可以參考。
由於我現在還沒上完，所以如果想知道更全面的課程分享的話，還請再等我一到兩個月，我預計年底可以把總時長約 60 小時的課完結，屆時再做一次更全面的分享！
而這篇文章，我主要會撰寫關於 Google Data Analytics Professional Certificate 的 Foundation 課程筆記，基礎理論：數據分析的六大步驟。
何謂數據分析的六大步驟？
在這門課的最初，課程便透過影片告訴我們，當開始進行數據分析時，要先針對接下來的步驟進行切割和規劃，才能知道自己現在是在什麼位置？下一步該做些什麼？
雖然每間公司在數據分析上或許都有自己的流程，但在 Google，他們所採用的是「ask – prepare – process – analyze – share – act」這六個步驟進行。（應該不用翻譯吧）
所有和數據分析有關的專案、工作，都要用這套思考脈絡來進行規劃、蒐集數據與發表最後的成果，接下來我會一一針對這六個步驟，做進一步的說明。
Ask｜透過問問題來釐清事情全貌
這是我個人對這個步驟的理解，如果有什麼奇怪之處也歡迎提出~
在我們接到數據分析的 assignment 後，先不要急著開始抓數據，而是要透過「問出關鍵問題」來釐清這個 assignment 的幾項重要資訊。
首先，我們要先「定義」這次想透過數據分析解決的問題是什麼？為什麼想蒐集這方面的數據？如果我們沒有先透過問問題來了解老闆、主管的想法，很有可能會搞錯重點，進而做白工或導致決策上的失誤。
再來，是要確認這個專案裡所有「利害關係人的期望」。利害關係人指的是，和這個專案有直接關係的幾個重要角色，可能是你的客戶、你的主管或跨部門合作的夥伴。每個人對於這次數據分析專案的期望都不一樣，而在我們開始之前，要先確認好所有利害關係人對這次專案的期望為何？如果無法達成或方向不對，都要即時的提出與溝通。
其他還有像是了解專案的時長有多久、手上有多少資源以及能取得多少數據的權限等等，在這個階段，掌握越多的關鍵資訊會對你接下來的工作更有幫助。
在這個階段，你可能會問自己下列幾個問題來幫助你了解現況：
- 利害關係人真正想解決的問題是什麼？
- 當我釐清了關鍵問題，我可以透過什麼方式來幫助利害關係人解決這個問題？
Prepare｜準備要用的數據
這個部分就比較直白了。畢竟我們要做的是數據分析，最重要的當然就是要取得我們需要用到的數據。因此在我們定義完問題之後，接著就要去思考：「我需要那些數據來幫助我解決問題？」、「我可以透過什麼管道取得？」等等。
在這個階段，Google 建議我們可以先設立幾個驗證指標，並以此為基礎，到公司的資料庫抓取你需要的數據。這部分也可能需要透過和主管溝通、取得許可，以及項資訊部門取得數據許可權等等。
這部分會因公司的規模大小、資料庫建置的完善與否有些許差異，不過，設立指標並依循內容去取得相關的數據是個很實用的脈絡。
Process｜清洗和整理資料
經過 Prepare 步驟蒐集好資料後，接著要做的，就是把這些數據進行整理，讓其能以方便我們分析的格式和樣式去做呈，這就是第三步驟：Process。
有接觸過大量數據的朋友都知道，亂碼、格式不符、跑版和數據缺漏是常有事情，所以在 Process 階段，我們要做的就是將這些錯誤去做更正或刪除。
如果是數量較大筆的資料，可以使用 SQL （資料庫查詢語言）來進行整理；而筆數較少的則可以使用 Excel, Spreadsheet 等工具去做調整。
【延伸閱讀】SQL 14 天入門課程筆記
這裡比較考驗的是 細心 和 使用整理工具 的能力，在數據分析裡，這個步驟通常會花費很多時間。畢竟要找出錯誤、不合格式之處，並且對其進行調整其實相當費時且無聊，我先前在參與數據分析專案的時候，就在這個階段被折騰了很久。
不過，將數據進行有條理的整理和清洗，是數據分析中很重要的基礎。如果這部分沒有做好，在接下來的 Analyze 階段就會屢屢出錯。所以，大家還是要靜下心，把 Process 步驟做好喔！
你可以透過這些問題來檢核 Process 步驟：
- 什麼樣的錯誤會讓我接下來的分析出現偏誤？
- 我可以如何整理我的數據，讓其變得更加容易分析？
Analyze｜針對數據去做分析
這個步驟就是大家在聽到「數據分析」時，腦海中那些數據分析師應該要做的事：針對數據進行分析。這時，你需要針對在最初的 ask 階段提出的指標去進行數據分析，找出相關性、未來趨勢、歷史走向等和核心問題相關的指標。
這時候你可以透過公式、函市、不同筆資料的比較、樞紐分析等技巧來得出你需要的數據結果。並將其記錄下來，已留到後續步驟使用。
這部分我先不提太多方法，在這裡提供一些這階段可以問自己的問題：
- 這些數據背後有著什麼樣的故事？
- 這些分析結果可以如何幫助我解決問題？
Share｜分享你的分析結果給利害關係人
在這個步驟，每個人都會有自己對數據的解讀，這部分取決於你想用什麼工具、什麼敘事邏輯來進行。這裡比較常見的工具有表格、資訊圖表和 dashboard（數據化圖表）等呈現方式，再搭配簡報去想利害關係人進行解果的匯報，最好能在最後附上你的建議和洞見。
這個步驟考驗的是統整、視覺化呈現和簡報表達上的能力，要如何將前四個步驟的過程和精華呈現給你的主管、客戶理解，是很重要的一環。這可以讓這些利害關係人更好的針對這些結果去下決策，也能夠因為你清楚的呈現而和你進行更深入的討論。
這裡也提供幾個在準備發表時可以問自己的問題：
- 我該如何規劃內容以讓聽眾可以更容易理解？更投入簡報中？
- 如果我是聽眾，什麼樣的敘述方式可以讓我更容易理解？
Act｜針對分析結果採取行動
我們做數據分析的原因是要解決問題，因此，在得出分析的結果之後，接著就要針對這些趨勢、分析結果做出行動，去解決這個問題。
這時侯，數據分析師可以提出自己的建議和洞見，並將決策權交由專案負責人、主管或老闆來決定，而我們也可以在做出決定並採取行動後，去追蹤數據的變化，看看這個方式成效如何？如果行不通，那是否要再進一步做分析？
小結
以上就是在我們開始做數據分析時，Google 建議我們可以採取的六大步驟，讓我們更有架構的去完成不同階段的任務，產出嚴謹、具有邏輯性的分析結果。
Unit 1：Foundation 課程心得
在這個 Google Data Analytics Professional Certificate 的課程中，一共有 8 個單元，分別針對不同階段所需要的軟硬實力來做授課。我在這篇文章分享的，是這個課程的第一單元：Foundations: Data, Data, Everywhere 的重點整理。
Foundations: Data, Data, Everywhere 大綱
這個章節主要就是針對最基礎的數據分析概念作說明，包含身為一個數據分析師，要知道數據能帶來什麼樣的商業價值；同時也針對後續幾個章節要上的內容做了摘要性的介紹：包含後續會教 Spreadsheet, SQL, R , 視覺化工具以及簡報呈現等內容，讓我們對這個課程有更多的認識。
個人進度安排（建議）
我大約花了 5~6 天將第一階段的課程上完，雖說 Coursera 有幫忙規劃進度，但我覺得那實在是有些沒效率（排了 5 週），於是從一開始就是照著我個人的步調來進行。
我主要是以「學習時間」作為規劃的依據，每天大約都上 2 小時的課，當天進度到哪我其實不太在意，重點是我花了多少時間在學習上。
Unit 1 & 2 皆是基礎
我會上這麼快還有一個原因，因為這個課程的前兩個單元基本上都是在講很基礎的概念和操作，有些已經有不錯數據分析底子的人甚至會直接跳過，透過參加跳級測驗的方式直接進到第三章。
而我雖然有相關的經歷，但仍然想從頭將基礎觀念學好，並且先適應這個課程的編排方式，所以仍然從頭開始參與課程。我個人覺得還挺不錯的，畢竟是全英文授課，如果一開始就從自己沒學過、內容篇艱澀的地方開始學起的話，我可能會學得蠻痛苦的。
但因為我是從基礎開始，所以很輕易的就能理解教案、影片裡的內容，這對學習信心來說也是很不錯的一項提升。
我會建議，如果時間不趕的話，可以都從頭開始學習。真正有效率的學習者，其實可以像我一樣，花個一到兩週熟悉課程模式和英文教案，之後碰到較為困難的單元時再將步調放緩。
整體來說，上到目前我覺得還挺順暢的，我也即將在這週把第二單元的課程上完，預計下周差不多的時間也會寫一篇重點摘要和進度分享的文章，大家若有興趣，也可以繼續往下看喔！
