The Commerce Analytics in Data Science

• 定義問題-不做沒有用的專案
  • 商業分析
  • 問題
  • 評估問題的有效性：SMART 原則
• 假說思考對資料科學家來說至關重要
  • 什麼是假說思考？
  • 資料科學中的假說思考
  • 假說思考的關鍵步驟 - OODA
• 資料相關工作內容
• Reference

有兩個主題:

1. 定義問題-不做沒有用的專案
2. 假說思考對資料科學家來說至關重要

文末並附上資料相關工作內容

定義問題-不做沒有用的專案

If I had only one hour to solve a problem, I would spend up to two-thirds of that hour in attempting to define what the problem is.

商業分析

• 兩個面向
  1. 定義問題，並找出問題背後的原因
  2. 根據情境與原因，提出適當的解決方法

問題

• 常見的兩個問題
  • 沒有清楚的目標
  • 沒有找出真正的阻礙
• 避免問題的兩個原則
  • 從想達成的目標出發，而不是從解決方案出發
  • 不要在問題論述中參雜未經驗證的假說

評估問題的有效性：SMART 原則

• 四個重要的關鍵問題
  1. 我們想要達成的目標是什麼?
  2. 目前的情境/挑戰是什麼？不解決這些挑戰會有什麼影響？
  3. 跟這個專案相關的決策人士有誰？他們在意的面向是什麼？
  4. 如何定義「問題被解決」了？（決策者決定是否要採取行動的依據）
• SMART原則
  1. Specific(足夠明確)
  2. Measurable(成敗可以被衡量)
  3. Action-oriented(有下一部可以落地執行)
  4. Relevant(與願景/商業目標有直接關聯)
  5. Time-bound(有一定的時間性)

假說思考對資料科學家來說至關重要

什麼是假說思考？

在解決問題時，不斷提出「根據目前資訊最接近根本原因」的猜想（也就是假說），並驗證假說的過程。換句話說，在解決問題時需要不斷提出 educated guess，並透過資料的搜集與分析去驗證猜想的正確性。

其中有兩個重要的心態：

1. 不論⽬前的資訊多有限，都要有⼀個「暫時的答案」，也就是隨時能回答「自己的看法是？」這樣的問題

2. 透過提出「假說」，讓該做什麼事變得更清楚，因此有更多時間思考如何驗證以及驗證後如何執行下一步

三大好處:

1. 能夠持續「定位問題」，有清楚目標的往前進——如果在遇到問題的第一天就能夠在心裡建立「暫時的解答」，會很清楚地知道專案的下一步就是「驗證這個暫時的解答是否正確」。

2. 不論假說驗證完後是對/錯， 都能夠有「下⼀步」——如果目前假說是對的，可以深化分析，並試圖提出可能的解決方案。如果假說不正確，可以趕快換到下一個主題去驗證專案。

3. 可以有效利用過去的經驗——「假說」是基於現有知識的最佳解，因此隨著你對於問題領域的了解越來越深入，或是解決問題的經驗越來越豐富，一開始就越有可能提出正確的假說。

資料科學中的假說思考

例如:

1. 假設資料分析師分析了上週推薦系統的表現，發現推薦清單的點擊率突然掉了 12%，該怎麼辦呢？ 根據過去的經驗，提出幾個比較有可能是原因的「假說」，比如說：
   • 是否有介面、產品功能或其他面向的改變，造成點擊率下降呢？
   • 是不是資料源有問題，沒有將上週所有的點擊紀錄都傳送回來呢？
   • 是不是推薦模型的參數沒有更新，導致預測準確度有所誤差呢？
   • 是否最近活躍用戶的習慣或是 profile 改變，需要設計新的推薦模型？
2. 公司這一季產品的目標其中之一是能夠提升用戶留存率 10%，能不能夠透過資料分析，去釐清留存率的問題，這時可能會提出一些假說。 比如說：「使用者主要流失的時機可能會發生在 onboarding / value discovery / habit adoption / retention 時」，而到底使用者流失主要發生在哪個階段呢？這時可以從產品的「留存曲線」很容易看出來！

假說思考的關鍵步驟 - OODA

由美國空軍上校約翰・柏伊德 (John Boyd) 提出，由觀察（Observe），定位（Orient）， 決定（Decide）與行動（Act）四個階段構成，反覆進行並透過環境給與的回饋持續優化循環。

1. 觀察（Observe） 初學者容易犯的錯誤
   • 直接把「解決方案」當成「假說」
   • 天馬行空的產生假說，而非基於現有資訊
2. 定位（Orient）
   • 衡量
     • 「假說為真的可能性」
     • 「研究該假說可以帶來的影響力」
3. 決定（Decide）
   • 基於「目前認為最好的假說」去進行調查
4. 行動（Act）
   • 透過不同類型的測試方法，蒐集與分析新的資訊，持續驗證或是推翻假說，並做好隨時調整假說的方式

資料相關工作內容

Reference

• Medium : 資料科學中的商業分析 1
• Medium : 資料科學中的商業分析 2
• 批踢踢實業坊 : 資料科學家工作分享與 AI 產業觀察