資料科學家的工作日常1 - 在資料和程式中挖掘商業價值

系列文章

數據分析的職位有三種

台灣的資料科學業界生態

(1) 組織劃分

由於這個職位出現的時間還不長，大家對於資料科學家還缺乏共同的定義。所以A公司的資料科學家可能偏向軟體開發，B公司的資料科學家可能隸屬市調部門，C公司的資料科學家可能掛在IT部門。因此，如果你想找數據分析或資料科學相關的工作，建議不要只看職稱，最好詳細看一下工作內容和所需能力，相對的，面試官在評估應徵者的能力時，也會著重在實際的專案經驗與能力。

我所在的單位則是獨立的分析部門，協助其他單位作商業上的決策，算是輔助型的單位，或說是智囊團、師爺類型的角色。可以說我們的服務是數據分析，而我們輔助的部門則是客戶，要怎麼了解客戶需求，協助顧客達成商業目標的服務，是我們主要的價值所在。

(2) 能力需求

除了所屬單位外，每間公司的資料科學家所需的技能也不一樣。有些分析師可以用Excel打天下，有些主要製作資料視覺化圖表，呈現出好懂、美觀，甚至具有互動工具的資料儀表板。另外有一種，也是比較接近我定義中的資料科學家，他們要寫程式，需具備一定的IT知識，要學統計和演算法。這種分析師有點像是IT，但又和IT不一樣。IT的工作通常是系統規劃、軟硬體維運和功能擴充，但資料科學家則是要在一堆資料中發掘未知的商業價值(Unknown Insights)。

未知的商業價值是什麼？可以講人話嗎？

數據分析與資料匯總

在講商業價值之前，先來談談數據分析(Data Analyze)或資料探勘(Data Mining)，與資料匯總(Data Processing)之間的差異。一樣都是處理資料，因目的不同，又可以分成資料匯總與數據分析。前者總結已知事件，後者為了做出影響未來的決策，也就是預測。

舉例來說，如果你手上有一間服飾店的消費資料，你想知道過去一個月中哪些商品的營業額最高，這就是資料匯總。你的目標很明確，「挑出營業額最高的商品」，實際的操作步驟則是將所有商品的營業額分別算出來，然後挑出最高的那一個，結束。

假如你想知道的是，過去一個月中銷售最佳的這支商品，是不是因為促銷活動導致銷量爆增？促銷活動對這支商品的影響又是多少？以後的促銷活動適不適合再加入這支商品？這個問題明顯困難很多，不是因為它有三個問號，而是增加了許多必須考量的面向。

首先，我們要先知道這支商品在沒有促銷活動期間的銷量，並與促銷期間的銷量作比對，確認促銷活動對這支商品有正面影響。

其次，重複上個步驟，但我們要進一步計算促銷活動對於全部商品的影響。如果促銷活動平均可以提升全部商品20%的業績，卻能提升這支商品30%的業績，我們就可以初步判定這支商品適合做促銷。

說是初步，因為還有其他的細節需要考慮，像是商品毛利率。如果這支商品的毛利率本身就比較低，舉辦折扣促銷後毛利變得更加殘不忍睹。即使帳面上業績很漂亮，但這些都是不賺錢的生意，大家白忙一場。

排除以上原因後，建議你也不要信心滿滿的下結論，「這支商品很適合做促銷」，因為你老闆可能會一臉不爽的回答，「這個商品是羽絨衣，現在剛進入冬天，銷量當然會爆衝啊，就算不做促銷應該也很好賣吧？」。你可能要進一步考慮季節性因素，表面上你一樣在處理資料，但這時候你的問題會變成「季節性和促銷活動，哪一個對羽絨衣的業績正面影響較大？」

在實際的工作流程中，資料匯總是必經的過程，但能不能實際達到數據分析或或資料探勘的層次，並促成有價值的商業行動，我認為這就是資料科學家的價值之所在。

到ARON HACK網站看完整文章〈資料科學家的工作日常1 — 在資料和程式中挖掘商業價值〉