Top 5
幾個關於Consignment的商業分析題目
「Consignment SKU」是什麼意思? 是怎麼樣的產品?
Consignment SKU指供應商/製造商將商品放在零售商通路(實體or線上)銷售，但商品所有權仍歸供應商/製造商，零售商在商品售出後才向供應商付款。因此，零售商不負擔庫存本身成本
估價 = 商業分析 + 資料分析
了解估價過程、邏輯可以幫助您對企業有更深一層的了解，並從中需學習一些資料處理、分析的技巧，可以說是想要快速且紮實地成為商業分析師+資料分析師最棒的方式。
Avanade 近期推出了一款名為「關稅導航器」(Tariff Navigator) 的創新解決方案 。Avanade 認為此工具能將團隊從繁瑣的手動關稅核對與報告地獄中解放出來，能更專注於高價值的策略性任務。
Top-down 成本分析：快速，但有盲點？
前幾天在Threads聊到 Top-down 分析法，簡單來說，就是從全局數字出發（像是總成本），再用平均值、比例、歷史指標去拆給不同部門或產品。這種做法很適合想快速抓個方向的時候用，成本低、也容易建置，但問題是 - 它犧牲了「細節」和「精準度」。
幾個關於Consignment的商業分析題目
「Consignment SKU」是什麼意思? 是怎麼樣的產品?
Consignment SKU指供應商/製造商將商品放在零售商通路(實體or線上)銷售，但商品所有權仍歸供應商/製造商，零售商在商品售出後才向供應商付款。因此，零售商不負擔庫存本身成本
估價 = 商業分析 + 資料分析
了解估價過程、邏輯可以幫助您對企業有更深一層的了解，並從中需學習一些資料處理、分析的技巧，可以說是想要快速且紮實地成為商業分析師+資料分析師最棒的方式。
Avanade 近期推出了一款名為「關稅導航器」(Tariff Navigator) 的創新解決方案 。Avanade 認為此工具能將團隊從繁瑣的手動關稅核對與報告地獄中解放出來，能更專注於高價值的策略性任務。
Top-down 成本分析：快速，但有盲點？
前幾天在Threads聊到 Top-down 分析法，簡單來說，就是從全局數字出發（像是總成本），再用平均值、比例、歷史指標去拆給不同部門或產品。這種做法很適合想快速抓個方向的時候用，成本低、也容易建置，但問題是 - 它犧牲了「細節」和「精準度」。
根據 h1bdata info 整理的資料顯示，雇主於2024 提交H1B簽證所包含的薪資訊息，以關鍵字Data Analyst 的1700多條紀錄為例:
- 薪資中位數是$85000.
- 約有2%介於$150K到$200K
- 21% 介於$100K到$150K
- 以中位數來看近三年數
>=90 => A+
>=80 & < 90 => A
>=70 & < 80 => B
>=60 & < 70 => C
>= 0 & < 60 => D
現有上述將分數轉換成GPA積點的規則，請使用Excel達到此轉換目的，以下提供5種方法 👇
本篇文章要分享三個Excel實用功能：Flash Fill（快速填滿）、IMAGE() 函數和條碼生成。這些功能分別能夠自動整理和格式化資料、將圖片直接嵌入到儲存格中，以及將數字或文字資料轉換成條碼。
在上一篇Excel 解鎖 - 有多少不重複訂單，我們使用UNIQUE公式回傳不重複訂單和只出現過一次的訂單，本篇我們會繼續使用Tableau的 Superstores 裡的Orders工作表來介紹如何篩選出我們要的數據。
進入正題以前，想像以下兩個生活的情境:
手上拿者老婆交代要買的幾項物品進入大賣場，心中想著要怎麼找到這些物品的位置?
考試當天看著准考證上的號碼進入考場找尋我在那間教室?
這系列會以實際的資料來教學並練習，這篇資料取自Tableau的 Superstores 裡的Orders工作表，我們在做實際的數據分析以前，想要先來了解自己的資料。第一眼望去，總共有9994筆內容(+1筆欄位名)，第一個問題來了，資料筆數會等於總訂單數嗎?更精確地說，到底有多少不重複的訂單?
根據 h1bdata info 整理的資料顯示，雇主於2024 提交H1B簽證所包含的薪資訊息，以關鍵字Data Analyst 的1700多條紀錄為例:
- 薪資中位數是$85000.
- 約有2%介於$150K到$200K
- 21% 介於$100K到$150K
- 以中位數來看近三年數
>=90 => A+
>=80 & < 90 => A
>=70 & < 80 => B
>=60 & < 70 => C
>= 0 & < 60 => D
現有上述將分數轉換成GPA積點的規則，請使用Excel達到此轉換目的，以下提供5種方法 👇
本篇文章要分享三個Excel實用功能：Flash Fill（快速填滿）、IMAGE() 函數和條碼生成。這些功能分別能夠自動整理和格式化資料、將圖片直接嵌入到儲存格中，以及將數字或文字資料轉換成條碼。
在上一篇Excel 解鎖 - 有多少不重複訂單，我們使用UNIQUE公式回傳不重複訂單和只出現過一次的訂單，本篇我們會繼續使用Tableau的 Superstores 裡的Orders工作表來介紹如何篩選出我們要的數據。
進入正題以前，想像以下兩個生活的情境:
手上拿者老婆交代要買的幾項物品進入大賣場，心中想著要怎麼找到這些物品的位置?
考試當天看著准考證上的號碼進入考場找尋我在那間教室?
這系列會以實際的資料來教學並練習，這篇資料取自Tableau的 Superstores 裡的Orders工作表，我們在做實際的數據分析以前，想要先來了解自己的資料。第一眼望去，總共有9994筆內容(+1筆欄位名)，第一個問題來了，資料筆數會等於總訂單數嗎?更精確地說，到底有多少不重複的訂單?
題目概述
問題連結
這題想解的是：當我們手上有一份員工部門資料表，要怎麼找出「每位員工的主要部門」？
資料中，員工可能同時隸屬於多個部門，但只有一個主要部門（標記為 primary_flag = 'Y'）。如果員工只屬於一個部門，那麼這個部門就自動成為主要部門，不論 primary_flag
題目概述
問題連結
這題想解的是：當我們手上有一份玩家遊戲活動記錄，要計算「首次登入後隔天也有登入的玩家比例」是多少？
資料是玩家每天登入的記錄，我們需要找出每個玩家的首次登入日期，然後判斷他們是否在隔天也有登入。最後計算這類「忠實玩家」佔全部玩家的比例，並四捨五入至小數點後兩位。
在實務分析中，我們常常會把兩份資料合併。但你有沒有遇過這種情況——資料合併完了，但你忘了哪一筆原本是從左邊來的？還是右邊才有？甚至兩邊都有？
這時就可以用 indicator=True 幫你標記每一欄的「出身」。
資料範例：左邊是員工資料、右邊是津貼資料
import pandas as
題目概述
LeetCode 第 1174 題「Immediate Food Delivery II」的目標是計算所有顧客的第一筆訂單中，即時配送（即訂單日期與顧客偏好配送日期相同）的比例，並將結果四捨五入至小數點後兩位。
[問題連結]
題目概述
這題想解的是：當我們手上有一份記錄了機器上 process 的開始與結束時間的表格，要怎麼計算「每台機器平均每個 process 花了多少秒」？
如何在Google Colab環境裡使用Jupyter magic command (ipython-sql)，搭配DuckDB ，直接在 Colab Notebook 中
讀取csv 檔案
建立DuckDB 臨時資料庫 (存在記憶體)
執行 SQL 程式碼 進行分析
轉換成 Panda
根據 h1bdata info 整理的資料顯示，雇主於2024 提交H1B簽證所包含的薪資訊息，以關鍵字Data Analyst 的1700多條紀錄為例:
- 薪資中位數是$85000.
- 約有2%介於$150K到$200K
- 21% 介於$100K到$150K
- 以中位數來看近三年數
題目概述
問題連結
這題想解的是：當我們手上有一份員工部門資料表，要怎麼找出「每位員工的主要部門」？
資料中，員工可能同時隸屬於多個部門，但只有一個主要部門（標記為 primary_flag = 'Y'）。如果員工只屬於一個部門，那麼這個部門就自動成為主要部門，不論 primary_flag
題目概述
問題連結
這題想解的是：當我們手上有一份玩家遊戲活動記錄，要計算「首次登入後隔天也有登入的玩家比例」是多少？
資料是玩家每天登入的記錄，我們需要找出每個玩家的首次登入日期，然後判斷他們是否在隔天也有登入。最後計算這類「忠實玩家」佔全部玩家的比例，並四捨五入至小數點後兩位。
在實務分析中，我們常常會把兩份資料合併。但你有沒有遇過這種情況——資料合併完了，但你忘了哪一筆原本是從左邊來的？還是右邊才有？甚至兩邊都有？
這時就可以用 indicator=True 幫你標記每一欄的「出身」。
資料範例：左邊是員工資料、右邊是津貼資料
import pandas as
題目概述
LeetCode 第 1174 題「Immediate Food Delivery II」的目標是計算所有顧客的第一筆訂單中，即時配送（即訂單日期與顧客偏好配送日期相同）的比例，並將結果四捨五入至小數點後兩位。
[問題連結]
題目概述
這題想解的是：當我們手上有一份記錄了機器上 process 的開始與結束時間的表格，要怎麼計算「每台機器平均每個 process 花了多少秒」？
如何在Google Colab環境裡使用Jupyter magic command (ipython-sql)，搭配DuckDB ，直接在 Colab Notebook 中
讀取csv 檔案
建立DuckDB 臨時資料庫 (存在記憶體)
執行 SQL 程式碼 進行分析
轉換成 Panda
根據 h1bdata info 整理的資料顯示，雇主於2024 提交H1B簽證所包含的薪資訊息，以關鍵字Data Analyst 的1700多條紀錄為例:
- 薪資中位數是$85000.
- 約有2%介於$150K到$200K
- 21% 介於$100K到$150K
- 以中位數來看近三年數
當我們需要處理層級結構的資料時，HackerRank - Binary Search Tree Nodes 這題應該算是個很經典的 SQL 分類題。這篇就來拆解這道題目，從題目概述、輸入格式、輸出格式到 SQL 解法，一步步分析如何解決這道題目。(本篇以MS SQL Server語法教學)
資料表格式
OCCUPATIONS 表的結構如下：
OCCUPATIONS 表中包含以下數據 (範例)：
問題描述
請從 OCCUPATIONS 表中生成以下兩個結果：
按字母順序排列 OCCUPATIONS 表中的所有姓名，並在每個姓名後加上其職業的首字母，括號括起來。
我們先前介紹了SQL中如何根據指定的條件來篩選資料，僅返回符合條件的結果。本篇我們來討論於MS SQL Server 聚合函數（Aggregate Functions） ，用於對數據進行匯總計算，適合分析銷售總額、平均利潤等。
如何在Google Colab環境裡使用Jupyter magic command (ipython-sql)，搭配DuckDB ，直接在 Colab Notebook 中
讀取csv 檔案
建立DuckDB 臨時資料庫 (存在記憶體)
執行 SQL 程式碼 進行分析
轉換成 Panda
請以口語、白話形式解析以下SQL程式碼並描繪你認為的原資料表([Database].[Schema].[Table] )結構樣貌。
SELECT
A.[Business_Unit],
A.[Order_Number] ,
SUM([Sales_Units]) as [Sales_Uni
OVER() 子句是Window Function的核心組成部分，用於在查詢結果集中定義一個「窗口」，使聚合函數或排名函數能夠在不改變原始數據結構的情況下，對特定資料進行計算。常搭配PARTITION BY將數據劃分成多個分群(類似GROUP BY，但不改變資料的結構、粒度)，
ABC 分析
ABC分析（ABC Analysis）是一種基於80/20的分類原則，常用於庫存管理、供應鏈分析和資源分配中。它將產品或項目按其相對重要性分為A、B 和 C三個類別。其目的是協助企業專注於最重要的項目，以提高效率和降低成本。
自 2019-07-27 開始，往前推 30 天 ，計算每天的活躍用戶數。用戶在某天如果至少有一次活動記錄，則被認為在該天是活躍的，不用管答案的排序。
當我們需要處理層級結構的資料時，HackerRank - Binary Search Tree Nodes 這題應該算是個很經典的 SQL 分類題。這篇就來拆解這道題目，從題目概述、輸入格式、輸出格式到 SQL 解法，一步步分析如何解決這道題目。(本篇以MS SQL Server語法教學)
資料表格式
OCCUPATIONS 表的結構如下：
OCCUPATIONS 表中包含以下數據 (範例)：
問題描述
請從 OCCUPATIONS 表中生成以下兩個結果：
按字母順序排列 OCCUPATIONS 表中的所有姓名，並在每個姓名後加上其職業的首字母，括號括起來。
我們先前介紹了SQL中如何根據指定的條件來篩選資料，僅返回符合條件的結果。本篇我們來討論於MS SQL Server 聚合函數（Aggregate Functions） ，用於對數據進行匯總計算，適合分析銷售總額、平均利潤等。
如何在Google Colab環境裡使用Jupyter magic command (ipython-sql)，搭配DuckDB ，直接在 Colab Notebook 中
讀取csv 檔案
建立DuckDB 臨時資料庫 (存在記憶體)
執行 SQL 程式碼 進行分析
轉換成 Panda
請以口語、白話形式解析以下SQL程式碼並描繪你認為的原資料表([Database].[Schema].[Table] )結構樣貌。
SELECT
A.[Business_Unit],
A.[Order_Number] ,
SUM([Sales_Units]) as [Sales_Uni
OVER() 子句是Window Function的核心組成部分，用於在查詢結果集中定義一個「窗口」，使聚合函數或排名函數能夠在不改變原始數據結構的情況下，對特定資料進行計算。常搭配PARTITION BY將數據劃分成多個分群(類似GROUP BY，但不改變資料的結構、粒度)，
ABC 分析
ABC分析（ABC Analysis）是一種基於80/20的分類原則，常用於庫存管理、供應鏈分析和資源分配中。它將產品或項目按其相對重要性分為A、B 和 C三個類別。其目的是協助企業專注於最重要的項目，以提高效率和降低成本。
自 2019-07-27 開始，往前推 30 天 ，計算每天的活躍用戶數。用戶在某天如果至少有一次活動記錄，則被認為在該天是活躍的，不用管答案的排序。
「專案」= 「變形蟲」?
今天跟老婆討論到以前習慣使用Excel在管理專案，但常常更新到一半就失去控制或缺東少西的，漸漸就出現不少只更新過一兩個專案的Excel project tracker。自從使用了Notion，這樣的問題就改善很多，原因是什麼?
我們認為，Projects 就像一隻隻
生產力工具 、AI輔助軟體玲瑯滿目，許多人為了不讓自己落後失去競爭力產生科技焦慮，我也常常陷入這種迷思，往往一不留神書籤夾裡就加了一堆工具連結，這時候我個人覺得要拉回來冷靜想想以下幾個面向
「專案」= 「變形蟲」?
今天跟老婆討論到以前習慣使用Excel在管理專案，但常常更新到一半就失去控制或缺東少西的，漸漸就出現不少只更新過一兩個專案的Excel project tracker。自從使用了Notion，這樣的問題就改善很多，原因是什麼?
我們認為，Projects 就像一隻隻
生產力工具 、AI輔助軟體玲瑯滿目，許多人為了不讓自己落後失去競爭力產生科技焦慮，我也常常陷入這種迷思，往往一不留神書籤夾裡就加了一堆工具連結，這時候我個人覺得要拉回來冷靜想想以下幾個面向
許多剛進職場的朋友常問我，除了硬實力外，要怎麼提升自己的職場競爭力。我給出的其中一個建議是，緊跟新聞時事，但這還不夠，
試著把這些新聞與自己的工作、公司作連結
比如前陣子的關稅戰新聞，雖然從去年美國大選一直就是熱門話題，不過上個月川普還是給了大家一擊重拳，當下我心裡就浮出以下問題:
"這
許多剛進職場的朋友常問我，除了硬實力外，要怎麼提升自己的職場競爭力。我給出的其中一個建議是，緊跟新聞時事，但這還不夠，
試著把這些新聞與自己的工作、公司作連結
比如前陣子的關稅戰新聞，雖然從去年美國大選一直就是熱門話題，不過上個月川普還是給了大家一擊重拳，當下我心裡就浮出以下問題:
"這
