《陸王》是一部改編自池井戶潤小說的日劇，講述了一家百年老牌足袋公司，因市場逐漸萎縮而面臨經營危機。在這個關鍵時刻，公司決定跨足運動鞋市場，試圖開發全新的跑鞋產品。然而，創新並非易事，他們不僅要克服技術瓶頸，還要面對資金短缺與市場競爭的壓力。

電影戲劇

職場

國際

以行動支持創作者！付費即可解鎖

陸王

觀影心得

紀錄從事數據分析工作的心得與生活所學

數據分析師的雜談

男主角

團隊

角色

創新

商業

維持現狀

市場

開發

產品

企業

當企業面臨抉擇：《陸王》教會我的商業思維

Netflix 電影《泳出新生》（The Swimmers）改編自真實故事，講述敘利亞難民姊妹 Yusra 和 Sarah Mardini 的驚險旅程。她們為了逃離戰火，橫渡危險的地中海，最終在德國找到新生活。這部電影不僅展現了難民面臨的艱辛與挑戰，也讓觀眾看見全球對難民議題的不同觀點。

泳出新生

難民

Netflix

新生

數字

救生衣

地中海

USAID

危險

居民

游泳

Netflix《泳出新生》觀影心得：難民逃亡與生存的真實寫照

Netflix 紀錄片《致富攻略》（How to get rich）由理財專家 Ramit Sethi 主持，他在節目中幫助不同背景的人檢視自己的財務狀況，並提供建議，協助他們建立更健康的金錢觀。

與你們分享看完這個紀錄片以後，我的三個收穫與心得。

投資理財

閱讀書評

致富攻略

財務

紀錄片

決策

直銷

心理

成功

節目

心理學

收入

Netflix《致富攻略》觀後心得：心理陷阱如何影響我們的財務決策？

本文探討推薦系統的流程，從召回、粗排到精排及重排，分析各步驟在實務中的應用與挑戰。透過公司案例及小紅書的例子，以解釋如何在大量可選項目中精準推薦滿足用戶需求的項目，並強調效率的重要性。文章還指出了多樣性在推薦系統中的角色，以提升使用者留存率與滿意度。

學習

科技

職場心得

理解推薦系統：從召回到重排的完整流程

作為《心態致勝》的成長思維支持者，我一直堅信，人的能力和智慧並非一成不變，而是可以通過不斷學習與努力得以提升。然而，隨著我在工作和生活中的經驗累積，我逐漸意識到，成功並不僅僅來自努力，運氣也在職場表現中發揮著不可忽視的作用。

生活雜談

影響職場表現的三大運氣要素

使用 BigQuery ML，讓 Data Analyst 可以在僅會 SQL 的情況下，建立預測模型，做到「快速分析多個特徵」給予客戶分群建議

會 SQL 就能使用的 Machine learning 工具 - BigQuery ML

分享知識的價值不在於其絕對深度，而在於它是否能幫助那些需要它的人。

自我成長

不是大師也能分享經驗！你的經驗比你想像的有價值

Data Analyst 工作過程中所使用的預估方法，不只用在工作上，也可用於投資

應用 Data Analyst 的預估方法於股票投資

<div class="draft-block draft--p left">今天在處理完一個分析需求後，被老闆稱讚很會使用 BI tool 😝</div>
<div class="draft-block draft--p left">雖然這個稱讚直觀看起來並不是直接針對我身為 DA 的專業能力，但其實如果以 
              <a href="/article/65b88d57fd897800019e3b94" target="_blank" class="draft--mention">
                <i class="icon-blankLink"></i>
                <span>數據分析師 Data Analyst 需要的四種能力</span>
              </a>
             提到的 DA 衡量指標：「inspiration-per-minute」來看，老闆的稱讚其實也是針對我身為 DA 的價值，因此我還是蠻開心的</div>
<div class="draft-block draft--p left">---</div>
<div class="draft-block draft--p left">介紹一下我們公司使用的 BI tool <a href="https://mode.com/" target="_blank" class="draft--a">Mode</a>，在台灣比較少人用，我目前沒聽到有其他台灣公司也在使用這個工具</div>
<div class="draft-block draft--p left">這個工具很貴，非常貴，但有一個很棒的功能是它可以在做圖表的時候做 aggregation，這個功能大大的提升了 DA 產數據、做分析的彈性</div>
<div class="draft-block draft--p left">舉例來說：</div>
<div class="draft-block draft--p left">如果你想分析每個新註冊用戶是透過什麼裝置進行註冊的，以往在其他工具中（e.g. redash），你需要在 query 裡面就先 group by 好 device_type，這樣才可以得到 by device_type 的數據</div>
<div class="draft-block draft--p left">如果在另一張表上，需要多看一個維度（e.g. 月份），或是換一個維度，你就必須要把 query 複製一份以後，新增或是換掉 group by key，這樣會讓 dashboard 上面充斥著很多都只差一點點的 queries</div>
<div class="draft-block draft--p left">在 Mode 上你不需要這樣做，你只要把所有註冊用戶列出來，再把你可能用得到的 features 做成 columns，不需要在 query 裡面預先做好 group by，而是等到作圖時，再把你想要的 group by key 丟到 x 軸，這樣 Mode 會自己幫你 group by 好</div>
<div class="draft-block draft--p left">概念上就很像我們 excel 在做樞紐分析表一樣，你只需要產出數據大表，後續的運算都是在樞紐分析表上設定</div>
<div class="draft-block draft--p left">因為有了這個功能，所以 DA 可以省下很多改寫 group by key 的時間，同一份 query 可以做出超多種不同類型的圖表，更棒的是，因為這些圖表背後都共用同一份 query，所以如果某天想改一個計算的邏輯（e.g. 篩選資料區間），你改一份 query，會同時套用到所有相關的圖表上，在維護上的成本也小非常多</div>
<div class="draft-block draft--p left">上述這些便利都是 DA 切身感受到的，而對老闆來說，直接感受到的好處是：</div>
<div class="draft-block draft--p left">和 DA 在會議中看數據時，可以很快地看到不同維度的數據進行下一步討論</div>
<div class="draft-block draft--p left">和老闆在會議中看數據時，他蠻常會想到一些事前沒考慮到想多看的新維度，這些新維度的數據在以前必須要等到會議結束後，DA 改完 queries 才能看到</div>
<div class="draft-block draft--p left">但改用 Mode 之後，只要我事前有準備好這些 columns，在會議當下我只要在介面上拉一拉，就可以很快看到他要的數據，進而做更深入的討論</div>
<div class="draft-block draft--p left">也因為這個功能真的太便利，加速了我們看數據的流程，所以即便 Mode 真的很貴，我們公司都還是無法離開它</div>
<div class="draft-block draft--p left">不過，雖然到圖表時才做 aggregation 的功能很方便，但實際應用上還是有所局限：</div>
<div class="draft-block draft--p left">在資料量過大時會因為運算量過大而失敗</div>
<div class="draft-block draft--p left">為了要讓 Mode 圖表可以即時做 aggregation，我們必須要把所有原始資料留下來，這有時候會讓 query result 的筆數過大，讓 Mode 在做 aggregation 時，產生過大的運算量而導致失敗</div>
<div class="draft-block draft--p left">這段目前無解，不過因為公司是 B2B，clients 數量目前還不多，所以比較少遇到資料量過大的問題</div>
<div class="draft-block draft--p left">---</div>
<div class="draft-block draft--p left">你們公司是選擇哪一個 BI tool 呢？</div>
<div class="draft-block draft--p left">歡迎在留言區跟我分享你們公司使用的 BI tool 以及你認為的優點在哪 🙌🏼</div>

討論區

被老闆稱讚很會使用 BI tool（？

這篇文章分享了作者在參與預估專案時的思考脈絡和學習點，透過兩個具體的案例，探討了預估方法中重要的假設和挑戰。

數據分析專案的「預估」思維

Richard Cheng