[修讀原因]

一個系統的完成是須要許多人不同的人才能完成, 不外乎下面五種人:

• 經營管理
• 行銷企劃
• 系統分析
• 程式設計
• 客服操作

這五種人的合作才能夠把一個系統做好, 但最後事實上這五種人變成這樣:

• 經營管理: 只懂得商業的利潤
• 行銷企劃: 只懂得市場的操作
• 系統分析: 只懂得架構的組合
• 程式設計: 只懂得實作的技術
• 客服操作: 只懂得使用者真實

理論上要合作, 前提是既使在不同的角色, 也知道對方在做甚麼, 因為知道對方在做甚麼, 這樣的分工, 才是合作的開始, 只是曾幾何時, 現在所謂的分工合作是每一種人只知道自己在做甚麼, 而不管別人在做甚麼, 甚至也不想讓別人知道我在做甚麼.

這社會上有很多人會去嘗試著學習經營管理, 因為每一個人都想當老版, 很多人都想學行銷企劃, 因為這行業很賺錢, 每一個人都想做系統分析, 因為這可以當跳版, 而還是會有人想要認真開發系統去做程式設記, 只是很少人願意下來真正的面對使用者, 或者應該說認真的去面對社群的真實.

但要做好 Data Engineer, 要去了解這些資料是如何產生的, 無論是自然界, 或是社會, 都是須要知道資料產生的背景與過程, 因為只有知道資料的真實狀況, 才能對其去修正, 處理, 解讀與應用等等的工作, 而若不了解這些資料, 如何去面對這些資料?

只是要做好這件事也沒這麼簡單, 因為這種部份算是種領域研究的能力, 本身就要是在這產業或領域才能夠真正知道其資料的本質, 但不代表這部份只有各領域的專業, 這部份還是有其專業, 也就是常見會說到的 "使用者行為/田野調查/社群資料/讀者服務"

[基本資訊]

• 課程題目: 使用者行為/田野調查/社群資料/讀者服務
• 大學學程: 社會系, 圖書館系
• 困難度: ＊
• 必要度: ＊＊＊
• 所須時間: ＊＊
• 建議書籍: Applied Behavior Analysis

[基本介紹]

這邊一口氣列出

• Behavior Analysis 使用者行為
• Field Resarch 田野調查
• Social Data 社群資料
• Library Service 讀者服務

這些都幾乎是最終端的一個環節, 也是最不被重視的環節, 但我反而認為這些都是資料的來源, 所有的事情都是從這邊開始, 若不了解這塊, 很多事情都無法真正的找到問題得核心與答案.

只是或許會說這又牽太遠了, 而我來截出某個 wiki:

我想應該沒有人認為這個字是跟 Data 無關吧, 而這個字是 Behavioral Analytics, 誰說這塊不重要阿...

因為客戶 Customers 是我們最重要的使用者, 而 CRM (Customer Relation Management) 更是在 Data Mining 很重要的一環.

而能夠了解真實的資料, 就是參與其中, 就如田野研究或是社群參與一樣, 從自身做出發, 把自己當作客戶與使用者, 才能知道資料的環節, 才能夠真的把資料應用得當, 也就是做出真正有價值的服務與成果.

[修習方式]

電子書:

• https://www.newharbinger.com/blog/free-e-book-friday-handbook-applied-behavior-analysis
• http://www.pearsonhighered.com/educator/academic/product/0,3110,0131421131,00.html

關鍵字

• Causality
• Causal loop diagram
• Hidden Markov model
• Latent variable model
• Path coefficient
• Structural equation model
• Customer Dynamics