《30天帶你上完 Google Data Analytics Certificate 課程》系列將透過30篇文章，和各位分享 Google Data Analytics Professional Certificate 課程的心得與筆記，希望對資料分析有興趣的朋友，能藉由這些分享，對此領域更深的認識與了解。

若對於文章主題或內容有任何建議，也歡迎留言給予寶貴的意見，謝謝：）

在第一堂課中有介紹到，Google 將資料分析流程分成六個步驟：提問、準備、處理、分析、分享、行動，而第一個步驟的「提問 Ask」將會影響後續所有步驟的發展，而身為資料分析師該如何在一開始進行有效且正確的提問，就是很重要的關鍵。

有效的提問

在資料分析專案的一開始的提問階段，需要先考量以下幾點：

• 定義正要嘗試解決的問題
• 確保有完全理解利益相關者的期待
• 專注在實際的問題且避免分心
• 和利益相關者合作並保持開放溝通的心態
• 往後一步去看清整體脈絡的狀況

接著去問自己以下兩個問題：

• 「我的利益相關者是如何描述他的問題？」
• 「當我已經確定議題時，我該如何協助利益相關者解決他們的問題？」

而這些需要被解決的問題，主要可以分成以下幾類：

• 進行預測
• 分類事物
• 異常偵測
• 確認研究主題
• 發現連結
• 尋找特徵模式

SMART 問題提問法

那應該如何有效的提問呢？Google 講師介紹了 SMART Question 的方法來進行提問：

• Specific（明確的）：簡單、重要、專注在單一主題或少數相關想法上
• Measurable（可測量的）：可以被量化且被使用
• Action-oriented（行動導向的）：鼓勵去改變
• Relevant（相關的）：對要解決的問題重要的問題
• Time-bound（有時限的）：指定相關時間

在進行提問時也應該避免以下幾種狀況：

• 引導式問題：只會得到特定回覆
• 封閉式問題：只會得到一個字或簡短的回覆
• 模糊不清的問題：問題本身不明確或是沒有提供相關脈絡

資料導向決策

在進行資料導向決策時，我們要先了解我們擁有的資料屬於什麼資料，以下將介紹幾種資料分類方式以及以下將介紹幾種資料分類方式以及進行資料導向決策的工具。

定量資料 vs. 定性資料

定量資料（Quantitative Data）

• 定義：對數值事實的特定且客觀的測量
• 工具：焦點團體、社群媒體文字分析、面對面訪談

定性資料（Qualitative Data）

• 定義：對品質及特徵的主觀且解釋性的測量
• 工具：結構式訪談（Structured Interview）、調查、票選

小數據 vs. 大數據

小數據（Small Data）

• 特性：特定的、短時間的、每天的決定

大數據（Big Data）

• 特性：大量且較不特定的、長時間的、重大決定

資料導向決策工具

報吿 Report

• 定義：定期將靜態的資料呈現給利益相關者
• 優勢：
  • 高階歷史資料
  • 容易設計
  • 預先清理且排序的資料
• 劣勢：
  • 需要持續維護
  • 缺少視覺吸引
  • 靜態呈現

儀表板 Dashboard

• 定義：對持續進來的資料進行即時監控
• 優勢：
  • 動態、自動、互動性
  • 讓更多利益相關者可以取得
  • 不需時常維護
• 劣勢：
  • 需要人力開發
  • 可能會讓觀看者感到困惑
  • 可能會有未清洗過的資料

隨堂小測驗

每篇文章最後都會有隨堂小測驗，正確答案將於下一篇文章提供。

• 上週的小測驗解答：
  • 題目：[是非題] 資料分析流程包含提問（Ask）、準備（Prepare）、處理（Process）、分析（Analyze）、分享（Share）及行動（Act）。在處理（Process）的階段，資料分析師會清理資料並確保資料完整且正確。
  • 答案：是
• 本週小測驗
  • 題目：[選擇題] 資料分析師產出資料視覺化並進行簡報。以上描述的是資料分析流程的哪一個階段？
    • 處理 Process
    • 分析 Analyze
    • 分享 Share
    • 行動 Act