剛剛其實有提到，解構問題並且從中找到 Insight 是分析師最重要的能力，所以在做分析時必須理解到你要分析些什麼？當我們面臨問題時，解構問題並從中尋找深入的洞察力是對於數據分析師最關鍵的技能之一。「解決問題」是一件需要具有經驗與敏感度的事情，數據分析師與任何職業與眾不同的地方就在於，數據分析可以涵蓋各式不同的產業，它可以是分析一家公司的銷售額、可以分析網路影片流量。到了運動產業可以分析投手的表現、打者的打擊率、安打與責任失分，或是運用在籃球上在哪個角度有更高的命中率，哪位選手的表現更出色。任何有關於買賣統計與比較性質的內容都會跟數據分析有高度的關聯性。
在管理與顧問公司的面試中，時常會遇見對於解決問題與邏輯思路的面試，這類題目其實就是種訓練解決問題步驟的方法，其中最著名的莫過於像是「台北市一共有幾隻鳥？」這類彈性的題目，也許在一瞬間我們很難算出到底有多少，可是在數據分析師這角色中，對於解題邏輯的步驟，才是更重要的事情。
遇到這樣的情況通常就能夠嘗試先「界定問題」，我們可以先思考。
Question: 題目的核心為「多少隻鳥」
Answer: 鳥可能出現在公園、森林、校園中
根據內容我們可以假設鳥最可能出現在公園、森林、校園等地。
Que: 我們可以因此假定「鳥的數量 = 每個窩有幾隻鳥 x 鳥窩」
Ans1: (假設)我們可以先假定一個窩有4隻鳥(鳥爸媽和兩個鳥孩子)
Ans2: (推論)需要知道：鳥窩數量？
因此得出新的推論問題，鳥窩數量要怎麼計算？
Que: 假定「鳥窩數量 = 每棵樹會有幾個鳥窩 x 樹」
Ans1: (假設)我們可以先假定每十棵樹會有一個鳥窩，占比就是 10%
Ans2: (推論)高大樹木的數量？
持續得出新的問題，台北市高大樹木數量？
Que: 假定「台北市樹木數量 = 每單位綠地有多少顆樹 x 綠地面積」。
Ans1: (假設)這邊先粗估樹與樹間隔約 20 公尺左右，可以實地走到大安森林公園計算樹與樹之間的距離
Ans2: (驗證)每單位綠地有多少顆樹(每公里/20m x 每公里/20m)=就可以抓出每平方公里約有 2500 顆樹
Ans3: (推論)台北市的綠地面積？
提出問題，台北市綠地面積的計算，這部分就馬上有實際資料使用了。
Que: 假定「綠地面積 = 城市總面積 x 綠化率」
Ans1:(驗證)台北市的總面積約 271.8 平方公里。
Ans2:(驗證)根據台灣農委會林業試驗所使用國家太空研究中心衛星計算資料，台北市的綠地覆蓋率為18%。data
我們可以先得出假設「綠地面積 = 城市總面積 x 綠化率」
(48.9 平方公里) = (台北市總面積 271.8 平方公里 * 綠地覆蓋率 0.18)
Ans3:(驗證)因此可以得出綠地面積約為 48.9 平方公里。
直到方程式拆解沒辦法再更細分後我們開始回推上方所有公式。
「台北市樹木數量 = 每單位綠地有多少顆樹 x 綠地面積」
(122,250 顆樹） = （2,500/平方公里 x 48.9 平方公里）
「鳥窩數量 = 每十棵樹會一個鳥窩 x 樹」
(12,225 個鳥窩）= (0.1 個鳥窩 * 122,250 顆樹)
「鳥的數量 = 每個窩有幾隻鳥 x 鳥窩」
(48,900 隻鳥) = ( 4 隻鳥 x 12,225 個鳥窩)
得出粗估台北市區內一共大約有 48,900 隻鳥!
上面用到的很多生活常識，計算出來實際數據有一定的誤差。但有了這樣的思維過程與解決問題的方法，就能夠再更進一步帶入更精確的數值去做計算，這也是我個人認為數據分析師所需要具備的解題能力，而這些功能其實簡單的計算就能夠得出來了，數據分析的重點就在於拆解的方式與過程。
今年沒組團，每一筆一字矢志不渝的獻身精神都是為歷史書寫下新頁，有空的話可以走走逛逛我們去年寫的文章。
Jerry 據說是個僅佔人口的 4% 人口的 INFP 理想主義者，總是從最壞的生活中尋找最好的一面，想方設法讓世界更好，內心的火焰和熱情可以光芒四射，畢業後把人生暫停了半年，緩下腳步的同時找了份跨領域工作。偶而散步、愛跟小動物玩耍。曾立過很多志，最近是希望當一個有夢想的人。
謝謝你的時間，隨手的小小「追蹤Like留言And訂閱」都是陪伴我走過 30 天鐵人賽的精神糧食。
iThome鐵人賽
看影片追技術