網站大致完成,還沒有玩過的朋友請點擊下列傳送門:
https://wowdacom.github.io/TimelineQuest-ithelp-sample/
在這一階段,我們將整合 Google Analytics(GA)的追蹤碼,並探討數據分析的相關主題。
GA 頁面
<!-- Google tag (gtag.js) -->
<script async src="https://www.googletagmanager.com/gtag/js?id=G-XXXXXXXXXXX"></script>
<script>
window.dataLayer = window.dataLayer || [];
function gtag() {
dataLayer.push(arguments);
}
gtag('js', new Date());
gtag('config', 'G-XXXXXXXXXXX');
</script>
最近我拜訪了一家朋友經營的咖啡廳。不知為何,大家開始討論各種不同的咖啡泡製方法和種類。其中有人提到了卡布奇諾和拿鐵的區別。由於我之前就對這個話題有所思考,我很興奮地回答說:「卡布奇諾是加了更多的肉桂。」然而,咖啡師搖了搖頭,解釋說:「其實差異在於咖啡和牛奶的比例。」
這個解釋讓我非常震驚,因為它推翻了我長期以來的認知。如果不是有這種「權威性」的解釋,我可能永遠不會重新考慮這個問題。我後來仔細思考為什麼會有這樣的誤解。原來是因為另一種咖啡—摩卡—通常會加入巧克力,而我每次喝卡布奇諾時都會嚐到奶泡上的肉桂粉。因此,我錯誤地認為不同種類的咖啡主要是因為加入的不同成分而有所區別。
(圖片來自咖啡程式)
邏輯推論並不代表是真相。這種經驗常常提醒我,「數字」或「事實」背後隱藏的真相可能與自己的認知不同。且數字往往是強而有力的工具和語言,但用起來也要格外小心。在這方面,有一些方法論和作者值得參考:
統計學:這是數據分析的基礎,包括假設檢定、回歸分析等。
機器學習與數據挖掘:這些先進的方法包括隨機森林、神經網絡等。
質性研究方法:這些方法,如訪談和觀察,可以補充量化數據。
混合方法研究:這種方法結合了質性和量化的研究方法。
Nate Silver:著有《The Signal and the Noise》。
Edward Tufte:著有《The Visual Display of Quantitative Information》。
Andrew Gelman:專門研究多層次模型和貝葉斯分析。
Hadley Wickham:著有《ggplot2: Elegant Graphics for Data Analysis》。
《The Signal and the Noise》 作者:Nate Silver
專注於如何正確地進行預測和解讀數據。
《The Visual Display of Quantitative Information》 作者:Edward Tufte
這本書被廣泛認為是數據可視化領域的經典之作。
《Qualitative Inquiry and Research Design》 作者:John W. Creswell, Cheryl N. Poth
提供質性研究方法的全面介紹。
《Lean Analytics》 作者:Ben Yoskovitz, Alistair Croll
專注於如何在實際業務中應用數據分析。
使用 Google Analytics(GA)也是一個很好的方式。於是我們可以從問問題先開始
2023年9月23日的人數為什麼變多?這需要更多的數據和深入的分析。
有很多進一步的數據可以幫助我們建立假設跟分析接近的事實。(原來這個遊戲大概三分鐘就玩完了)
使用 PDCA 循環法則,我們可以更系統地進行改進和分析。
可以改進的地方:
無論是卡布奇諾還是數據分析,正確的解讀都需要深入的了解和持續的學習。希望這篇文章能提供一個好的起點。
參考資料:
經理人 PDCA 循環法則