在自我探索的過程中，心理師跟我分享了一段人際交往時可以做的互動：「 我最近參加了一些活動，有些主持人在開場時，會請每個人跟同組的成員，彼此自我介紹，說說自己的地雷，或是容易讓人誤解的地方。像是不喜歡用其他人用命令的語氣講話，或是表情嚴肅時只是在思考等等。」

在最一開始就向陌生團體揭露自己稍有缺陷的一面，總稍微讓人感到害怕。但只要適時適地提出，可以減少嫌隙的產生。

我想這不僅僅是人與人之間交流時可以做的善意揭露，也很適合放在系列文第一篇，讓大家了解這系列文想談論的事及其限制：除了聊聊這系列文章有機會幫各位打撈師解決哪些問題外，更該說說那些沒辦法被解決的問題。希望大家在決定開始追這 30 篇文章，甚至開始實作前，能先了解這份求生指南可能產生的療效與副作用：

1. 此系列文圍繞著與「商業」相關的分析

其中包含了何謂資料分析、簡易分析資料棧的開發 (以 dbt 為主）等等。系列文會分享這篇文章會分享一些與「人」相關的商業分析、資料分析以及指標設計觀點。由於被分析的客體為與「人」相關的商業活動，如果是跟「機器」相關的分析（軟體除錯、製造業品管等等），文中的觀點即很有可能不適用。

2.dbt 沒辦法賦予資料團隊影響力

資料打撈師，資料分析師亞種，佔全職業別約 87 %。最常做的事情是幫各方人物撈取 (query) 不知為何而撈的資料，完全不清楚自己對商業的影響力為何。系列文會帶大家建立一個簡單的專案，但已經有不少前輩寫了許多優良的教學文，也不排除直接貼連結讓大家直接進到大神們的領域 。但值得提到的是，dbt 只能加快資料撈取的速度，但沒辦法增加資料分析師的影響力。一旦 data model 完成後，極有可能以翻倍再翻倍的速度完成 ad-hoc request。（沒有人說完成 adhoc request 後要馬上回報喔，請把多出來的時間拿去做一點有意義的事。）

3.建構 data model，需要一點 mindset

「data model 完成後，極有可能以翻倍再翻倍的速度完成 ad-hoc request」，代表著我們已經將每次 query 的大部分共用邏輯先寫好到 data model 裡面。此時，我們需要對商業有架構性的理解，也要想著，這次 schema 的設計 有沒有機會完成之後 80% 的相關需求。如果以「資料分析師」的職位在同產業待過一兩年，設計出好用的 data model 應該不會是太難的事情，但如果是新手，或是覺得自己對公司的商業模型還是一知半解，系列文也會從平易近人的角度出發，讓大家通靈出還算堪用的schema。

4.有時候跟技術能力、分析思維甚至是否要追求進步的意願一點關係都沒有

雖然我很想教大家如何透過「通靈」從頭到尾建構出好用的 data model，設計出有意義的指標，找出具有行動性的 Insight。但終究是商業分析 / 資料分析，理解商業是一件必須的事，對我來說，我甚至覺得如果看不見部門/公司的願景以及策略，上述的工作內容都不可能做的卓越。很多時候，不是我們不願意理解商業，而是商業無法理解，這時候，大家就知道該怎麼做了。

總之，這系列文章我會從大數據、資料分析的觀點切入指標設計以及資料模型的設計，最後則是 dbt （也許還有 Power BI) 的教學。還請大家不吝賜教。

最後，怎麼樣才是有影響力的分析師呢？業務單位願意採用你的建議落地執行才是有影響力的分析師。因此有時候分析能力不是那麼重要，彼此理解很重要，很會盤撋（ㄅㄨㄚˊㄋㄨㄚˋ) 更重要。如果你平常是從 SQL database 撈資料的，現在不妨找到工程師，求求他們在資料庫創建兩到三個 schema ，讓你有建 Table / 建 View 的權限吧！

*自建 table / view 有部分風險，開始前請詳閱公開說明書（跟你家工程師說一下你要幹嘛，跟他討論一下： i.e. 你以後資料可以直接丟到資料庫，不用做太多邏輯轉換，我這邊可以自己搞定，但要讓我自建 view 跟 table，你覺得會不會有風險或是讓你會有維運上的困難之類的。）