在我碩士班剛開始接觸到資料科學，還是個小菜鳥的時候，其實沒有覺得領域知識有多重要，過度自信的認為我只要有足夠的資料、夠豐富的分析工具和充足的資料探索，沒有找不出來的洞察。大概做資料科學的一年多以後，才真正發現自己大錯特錯，領域知識真的非常重要
少了領域知識的你，在每次拿著你覺得很自信的分析洞察去找第一線的使用者，他通常會跟你說一句話 『這我早就知道了，然後呢？』 ，然後你就會愣住，摸摸鼻子再回家繼續做分析。
我們今天就來聊聊『領域知識』，這個好像很籠統的名詞到底是什麼？
簡單說就是 『接地氣』，但說的簡單，要怎麼接地氣呢？大概工作了幾年，整理出領域知識幾個重要的面向跟大家分享：『產業中追蹤與衡量成功的方法』、『產業的行話』、『產業生態系是怎麼運作的』。
除非你的產業是全新產業，不然產業中通常會發展出自己衡量成功的方式以及生產過程中應該關注什麼指標。有些比較成熟的產業甚至會有屬於自己的一些分析模型。
RFM模型根據顧客的三個關鍵維度來進行分類，用來評估顧客價值和行為，包含Recency, Frequency, Monetary。
推薦系統是電商網站和串流媒體平台（如Netflix）中不可或缺的技術，根據使用者的行為數據、自身偏好和歷史紀錄，提供個人化內容推薦。推薦系統的目的是幫助使用者發現他們可能感興趣的產品、電影或內容，提升使用體驗，並增加使用者的互動和留存。
比較常見的有collaborative filtering(協同過濾) 、matrix decomposition(矩陣分解)、temporal analytics （時間序列分析）等模型方法來設計。
像我們研究室曾經做過的分析就是先透過 Non-negative matrix decomposition （非負矩陣分解）的技術做喜好的分析，再結合HSMM 模型做時間序列去推測用戶在下一個時間點會想買什麼樣的商品組合。
但別忘記重點還是回到我們前三篇聊到的『關鍵目標』是什麼。
發展時間越長的產業，常常會有他們的行話，像我們做教育的，老師常常說『學生的樣態』，一開始我也聽不太懂，常常說『學生的學習狀況怎麼樣』，一聽就很菜（誤。
懂行話為什麼很重要，重要的其實不是懂行話，而是了解你的產業和使用者。
重點在於『你有沒有掌握到你的目標用戶、你的產業真正在意的價值是什麼？』二是他們經常會藉此判斷『你是不是自己人』，是自己人就會更願意分享，願意幫助你。
如何了解你的產業行話，我最常做的就是兩個：『觀察傾聽』、『歸納整理』，其實沒有太多訣竅
觀察傾聽：保持真正好奇的去和你的使用者相處，一個月不懂就兩個月，就先安靜的聽，我覺得 『謙虛』、『好奇』、『保持尊重』是最重要的關鍵。若真的需要，也可以去學習掌握一些心理學、使用者訪談技巧，讓你的使用者願意打開心胸和你交流，但請記得：任何的技巧都比不上『真誠地傾聽』。
歸納整理：現在有蠻多能幫助你快速彙整資訊的工具，像我經常用互動協作性很高的 figma來做發散探索貼便條紙再整理。這裡我不太建議你馬上使用生成式AI 的工具去做彙整，收集雜亂的意見、觀察，歸納整理這個過程很花時間但非常必要，無法請任何人、任何工具代勞。
這邊產業的生態系有兩個面向：『組織外』、『組織內』。
在整個產業的生態系裡，會有許多不同的階段分工、不同的公司，他們各自扮演什麼樣的角色，負責什麼樣的關鍵產出，誰的話語權較高、誰的議價能力較好，都是很重要的關鍵。
雖然有點學院派，但工作一段時間開始負責策略，回頭發現 Michael Porter 的五力分析，其實蠻好用的。五力分析包含：『新進入者的威脅』、『供應商的議價能力』、『買方的議價能力』、『替代品的威脅』，以及『產業裡現有的競爭對手』
有句老話『知己知彼』，組織外就是知彼，如果你想讓資料分析的洞察，發揮更大的價值，讓組織真正採取行動，你也該好好的『知己』。
既然你已經瞭解了整個產業的生態，你可以依據這三個步驟來掌握公司內的狀況：
第一步：你可以先了解公司在整個產業的什麼位置，包含你的想法、不同成員的認知，最後試著抓出大家對於『公司最關鍵產出』的共識、歧異。
第二步：了解公司內的部門分工，以及設定的年度目標，從『公司最關鍵產出』再往下拆分到每個部門，是不是真的有對應到，有什麼可能問題。
第三步：掌握重要的利害關係人，在每個關鍵的生產階段，都會有一些重要的利害關係人，這些人可能是主管，也可能不是主管，但你可以試著整理『什麼問題，可以問誰』，這樣的對應關係。
今天聊了領域知識，把這個看起來很抽象的概念，拆解成實際包含了『產業中追蹤與衡量成功的方法』、『產業的行話』、『產業生態系』，我也曾經踩過很多領域知識的地雷，總結其實最終要的就是保持好奇心的去了解你的產業、你的使用者。我蠻喜歡 《MIT最打動人心的溝通課》的『謙遜提問』，曾經做成簡報，就用來作個結尾送給你。
iThome鐵人賽
看影片追技術