故事起點 (Why Me, Why Now?)

你好！我是瀚文 (Han-Wen)，統計系畢業，熱愛數據卻在求職路上意外闖進 Java 後端世界的學習者。

大學期間，有幸在台新銀行擔任 AI 實習生，親手使用 Python (Transformers, Gradio, OpenAI API) 建立了 GPT-4 自動化評測框架，這段經驗為我打開了數據科學的大門。雖然成果豐碩（例如提升了40%的評測效率），但我最大的收穫，是深刻體會到：所有亮眼的 AI 模型，其根基都建立在扎實的數據處理之上。

這份經驗點燃了我深入數據領域的熱情。

台新銀行創新應用部「AI訓練師」

驅動參加鐵人賽的動機：一次「名不符實」的求職經歷

退伍後，我懷著這份熱情，應徵了一份職稱是**「資料工程師」**的工作。職務說明 (JD) 上寫滿了令人興奮的關鍵字：ETL/ELT、PySpark、SQL 與 AWS 雲端服務——這正是我渴望實踐的戰場。

然而，實際入職後我才發現，這是許多數據新手的共同挑戰：名為「數據工程師」，實則為**「Java 後端維護」**的職位。

這次的「繞路」，沒有澆熄我的熱情，反而讓我更加確定：紙上談兵不如親身實踐，掌握真正的數據核心技能，是我唯一的道路。

這就是我開啟這次 iThome 鐵人賽挑戰的初衷。

這趟旅程，將探索什麼？ (The "What")

在這 30 天的挑戰中，我們將扮演數據偵探，圍繞著一個真實的商業場景，學習並駕馭以下核心工具：

語言：

• Python： 我們將駕馭 Python 的「數據分析三劍客」：NumPy (打好科學計算的基礎)、Pandas (整理與操作數據的瑞士刀)、以及 Matplotlib (讓數據開口說話的畫家)。

• SQL： 我們將學習與資料庫對話的通用語言，從中高效地提取我們需要的資訊。

• 數據集：巴西 Olist 電商數據集
  這不僅是一堆 CSV 檔案，而是一個真實電商平台的完整縮影。將從客戶 (customers)、賣家 (sellers) 的基本資料出發，追蹤每一筆訂單 (orders)** 的生命週期，拆解訂單內的商品 (items) 與支付 (payments) 細節，最後再分析顧客留下的評論 (reviews)，一步步揭開商業行為背後的秘密。

olist_customers_dataset.csv：買家個人資訊表格。
olist_order_items_dataset.csv：訂單商品資訊。
olist_order_payments_dataset.csv：訂單支付資訊。
olist_order_reviews_dataset.csv：訂單評論。
olist_orders_dataset.csv：訂單物流資訊。
olist_products_dataset.csv：商品資訊。
olist_geolocation_dataset.csv：各郵編代碼所指地區的經緯度。
olist_sellers_dataset.csv：賣家資訊。
product_category_name_translation.csv：商品葡萄牙文翻譯英文對應格。

作戰計畫 (The "How")

本系列的核心方法論是**「實戰驅動，做中學」**。將直接以 Olist 電商專案貫穿全程，遇到不懂的語法或觀念時，再暫停下來查閱資料，搞懂之後立刻回到專案中應用。我相信，這是內化知識最有效率的方式。

預計的 30 天路線圖：

• 第一週：基石建設 - 環境建置與 NumPy 基礎

  • 目標：完成所有開發環境的安裝與設定，並透過 NumPy 掌握 Python 數據處理的底層核心——高效能的 n 維陣列 (ndarray) 操作。

• 第二至三週：核心攻略 - Pandas 數據處理與清洗

  • 目標：這將是本系列的核心。將深入學習如何使用 Pandas 讀取、清理、轉換、篩選、分組與聚合 (Group By) Olist 的真實數據，將原始資料，整理成可用於分析的乾淨表格。

• 第四週：視覺化呈現與 SQL 資料庫整合

  • 目標：學習用 Matplotlib 將我們的分析發現，轉換成清晰易懂的商業圖表。最終，會將清理乾淨的數據匯入本地 MySQL 資料庫，並學習用 SQL 進行驗證查詢，打通數據的任督二脈！

邀請與約定 (Join Me!)

這是我對自己的承諾，也是對各位讀者的邀請。在接下來的 30 天，我會每天分享我的學習進度、實作程式碼與筆記。

所有本系列使用的程式碼，都會同步更新到我的 GitHub 專案中：
點擊這裡前往我的 GitHub 專案

如果您也正走在數據的道路上，或對這趟旅程感興趣，歡迎「追蹤」我的系列文、在 GitHub 上給我星星 ⭐、或在文章底下留言提問，讓我們一起討論、共同學習，一步步地踏實前行！