IG愛心使用數變少？矽谷頂尖科技公司這樣考數據分析！

台灣科技業表現亮眼，也一直是國內經濟的主力項目之一，面臨科技業大缺工，各領域的佼佼者都想跳槽轉行，為自己增值加薪！但科技業以數據掛帥，難道只招收理科專業出身的人？

到底企業想要怎樣的人才？不妨參考Facebook、Instagram這樣的矽谷頂尖科技公司，招聘的時候怎麼考員工的數據分析吧！比如這樣的考題：「Instagram愛心的使用變少了，你要怎麼找出問題？」

1. 了解問題

要解決問題，不是立刻回答問題，而是要先深入了解問題。「變少」是變多少？什麼時候開始變少？是逐漸變少還是突然變少？變回來了嗎？愛心指的是給人貼文按「愛心」的那個功能嗎？還是在聊天裡頭按愛心的功能？「使用」變少指的是「給愛心的人」變少，還是「愛心被給的數量」變少，或是「看到愛心的人」變少？

2. 確定有問題

變少是因為埋碼追蹤有錯誤？或者分析指標的定義改了，比如原本有賣出都算營收，現在退貨的不算營收？還是因為季節性的關係，像是情人節過完了，所以隔天花當然就降價了？
 

3. 縮小問題範圍

比如使用愛心的人變少了，那是在iOS還是安卓上使用的人變少了？哪個App的版本使用的人變少了？是手機App還是網站上使用的人變少了？是哪幾天、哪個時間使用的人變少了？是在新聞牆上的愛心變少還是聊天窗裡的人使用愛心變少了？

如果不縮小問題，就像是大海撈針，你要數據分析師去找「看看昨天是不是有節日」，那以Instagram來說，有上百個國家的人使用，豈不是要花很多時間？
 

4. 檢視外部資訊

好了，現在你知道是法國Instagram在首頁新聞牆上使用愛心的人變少了，那你可以開始看有沒有外部事件，像是天災、選舉、節日、政策改變等。
 

5. 用戶體驗漏斗分析，檢視內部數據

確定了不是外部因素，就可以依照用戶體驗的流程順序，逐一檢驗是哪個步驟的功能壞了。比如說，要有人回愛心得先有人貼文，那你先看一下貼文的人數有沒有變少？接著，貼文的人每個人貼文的數量有沒有變少？

再來，貼文要透過演算法讓用戶看到，那看到貼文的人數有沒有變少？每個看到貼文的人所看到的貼文數量有沒有變少？然後，要點愛心的話要先試著點愛心，但試點愛心的人數有沒有變少？接著要點擊成功，那點愛心成功的數量有沒有變少？點了愛心還可以取消，但取消愛心的人數有沒有變多？成功被取消的愛心數量有沒有變多？

確定知道要分析什麼，下一步則是了解怎麼使用分析軟體，然後看軟體自動生成的分析數據。

你看，講了這麼多，大部分數據分析的架構是不是根本跟數學沒有關係？！如果最後需要，才是用數學和統計把數據做進階的分析和建模預測，在此之前，所有步驟都不太需要數學啊！

對的！數據分析力，有一大半其實就是思考力、邏輯力啊，所以，人人都可以在日常的工作和生活中運用數據分析，數據分析絕對不是理科人的專利！

本文出自：《為自己再勇敢一次：矽谷阿雅的職場不死鳥蛻變心法》，作者：鄭雅慈（矽谷阿雅），先覺出版社