104學習精靈

數據整理

數據整理
關注
邀請朋友
邀請朋友

Line

Facebook

複製連結

取消
關於教室
關注人數 30 人
104人力銀行從職缺中挑選出常見技能所成立的官方教室,提供大家進行共學互動。
學習主持人
持續分享知識,
有機會成為官方教室主持人
教室標籤
關於教室
關注人數 30 人
104人力銀行從職缺中挑選出常見技能所成立的官方教室,提供大家進行共學互動。
學習主持人
持續分享知識,
有機會成為官方教室主持人
教室標籤
Hi~ 歡迎分享學習資源,有學習問題可匿名向Giver發問!
我要分享
我要提問

數據整理 學習推薦

全部
影片
文章
104學習精靈

產品

2022/01/09

VLOOKUP功成身退!全新函數XLOOKUP霸氣取而代之!
更多免費學習與證照資訊,都可加入【104學習精靈】官方帳號
VLOOKUP 會針對lookup_value 搜尋及傳回值的儲存格範圍。 您可以使用命名範圍或資料表,而且您可以在引數中使用名稱,而不是儲存格參照。
使用XLOOKUP 函數來按列尋找表格或範圍中的專案。 例如,以零件編號來查看汽車零件的價格,或根據員工識別碼尋找員工名稱。
菜鳥救星Excel教學:最新函數XLOOKUP取代VLOOKUP
在網路看到這個學習新知,與大家分享唷!
3 0 790 2

熱門精選

104學習精靈

產品

04/25 15:52

【限量:免費報名】利用AI自動化行銷|直播講座
講座詳細資訊
時間:04/30(二) 20:00 - 21:00
講者:圭話行銷創辦人 何佳勳 / 業界資深的數位廣告行銷專家
主題:行銷新篇章:AI如何革新檔期活動策略
在這個數位化的時代,AI技術正以驚人的速度改變著我們的行銷方式。檔期促銷活動面對的受眾眾多,難以精準定位目標受眾,進而影響活動效果、每次規劃檔期活動都需要創造吸引人的內容和促銷方式,但長期以來,創意卻逐漸耗盡、想要掌握AI如何革新檔期活動策略的最新動向嗎?
你也在苦思如何創造不同以往、有別競品的檔期活動嗎?104學習精靈與緯育TibaMe,攜手邀請到數位廣告界專家 圭話行銷創辦人何佳勳老師。學員們都稱呼他為小圭老師,不僅熱愛與學員社群互動、對學員有問必答,更善於為客戶的製造許多驚喜及營收,一起期待老師分享如何透過 AI 工具提升30%的檔期活動成效吧~
1 0 1369 0
104學習精靈精選課程
看更多課程
想提升職場競爭力?專業技能課程看起來👇
成為數據分析師的第一把鑰匙:用Python實作三個資料分析專案
課程介紹 人力銀行徵才上,不只是資訊科技業,而是化工業、台灣大車隊、金融業、電信業、甚至是房仲業,各行各業都在搶數據分析師! 徵才月薪至少有四萬元以上,對於大學畢業生及工作一兩年想轉職的人,都是極佳的投入機會。 想要當數據分析師,不一定非要資工資管背景,跟著容噗老師學習,文科生也能轉職成為數據分析師! 有別於市面上的資料分析課程都是以程式教學為大宗,非工科生有點難以進入。 容噗老師以非工科生成功轉為數據分析師的經驗、第一線職場實戰角度出發,來設計這門課程,適合零基礎、初入門、想轉職作數據分析師的你! 學會本課,讓你徹底掌握數據分析師的必備技能,充分的模擬資料分析練習,學完還讓你帶走三個具有高度移植性的資料分析專案,提供程式碼下載,以利與職場接軌。 文科生不用怕,容噗老師會教導Python基本程式邏輯及技巧,懂了邏輯,運用網路免費程式資源將如魚得水! 為什麼需要這門課? 資料分析演算法眾多,到底哪些才是第一線在用的? 別多花時間學用不到的,學習最實用的數據分析實戰技巧! 分析思維與職場溝通不是看看網路文章就可以簡單學會的,一份資料的分析方向是需要透過自己清晰的思路,以及與各單位溝通結果來決定的。 看圖說分析的檢討報告時代已過,老闆們更想知道的是未來會發生甚麼事,Python的預測模組非常完善,本次課程會帶領學員正式接觸預測模型。 大數據時代下,資料量日與遽增,傳統Excel能處理的資料量有限,Python這種程式語言會是未來的趨勢。 以最短的時間輕鬆上手Python工具,邁入數據分析師的領域。 課程大綱 PART1: 數據分析師簡介 大數據及常見分析工具的介紹,R、Python、SQL、Excel優缺點 數據分析師的專業技能: 資料整理、資料分析、分析報告 數據分析師的職場定位&工作夥伴 學習資源介紹: Kaggle平台操作 & YouTube 頻道介紹 PART2: PYTHON基礎 Python – Anaconda安裝 Python – Spyder啟用 Python – 介面介紹 Python – 套件安裝 Python – Pandas、sklearn套件介紹 Python – 函式介紹與使用 PART3: PYTHON新手村: 巨量資料整理 資料整理 vs 資料清理 Pandas – data格式簡介&檔案讀取與輸出 Pandas – 行列整理、篩選 Pandas – 排序、移除重複、取代 Pandas – 格式轉換(character、date、float、int) Pandas – 合併、串接 Pandas – 字串取代、篩選、合併 Pandas – 樞紐 PART4: FACEBOOK用戶資料探索(EDA) - 模擬公司會員資料(CRM) 你將學習到本專案藉由Facebook資料來模擬職場真實的會員資料(CRM),透過一層層收斂的分析邏輯,準確提供需求方有用的資訊,例如男性會員與女性會員的價值差異,哪些客群應該投入更大的行銷資源,以換取更大的利益。 常用統計量的應用說明: 四分位、眾數、MSE、MAE、MAPE、R2、acc 資料探索(EDA) 資料清洗 – NA值處理 資料清洗 – 離群值處理 資料視覺化 資料探索結論 提供程式碼下載 PART5: IKEA 商品折扣預測 - 模擬公司商品銷售資料 你將學習到本專案藉由IKEA資料來模擬職場真實的商品銷售資料,透過一層層收斂的分析邏輯,預測哪些商品該給予折扣,哪些商品不用,以避免公司內折,換取更大的利益。 分析需求確認 | vs 行銷人員&主管&老闆 資料探勘 | vs 資料庫人員: 資料理解 資料探勘 | 隨機森林、XGBoosting、SVM演算法教學 特徵篩選 | R2教學 特徵壓縮 | PCA教學 隨機抽樣 | 28 & 37法則 模型調參 | 各演算法重要參數說明 模型診斷 | 損失函數說明 模型結果說明 提供程式碼下載 PART6: 特斯拉股價預測 - 模擬公司營收資料 你將學習到本專案藉由特斯拉資料來模擬職場真實的營收資料,透過一層層收斂的分析邏輯,預測未來的股票價格,讓高層了解公司未來走向,提早做好策略。 特斯拉股價預測 預測盲點補充 模型準確度不佳怎麼辦? 提供程式碼下載 300%解鎖: 模擬客服文字資料第1步 - GOOGLE評論資料清理 專案說明:本專案藉由Google評論資料來模擬職場真實的客服文字資料,無論是公司內部或是網路輿情,文字資料無所不在,就讓容噗老師由文字資料清理,帶你進入自然語言處理(NLP)的領域吧。 安裝套件by終端機 文字資料介紹&整理 – jieba斷詞 文字資料清洗 – stopword 500%解鎖: 模擬客服文字資料第2步 - GOOGLE評論資料探索 專案說明:本專案藉由Google評論資料來模擬職場真實的客服文字資料,透過一層層收斂的分析邏輯,快速理解民眾每天所討論的內容,節省人工閱讀的時間。 文字常用統計量 – TF-IDF 文字資料視覺化 文字資料探索結論 700%解鎖: 模擬客服文字資料第3步 - GOOGLE評論資料探勘 專案說明:本專案藉由Google評論資料來模擬職場真實的客服文字資料,透過一層層收斂的分析邏輯,抓出風向者、關鍵主題,節省人工閱讀評論的時間。 文字資料探勘 – 風向者偵測 文字資料探勘 – 主題挖掘LDA演算法 1000%解鎖: GITHUB介紹 程式人用的GOOGLE CLOUD 如何用 GitHub 製作履歷,增加轉職成功率 教師介紹 容噗老師 學歷:東吳大學資料科學系碩士 專長:巨量資料分析、統計檢定、機器學習(預測建模)、跨部門溝通 經歷:上市櫃公司之數據分析師 教學經驗:YouTube千人訂閱教學頻道-- 容噗玩Data、R語言線上講師
Mastertalks
成為數據分析師的第一把鑰匙:用Python實作三個資料分析專案
課程介紹 人力銀行徵才上,不只是資訊科技業,而是化工業、台灣大車隊、金融業、電信業、甚至是房仲業,各行各業都在搶數據分析師! 徵才月薪至少有四萬元以上,對於大學畢業生及工作一兩年想轉職的人,都是極佳的投入機會。 想要當數據分析師,不一定非要資工資管背景,跟著容噗老師學習,文科生也能轉職成為數據分析師! 有別於市面上的資料分析課程都是以程式教學為大宗,非工科生有點難以進入。 容噗老師以非工科生成功轉為數據分析師的經驗、第一線職場實戰角度出發,來設計這門課程,適合零基礎、初入門、想轉職作數據分析師的你! 學會本課,讓你徹底掌握數據分析師的必備技能,充分的模擬資料分析練習,學完還讓你帶走三個具有高度移植性的資料分析專案,提供程式碼下載,以利與職場接軌。 文科生不用怕,容噗老師會教導Python基本程式邏輯及技巧,懂了邏輯,運用網路免費程式資源將如魚得水! 為什麼需要這門課? 資料分析演算法眾多,到底哪些才是第一線在用的? 別多花時間學用不到的,學習最實用的數據分析實戰技巧! 分析思維與職場溝通不是看看網路文章就可以簡單學會的,一份資料的分析方向是需要透過自己清晰的思路,以及與各單位溝通結果來決定的。 看圖說分析的檢討報告時代已過,老闆們更想知道的是未來會發生甚麼事,Python的預測模組非常完善,本次課程會帶領學員正式接觸預測模型。 大數據時代下,資料量日與遽增,傳統Excel能處理的資料量有限,Python這種程式語言會是未來的趨勢。 以最短的時間輕鬆上手Python工具,邁入數據分析師的領域。 課程大綱 PART1: 數據分析師簡介 大數據及常見分析工具的介紹,R、Python、SQL、Excel優缺點 數據分析師的專業技能: 資料整理、資料分析、分析報告 數據分析師的職場定位&工作夥伴 學習資源介紹: Kaggle平台操作 & YouTube 頻道介紹 PART2: PYTHON基礎 Python – Anaconda安裝 Python – Spyder啟用 Python – 介面介紹 Python – 套件安裝 Python – Pandas、sklearn套件介紹 Python – 函式介紹與使用 PART3: PYTHON新手村: 巨量資料整理 資料整理 vs 資料清理 Pandas – data格式簡介&檔案讀取與輸出 Pandas – 行列整理、篩選 Pandas – 排序、移除重複、取代 Pandas – 格式轉換(character、date、float、int) Pandas – 合併、串接 Pandas – 字串取代、篩選、合併 Pandas – 樞紐 PART4: FACEBOOK用戶資料探索(EDA) - 模擬公司會員資料(CRM) 你將學習到本專案藉由Facebook資料來模擬職場真實的會員資料(CRM),透過一層層收斂的分析邏輯,準確提供需求方有用的資訊,例如男性會員與女性會員的價值差異,哪些客群應該投入更大的行銷資源,以換取更大的利益。 常用統計量的應用說明: 四分位、眾數、MSE、MAE、MAPE、R2、acc 資料探索(EDA) 資料清洗 – NA值處理 資料清洗 – 離群值處理 資料視覺化 資料探索結論 提供程式碼下載 PART5: IKEA 商品折扣預測 - 模擬公司商品銷售資料 你將學習到本專案藉由IKEA資料來模擬職場真實的商品銷售資料,透過一層層收斂的分析邏輯,預測哪些商品該給予折扣,哪些商品不用,以避免公司內折,換取更大的利益。 分析需求確認 | vs 行銷人員&主管&老闆 資料探勘 | vs 資料庫人員: 資料理解 資料探勘 | 隨機森林、XGBoosting、SVM演算法教學 特徵篩選 | R2教學 特徵壓縮 | PCA教學 隨機抽樣 | 28 & 37法則 模型調參 | 各演算法重要參數說明 模型診斷 | 損失函數說明 模型結果說明 提供程式碼下載 PART6: 特斯拉股價預測 - 模擬公司營收資料 你將學習到本專案藉由特斯拉資料來模擬職場真實的營收資料,透過一層層收斂的分析邏輯,預測未來的股票價格,讓高層了解公司未來走向,提早做好策略。 特斯拉股價預測 預測盲點補充 模型準確度不佳怎麼辦? 提供程式碼下載 300%解鎖: 模擬客服文字資料第1步 - GOOGLE評論資料清理 專案說明:本專案藉由Google評論資料來模擬職場真實的客服文字資料,無論是公司內部或是網路輿情,文字資料無所不在,就讓容噗老師由文字資料清理,帶你進入自然語言處理(NLP)的領域吧。 安裝套件by終端機 文字資料介紹&整理 – jieba斷詞 文字資料清洗 – stopword 500%解鎖: 模擬客服文字資料第2步 - GOOGLE評論資料探索 專案說明:本專案藉由Google評論資料來模擬職場真實的客服文字資料,透過一層層收斂的分析邏輯,快速理解民眾每天所討論的內容,節省人工閱讀的時間。 文字常用統計量 – TF-IDF 文字資料視覺化 文字資料探索結論 700%解鎖: 模擬客服文字資料第3步 - GOOGLE評論資料探勘 專案說明:本專案藉由Google評論資料來模擬職場真實的客服文字資料,透過一層層收斂的分析邏輯,抓出風向者、關鍵主題,節省人工閱讀評論的時間。 文字資料探勘 – 風向者偵測 文字資料探勘 – 主題挖掘LDA演算法 1000%解鎖: GITHUB介紹 程式人用的GOOGLE CLOUD 如何用 GitHub 製作履歷,增加轉職成功率 教師介紹 容噗老師 學歷:東吳大學資料科學系碩士 專長:巨量資料分析、統計檢定、機器學習(預測建模)、跨部門溝通 經歷:上市櫃公司之數據分析師 教學經驗:YouTube千人訂閱教學頻道-- 容噗玩Data、R語言線上講師
Mastertalks
(線上)大數據分析與管裡 – 我們與生成式AI 合作的新工作模式
將教授大數據分析的能力,介紹資料探勘(Data Mining)的演算邏輯,並且教授套裝軟體的操作。授課講師將在眾多的大數據分析演算法裡,教授目前業界最實用的分類法(Classification),並使用其中最符合人類感知的決策樹(Decision Tree),來解構相關人力資源的問題。此部分也將以企業的真實個案,來詳細分析員工的績效考核、PIP 因素。另外,也分析在職/離職詳細原因為何,提供人力資源管理者,進行可執行的方案,實際地解決問題。此部分的工具,將採用SPSS Clementine (Trial)的視覺化拖拉套裝軟體(毋須寫程式),來進行教學。在大數據管理中,本課程將教學企業的數據策略,以及KPI 與數據分析的正確連結,並且也說明大數據執行前的邏輯思維。   初步瞭解,請參考講師撰寫於「哈佛商業評論」的文章,網址為:https://www.hbrtaiwan.com/article_content_AR0009753.html。   以上的授課內容當中,我們也會使用到生成式AI 的工具,讓它們成為我們的得力小幫手,說明如何運用它們,使我們可以更節省時間且更有效率,但卻不失去甚至更佳的產出品質,於我們大數據分析與管理工作上,達到人類與AI 一起合作共好的未來工作新模式。  在大數據、人工智慧與Web 3.0的浪潮下,有效地運用數據與商業分析,儼然成為管理者所應具備的關鍵能力之一。目前有太多的資料分析演算法及數據分析工具可供企業運用,然而大部分非計量與演算背景的管理者,對於如何運用這些數位資源,普遍不太能有效地管理與創造其數據價值,也缺少了應有的數據策略與管理思維。   因應企業數位轉型的需求,針對企業人力資源與其他功能的管理者,本課程將教授大數據的兩項重要課題,第一個是大數據分析的能力,包含資料探勘(Data Mining)的演算邏輯及套裝軟體操作,第二個是大數據的管理思維。於前者,管理者能夠藉由認識大數據的演算,瞭解其背後的運作原理,如此可以有效地來解構自己在職場上的問題,找尋合適的演算法與工具,來進行數據分析。於後者,目前幾乎沒有課程探討大數據的管理哲學,但卻是擔任企業數據管理者,所必備之能力。   然而,因應生成式AI 的到來,未來人類的工作、學習與生活模式,將因此而大幅改變,我們如何運用ChatGPT、GPT 4.0、Canva、Stable Diffusion…等AI 生成式工具,來幫助我們在大數據分析與管理的工作上,更有效率與更佳的產出品質,也是本課程要教授的重點。
中華人資協會
Python全方位期貨課程 - 從基礎、爬蟲、回測、LINE提醒到AI應用
課程範例展示 完整分析期貨策略風險與報酬,並快速優雅的產出精美圖表。(圖上報酬為模擬示意) 利用回測框架演算期貨策略最適參數及其對應的報酬、MDD及Sharpe Ratio,迅速算出策略最適合參數。 (下欄位與參數數值為模擬,實際值以課程為主) 利用手邊現有資料,開發出市場警示、提醒程式,利用排程自動執行並透過Line Notify服務通知。 除基本的介紹與機器學習模型應用,我們使用一些深度學習及強化學習模型預測期貨價格、漲跌、交易等。(強化學習將於500%解鎖章節教授) 課程說明 您最需要的Python期貨程式交易,都盡在此課! 使用Python做出程式交易全方位的應用,讓你在程式交易的領域面對何種需求都能輕鬆應對,尤其是針對期貨保證金交易的模式,仍然能得心應手。當你學會期貨程式的撰寫之後,就算轉戰股票市場你也會覺得相當輕鬆,反之由股票交易程式轉戰期貨交易程式時常讓人手足無措。 (本課程包含三堂少量的用於股票的應用,因考量到台股高權值股對於台指的重大影響,因此在一些市場偵測的章節會有部分股票應用) 您是否有以下疑問? 還在人工看技術指標評估自己的策略? AI看起來很高深的樣子,完全不敢接觸 想出了好策略或是好的輔助指標卻不知道如何做成服務 市面上大多數是股票課程,課程偏少,網路上資源也較少 1.學會用程式,幾秒鐘即可獲得全面的策略分析! 許多投資者仍然是看著手機APP與技術指標來驗證自己的策略,這樣不僅速度慢,而且不全面。許多人人工驗證了其中一年就確信了自己的策略可行,實際操作時虧損慘重。如果你懂了程式,十年的資料可以在數秒鐘就回測完成,並且透過套件可以獲得非常全面的策略分析,我們會帶著你應用backtrader回測框架快速驗證期貨策略。 2.強大的AI模型,就算是程式小白也可以應用! AI確實是一門非常學術且具備高門檻的領域,但你我可能都並非是走研究學術路線,有了許多巨人替大家開發許多好用強大的AI模型,我們可以很輕易地呼叫這些強大的模型去學習自己的目標,應用並不困難。在本課程中我們將會示範機器學習(Machine Learning)與深度學習(Deep Learning)如何快速簡易的應用在期貨市場,並於解鎖課程中加入強化學習(Reinforcement Learning)的應用。 3. 運用程式進行盤中檢測 當你有好策略或是好的市場掃描程式,卻不知道如何做成服務嗎? 我們會教你如何使用windows排程自動執行你的程式,並讓程式透過Line Notify很簡單的發送Line訊息給你的使用者。時刻監控市場,並達到及時提醒。 4. 少見的全方位期貨課程 是的,不僅是課程,網路上的資源期貨也是偏少。股票的受眾較廣,且程式設計上較為容易,但期貨為保證金交易模式,許多程式設計或是回測框架這部分都會顯得比較複雜,本課程會點出一些關鍵的要點,讓你掌握期貨這方面的程式設計。 這堂課適合誰 苦於人工驗證交易策略,想要高速回測期貨策略 對期貨交易軟體感到無法滿足需求,想要高度自由化 對於Python於期貨市場的應用有高度興趣的初學者 對於爬蟲感到陌生,尤其是動態網頁更是不知所措 有良好的想法,但苦於不知道如何自動化並作成簡單的服務 想要生成專業又漂亮的策略回測結果圖表,卻不知從何下手 對於AI模型無基礎,但又想要嘗試看看,體驗模型的效果 教師介紹 張峮瑋 Arleigh Chang 黃仕勳 Ryan Huang 【老師的話】 大家好,我是《Python全方位期貨課程》的老師峮瑋(Arleigh)。 我曾經待過野村投信(NOMURA),也曾在東吳自然語言處理實驗室研究過模型與金融市場的議題 現在則替私人操盤手撰寫交易程式, 以Python為主,範圍包含程式交易、策略回測、AI應用於市場、資料採集、市場監測機器人等。 這些範疇正是我在課程中想要教給你的,我會將現在的工作環境會使用到的技術,在課程中透過實戰的方式讓你融會貫通。 歡迎大家一起加入這門線上課程!有任何問題歡迎提問,我會親自回覆。 【出版書籍】 - 著有《Python金融市場賺錢聖經》,曾榮登多個平台新書暢銷榜 【學歷】 - 就讀臺科大資管所,研究 AI 應用於金融交易市場 - 畢業於臺科大資工系 輔系財金系 【工作資歷】 - 現任野村投信(NOMURA) IT部門實習生 - 臺科大資工系資料探勘與社群網路分析實驗室成員 - 曾任臺科大 資管所行動計算與資料探勘實驗室成員 - 曾任程式語言家教,協助多位無程式經驗學生從0開始 - 多項AI產學合作經驗,涵蓋深度學習、自然語言處理、社群網路分析 - 曾任 IOH 開發開放個人經驗平台校園大使,演講 10 所高中職 - 曾於 IOH 分享個人講座 課程大綱 PART 1:PYTHON基礎教學 – 基礎講解+2道實戰上手PYTHON 1-1:Python下載、編譯器推薦、pip管理套件、虛擬環境 1-2:變數、運算元、運算子、資料型態及應用場景 1-3:for迴圈、while、if else判斷式、class簡介、def函式、經典套件介紹Pandas & numpy、Enumerate、Break/continue/pass、try/except 1-4:刷Leetcode簡單Two sum - 實戰演練1 1-5:手寫經典指標移動平均 – 實戰演練2 PART 2:資料來源與技術指標 – 熟悉爬蟲,資料來源無虞 2-1:台指資料分K轉換與計算技術指標 2-2:爬蟲介紹與基本SOP、Selenium應用場域 2-3:爬蟲實戰1: 證交所三大法人資訊 2-4:爬蟲實戰2: 期交所報價爬取 (Selenium) 2-5:爬蟲實戰3: 三大法人多空方口數與未平倉口數 2-6:即時資料 - 永豐API基本使用介紹(Shioaji) PART 3:盤中監測市場 – 計算專屬指標,LINE隨時提醒 3-1:Line Notify介紹 3-2:Windows排程呼叫程式自動運行 3-3:實戰1 – 三大法人買賣超統計資訊(股票) 3-4:實戰2 – 各大類股漲跌情況統計(股票) 3-5:實戰3 – 開盤前,昨日收盤指標有觸發訊號的提醒 PART 4:BACKTRADER回測策略+風險分析套件 – 高速回測策略,檢視完整報告 4-1:Backtrader介紹& Pyfolio示範 4-2:實戰回測1: 5ma & 60ma交叉策略 4-3:實戰回測2: 布林通道策略 4-4:實戰回測3: Momentum + 移動停利停損 4-5:實戰回測4: 以實戰1-3擇一為例,完整示範回測流程、演算最佳參數到pyfolio評估 PART 5:AI+期貨 – 玩玩模型應用在市場,體驗最新潮流 5-1:Deep Learning & Machine Learning & Reinforcement Learning簡介與資源推薦 5-2:實戰1: ML預測期貨漲跌 5-3:實戰2: DL預測期貨價格 5-4:實戰3: DL預測期貨漲跌 解鎖章節 200%:backtrader回測成果網頁可視化 500%:強化學習用於期貨交易學習範例 700%:python結合永豐API程式自動交易台指期範例 800%:回測配對交易範例
Mastertalks
2583 8
蔡明淳

作者

2022/01/02

行銷必備! 《使用數據的技術》文組生也能快速上手的方法
大數據正夯!許多人都想跨進數據的領域,成為資料分析師或資料科學家。就算不是立志想成為資料分析師,也越來越多人了解數據的重要性,希望將數據運用在自己的工作上,像是會計、行銷、管理等等,甚至使用數據來幫助自己做出投資理財更好的決策。但是從學生時代數學就很差,跟數字不熟,是文組生……到底怎麼跨入數據的領域呢?
此篇文章分享非常實用的一本書—《使用數據的技術:韓國星巴克第一數據科學家》,作者寫得很淺顯易懂,舉了很多比喻及實例,數據初學者也能快速上手!
以下整理書中的內容及融入個人的經驗:
1.1提出問題
數據是用來服務我們的,提出問題的那一刻,數據才有可能幫助我們,否則拿到再多數據都沒有意義。
解決任何問題之前,都要有不滿足及好奇心,好奇為什麼這個月業績成長了?而不是看到業績成長就「噢!好棒」……沒了。
1.2 設計數據
針對想解決的問題,好奇的問題,接下來要知道我們該如何設計數據,需要運用哪些數字解答。書中建議的方法很實用,叫做:拆解問題語句變成數據。
以一句話舉例:最近很流行的電商網站,那裡的包包賣得比其他地方便宜。
接著拆解:
.最近:具體時間點是什麼時候?可以用幾年、幾個月、幾週或是幾天說明嗎?
.很流行:很流行指的是什麼?銷售規模大嗎?銷售排行或成長率高嗎?是在特定族群中受歡迎嗎?在全台灣嗎?在台北嗎?還是特定年齡層經常使用的網站或服務?
.比其他地方:此電商網站的競爭對手是誰?有哪些和這個電商網站類似的商店?是只有賣包包的店嗎?還是只賣特定品牌的店?或是有賣各式各樣品牌的店?
.便宜:有多便宜?便宜幅度是10%嗎?跟全世界價格相比最便宜嗎?在網路或實體中最便宜嗎?是販賣正貨產品業者中,最便宜的嗎?所有的包包都賣得很便宜嗎?其他產品價格都差不多,但這個產品比較便宜嗎?整年度都很便宜,還是只有特定期間才便宜?
1.3 搜尋數據
接下來要用拆解句子裡的元素蒐集數據。蒐集數據不是一件簡單的事,世界上有很多很棒的公司從事販賣數據的服務,但這些服務以個人的身份未必能取可(可能價錢太高或資格不符)。
因此作者建議我們,需要絞盡腦汁思考:能夠拿到哪些數據?如果權限不足拿不到數據,有沒有其他的方法,或是有沒有哪些類似的數據可以替代?
數據依處理程度可分為四大類:
1.Log數據(原始資料)
2.數據表格(簡單加工)
3.商業儀表板(可直接應用,但難以從源頭變化)
4.報告書(可直接運用,方便操作,但沒什麼能更換的地方)
1.4 分析數據
這個步驟是作者說大家最想學,但又最難教的部分。作者建議初學者分析數據時必須抱持「大處著眼,小處著手」的心態。
大處著眼:先挑出數據中最好找,又能看到整體面貌的來仔細檢視,先做一份最有代表性的圖表,像是每日銷售、每月銷售或年度銷售等,數字隨時間推移的長條圖。
小處著手:親手從非常簡單的圖表畫起,用Excel也好,先確認歷史銷售型態,而不是先用演算模型預測銷售走向。如果自己親手做過一次,並了解其含義,下次碰到同樣情況,就能懂得運用相同手法。
2.1 拼出數據的拼圖
不要期待一個數字就能成為公司的轉捩點,重點在於要懂得用數據說故事。將多項分析洞察結果蒐集起來,能決定看到的方向。如果只靠單一分析結果難以斷定,多項數據的準確度就會提升。將分析的結果分門別類,重新排列分類好的內容,讓故事說得通順有理。
以做生意來說,可以用六何法(Who/When/Where/What/How/Why)整理答案,建議以消費者為主詞,也可以用特定店面或特定情況作為主詞。
在拼圖的過程中,若發現空白的地方要追加分析。但也要給自己決定的期限,不能無止盡分析下去。因為藉由數據得到洞察,進而採取動作改變市場,才是最重要的。
2.2 提出方向
提出方向不能講一些虛無飄渺的內容,也不能講一些人人都會講的內容,而是要提出以數據為基礎,具體且符合現實的行動方案。
範例:
(X)為了做出大眾會喜歡的產品,必須從多個角度檢視。
(X)必須做出OO口為的飲料,用OO色的包裝,必須在OO超市販賣。
(O)喜歡OO的顧客群,通常偏好OO口味和OO色。該客群經常在OO超市出沒。
2.3 數據分享
可透過商業儀表板或報告書分享數據,或選擇藉由兩者之中類似Data Studio等視覺化工具。向不同聽者報告時,需設計不同的故事大綱。(這點跟簡報的原則是類似的。)
2 0 435 1
15 0

推薦給你

知識貓星球

喵星人

1小時前

地震不再是不可預測的天災?AI 預測準確率達70%
最近,美國德州大學奧斯汀分校的研究人員開發了一種新的 AI 地震預測技術,成功預測了一週內將會發生的地震,預測準確率達到 70%!
在中國的實驗中,這個AI成功預測了320公里範圍內的14次地震,並且準確預測了地震的位置和強度。
雖然這個AI技術還是有錯過以及誤報的失誤,但70%已經是一個巨大的成果,可以有效幫助減少經濟損失和人員傷亡。
▶ Al地震預測技術如何運作?◀
● Al地震預測技術主要通過以下三個步驟來實現:
1. 數據收集:首先,需要收集大量的地震數據,包括地震波數據、地質數據、氣象數據等。
2. 數據分析:然後,利用AI技術對這些數據進行分析,找出地震發生前的規律和特徵。
3. 預測地震:最後,根據這些規律和特徵,預測未來可能發生的地震。
● Al地震預測技術具有以下優勢:
❶ 準確率高:AI技術可以從大量數據中找出傳統方法難以發現的規律和特徵,從而提高地震預測的準確率。
❷ 速度快:AI技術可以快速分析大量數據,從而縮短地震預測的時間。
❸ 範圍廣:AI技術可以對廣泛的地區進行地震預測,不受傳統地震儀的限制。
▶ Al地震預測技術的未來展望 ◀
AI地震預測技術的發展還處於起步階段,但其潛力巨大。隨著AI技術的進一步發展,地震預測的準確率和範圍將會進一步提高,為人們的生命和財產安全提供更加有效的保障。
● 以下是一些AI地震預測技術未來發展的可能方向:
❶ 開發更準確的AI模型:通過不斷研究和完善AI模型,提高地震預測的準確率。
❷ 融合多種數據源:將地震波數據、地質數據、氣象數據等多種數據源融合在一起,進行分析,提高地震預測的準確率和範圍。
❸ 開發實時地震預警系統:開發實時地震預警系統,為人們提供更及時有效的預警信息。
Al地震預測技術的發展,為地震預測和防災減災工作帶來了新的希望。相信在不久的將來,地震將不再是不可預測的天災,人們將能夠更加有效地應對地震災害,減少地震造成的損失!
➤ 立即關注【AI趨勢報-科技愛好者的產地】獲得更多科技新知!
0 0 32 0
你可能感興趣的教室