〔行銷資料科學〕筆記整理＆心得
為何行銷人要學資料科學？行銷、資料、科學與行銷資料科學分別是什麼意思呢？數據如何用於決策？我想學！但可以如何精進呢？
（筆記整理自：台科大企管系林孟彥教授－行銷資料科學課程）
為何行銷人要學資料科學？
“Without good information, managers are left to guess — and in today’s fast-changing markets, that invites failure.”——Perreault and McCarthy
「若沒有好的資訊，在變化如此快速的市場中，決策者只能透過猜測或直覺做決策，而這將迎來失敗。」
這句話讓我想起誠品創辦人吳清友先生的管理哲學，表面看似浪漫經營著誠品，背後需要務實起來時，全公司上下同仁都知道，他時時講究「提出數字！」（同場加映：誠品的經營管理故事〈《誠品時光》 — — 在書與非書之間，我們閱讀〉Written By 徐佑昀 ）
相信任何一間公司都是，當在面臨決策難題時，最能客觀輔助的就屬數據了。心中想像著最後呈交上去的，是乾乾淨淨的圖表，佐以自己的建議，但事實可能是，幕後工作將幾經波折——敗筆可能在於，不會搜集數據、沒有資料結構概念、不會使用Excel、不會將表格轉換為圖表、甚至還不懂這些數據對你說了些什麼、怎麼用。
特別對於行銷人員來說，市場、產品、客戶、競品等千萬筆資料，若只會用傳統的笨方法分析，將耗時耗腦。因此，要如何運用正確的工具、爬梳出數據中隱藏的秘密，進而修正策略、驗證市場，那將會是在大數據潮流中致勝的關鍵。
何謂行銷、資料、科學與行銷資料科學？
在學行銷資料科學時，當然得先拆解並定義一番。
一、行銷
對於「行銷」的解釋有許多種，但我個人所認知的意義，是在資源有限且多變的環境下，擬定產品、通路、銷售、定價策略，將產品、服務、概念，傳遞給顧客。老師上課時特別強調，在這整個行銷過程中，會有眾多環境變因需要監控，以便隨時能調整策略，增加打中目標客群的機率。
二、資料
而就「資料」（Data）來說，它是未經整理過的，但經組織整理過後，就會成為有用的「資訊」。
除了定義之外，老師還說明了三項資料的分類方式：
- 依來源分類：分為內外部資料， 內部資料如公司裡不對外公開的機密資料，外部資料如Open Data等。
- 依蒐集者分類：分為初級資料、次級（二手）資料等。
- 依結構分類：如SQL（Structured Query Language）指的是「結構化查詢語言」，資料有固定格式與欄位等，可以想像成是一個欄目清楚的表格；相對來說，NoSQL（Not Only SQL），意指「不只是SQL」，是為非結構化或半結構化的資料，如圖片、文件、語音檔等。
三、科學
最後是針對「科學」來看，韋氏字典的定義為「 針對所欲瞭解之對象，進行觀察、研究與試驗，而得到的有系統知識」，我個人解釋，就是「用有系統的方式獲得知識」。
四、行銷資料科學
給定三關鍵字定義後，針對「行銷資料」、「資料科學」以及「行銷資料科學」，可就比較能理解了。
「行銷資料」：在行銷歷程中所產生的資料。
「資料科學」：在2001年被視為單獨的學科，定義是「透過科學化方式，對資料進行分析的學問，此科學的存在目的，在於解決問題。」
在兩相結合之下——
「行銷資料科學」：透過科學化的方式，對行銷資料進行分析的一門學問，以解決行銷管理的相關問題。
數據如何用於決策？
實際與大家分享最近看到的嘉義燈會的例子：
假如現在換成是你，被指派在嘉義要辦一場元宵燈會，於是你想透過結合時下最夯的寶可夢，在政府經費有限的狀況下，卻要達到50萬參觀人次的KPI，並且正在思考，
- 如何用數據說服Niantic在不收授權金、不簽合約的狀況下合作呢？
- 如何說服政府長官採用你的提案呢？
- 如何決定籌辦時間、評估人潮車潮以達到最大參觀人數但又避免壅塞呢？
攤開一想，可能得先在事前蒐集以下資料：
- 歷年燈會參觀人次、歷年合作廠商贊助本益比、網路效能資料…
- 寶可夢玩家人數、年齡層、預估參觀人次、預算規劃、預估收益…
- 歷年籌辦時間（週間週末、時點）、過年期間車流量、區域資料…
…
突發奇想，以一篇時事報導與大家一起感受，其實在資源投入前，有許多資料是需要被蒐集與分析，才可以說服多方利害關係人，讓合作廠商、長官點頭，並且達到行銷目標的。
平時我們常用的決策方式，主要像是猜測、經驗或直覺、研究等，但這憑常識就知道，雖然小事可以輕鬆決定，但若碰到較複雜的決策問題時，就得較嚴謹處理，就如同嘉義燈會的案例，最好的方式就是透過數據佐證。
而資料被轉化為資訊後，因為要使人易讀，得透過「資訊視覺化」，運用視覺化工具，簡明化的方式呈現，進而更了解資訊，做出更好的決策。（同場加映，資訊設計方法的鍛鍊：〈資料視覺化Data Visualization：圖表設計〉Wtitten By Shandy Tsai）
我想學！但可以如何自我精進呢？
不論是在學校或是離開後，自主學習都是非常重要的事情！若想另外再精進行銷資料科學，老師推薦了初中高階的自學菜單，我也將自己平常有在涉略的參考自學資源連結附上供大家參考：
一、初階：先學習資料科學的熱門語言 R & python
- 線上課程：
https://zh-tw.coursera.org/learn/r-programming
https://zh-tw.coursera.org/learn/python-data-analysis - 自學程式社群：
https://happycoder.org/
二、中階：學習Machine Learning
- 線上課程：
https://www.udemy.com/machinelearningchinese/
https://www.udemy.com/learn-r-the-easy-way-1/ - 優質技術文章：
https://blog.techbridge.cc/
三、高階：
- 台大電機系李弘毅教授：https://www.youtube.com/channel/UC2ggjtuuWvxrHHHiaDH1dlQ
- 全世界最大的資料科學平台Kaggle：
https://www.kaggle.com/
本堂課程心得
當初意外以外校生身份選上台科大林孟彥老師開的「行銷資料科學」。自己本身過去實習或工作，皆與行銷脫不了干係。但因主要偏向社群行銷，故會碰觸到的數據約莫會是Facebook後台產出的分析報表。但深感慚愧的是，自己並無好好分析研究過任何一個粉專的後台資料，以至於常僅以簡單的按讚分享數、觸及時間分佈、觸及率等的簡單資料去辨別溝通方式與媒材該如何調整。因此，上這堂課預期想接觸到更多更廣更全面的行銷管理知識。
另外，資料科學議題其實應該對於圖資人來說都不陌生，但卻可能是因為基於一種逃避Coding的心態，所以一直沒有機會深入了解，因而對於這堂課的期待是能如老師所說，「拿一把槍放在自己頭上」逼自己做一位懂利用科學方法解決問題的行銷人。
此堂課老師帶大家初步認識行銷資料科學的概念。因是企管系的課，故有大部分同學並沒有碰觸過程式，所以老師以非常多的實例講授，後續將會有業師到課堂上教授R Programming。聽來收穫良多，且邊聽邊能與過去圖資的課程有所連結，就如同在大學四年最後，這一堂課有收束圖資系所得的效果，並確實能實際運用於未來可能從事的工作上。
與圖資系課程連結感受特別深刻的是，當老師在舉例關於蒐集名單與整理的一個負面教材（整理得極其紛亂的各種表格）時，請我們與旁邊同學討論該如何完善地整理這些資料。那時我在腦海中直接浮現一張圖表，套入「資料庫管理系統」課程的思維，迅速串連散亂的各表格，填入欄與列可能會需要的內容。即使資料庫大部分的課程內容印象都有些模糊了，但這時才感受到，資料結構的mindset已存在大腦的記憶體中。
另外值得與大家分享的是，認為老師的教學方法實在是頗厲害。老師在上課前與課後，都會請大家起立、立正、敬禮。一開始被驚嚇到，因為自從高中以後就再也沒和老師敬過禮了，但我認為這樣的儀式，可以讓同學能收束浮動的心情，可以迅速進入狀態；此外，老師習慣讓我們「快速跟旁邊同學討論一下」（一堂課大概可以來個幾十次）以及請我們舉手發表意見（可以加分）。這樣做除了可以認識新同學、交流彼此想法，也能讓注意力暫時可以透過討論稍稍放鬆回神；特別有趣的是，在討論後，大家舉手的勇氣像是被點燃一樣，非常踴躍，也幾乎沒有看到有人在睡覺或是滑手機。這是我在大學四年當中任何一堂課，沒有體驗過的特殊景象。
最後，不論是課程中所學務實的知識，也感受到老師獨特的教學方法，讓我每週四都相當期待上課。真的十分幸運在大學時光的最後能參與這樣一門好課。期待後續幾堂課與大家分享更多！
參考資料：林孟彥老師行銷資料科學課程講義
