學生社團的數據分析，Python線上課程分析實做（上）
動機
由於學期開始社團就會擬定一連串的活動方案，活動組的幹部需要設計工作坊給校內同學，不止可以替同學拓展學習的領域，還可以觀察大學生對於課程的需求以及興趣。
畢竟學校不太會有教授開設「履歷健檢」、「動畫設計」等等課程，而通識課程的類型學校也有規範，以政治大學來說就是「自然、人文、社會」領域。
因此其他類型課程往往就是「學校社團」來提供，比如喜歡吉他的人可以參加吉他社、喜歡跳舞的人可以參加熱舞社。基本上我覺得社團就是挖掘一個人「喜歡一件事情的程度」可以到多麽強烈，比如我就有朋友可以連續好幾天跳舞、跳到半夜，從一個跳舞新手變成舞林高手。所以當有個人能夠全心投入做一件事情的時候，其實是件蠻幸福也挺讓人覺得激勵的事情，而社團的其中一個功能就是幫助學生找到自己的其他興趣。
在設計工作坊的時候，我們除了思考學校同學比較「想要」什麼樣的能力，也想知道同學們「需要」什麼樣的能力，如果站在主辦方的角度，則會希望舉辦的工作坊能夠引起大家的興趣。這時候我就想，既然現在的學習也不限定在學校了，乾脆來看看線上課程的資料怎麼樣？於是著手分析了Hahow課程的數據。
會挑選Hahow，除了因為該平台的線上課程品質還不錯，我自己因為是重度自學成癮者，所以已經在上面敗了五堂課XDD （以資料科學來說很推薦大鼻&辰禧 在上面開設的R語言與商業分析課程 還有Yeh James老師開設的Python 資料分析＆機器學習入門，常常把這兩堂課拿來複習，其他線上課程可以參考我的這篇：要怎麼學coding ? 。）
以及它的Slogan就是
學那些學校不會教的事
正好與我們辦工作坊希望提供給同學的視角一致。至於對校內課程來說，分析coursera、edX、Udemy等比較主流學科的課程平台或許會得到比較好的結果。之後有時間會再做一份同等的分析出來，畢竟我對大家在學習什麼還蠻有興趣的。
然後比較重要的元素是，這次的分析來自於我自己是政大創聯會的成員，一開始加入有部分動機是自己對創投產業有興趣，也欣賞創業家的精神。而社團的氣氛比較偏向「創新技能」：
關於政大創聯會
政大創聯會的使命是成為政大人的聚夢窩
我們與企管系教授合開一門有學分的課程「創創入門」，並且舉辦媒合人才與新創公司的「新創奧斯卡」、論壇（之前有AWS、Fintech 論壇）、企業參訪、黑客松、新創團隊培育計畫、創客窩等等……. 這次的分析目的是作為設計工作坊的參考。
所以人為篩選會以「創業、硬技能、學生」為元素。
歡迎按讚與關注：政大創聯會 ：） 定期分享新創圈、新創媒合活動、工作坊等資訊！
那麼接下來就開始：
這次使用的資料我則是已經爬下來了，如果有需要練習請到最下方。您可以親自打開電腦練習寫Python，感受一下實際做分析的感覺，只提供個人練習請勿商用，感謝。
雖然都是網站的公開數據，但如有不妥煩請來信告知，會馬上撤除！
讀入套件
一樣載入Pandas方便做數據分析，seaborn、matplotlib做資料視覺化。
讀入我們的資料以及用 head 看一下資料前五筆。shape 可以查看數據的維度，這邊我們可以看到有17個欄位，384筆課程資料。
前幾門課程其實都還是募資課程，所以評分（avg_ratings）都是0！
通常資料因為剛採集過來，比如說爬蟲，我們都會先簡單清洗一下，將資料格式轉換。例如說proposal、Incubate都是時間格式才是，可以用pandas的to_datetime轉換為datetime類型資料。
lambda是匿名函數，不需要額外取一個function name就能達到撰寫函數的效果，通常用在簡單的運算上面。這邊的作用是將時間保留到日期就好，因為我們並不是很關心他是幾時幾秒上來募資的，也可以將時間提取月份就好。這裡還順便創建一個都是1的欄位 have，待會會有妙用。
有了月份之後，我們可以先看看提案大多都是幾月產生的，用plotly視覺化一下：
將提案內容畫出，雖然應該沒什麼關聯，但是莫名地在7月、10月有課程提案的旺季，可能猜測人們在那些時間或許有比較多的時間準備課程提案。以講師邀約來說，可以作為 舉辦大型、中型活動的參考月份。
在R語言裡面的資料視覺化工具，有一個很好用的套件ggplot，其實在Python也是可以使用的哦！這邊我們就把matplotlib的風格（style）設置為ggplot，然後使用 distplot 看一下募資人數(successCriti)的分佈：
募資在商業過程裡面其實是個很好的手法，因為這相當於測試市場的反應，降低課程冷門的風險，對講師來說也需要用心行銷課程。這邊發現有三個主要的高峰，可見我們可以以30人為一個小型工作坊人數限制（社團內舉辦），50為中型（社團間合辦），100為大型活動（校際合辦）。
畢竟辦工作坊需要評估參加人數，除了場地因素之外，設定合理的人數限制也是一個需要了解的地方。
我們還可以用文字雲簡單看一下各個課程的標題：
接下來我們自己訂定一個指標：Await
公式是solidTickets / successCriti 。也就是實際上課人數/需要募資人數
await意味著預期比率：
越高的預期比率也意味著低估該類型課程在市場上的需求度。
這個指標可以看作爆款課程指標，講師可能沒有想到課程會大賣所以募資人數訂得不高，但是上課人數很高就會爆款。接著我們用sort_values來排名前20個我們自定義的爆款課程：
這邊截圖前五名，可以發現都是蠻有名的課程作者，比如文案高手育聖老師、圖文不符團隊、參加多場量化講座與人氣部落格的Finlab等等…….我們再用剛剛的文字雲，針對這些課程做視覺化一次！
可以發現到，人們對程式設計、Adobe系列等「技術性」課程非常有興趣，會有很高的期待感。然後這邊的AI是指人工智慧的AI還是Adobe的AI，Ummmmmm…大家可以猜看看哦！
而設計類型可以推廣為行銷、媒體製作等工作能力，程式有理財、網頁等相應能力。我自己覺得程式設計是寫網頁、理財的工具，而Adobe主要是行銷類工具，看來這兩個領域在線上課程是蠻有市場的。
如果想要更精準地比較，資料欄位中有時間欄位，我們可以把他們與分析日期結合，計算出「開課天數」，將上課人數 / 開課天數來放到同一個時間尺度下比較！這邊我就不做了，大家可以自己寫寫看！
我們可以將剛募資成功的課程找出來，查看目前的修課人數。由於剛募資成功，此時的人報名動機有：
1. 作者行銷手段良好
2. 作者名氣大
3. 非常有興趣
4. 課程安排吸引人
這邊看到M平方投資網站的投資課程「預期率」非常多，雖說作者本身就是投資網站營運團隊，但仍然驚人，然後下一張圖則是最近重新跑程式的結果，可以發現第一名是「金融市場 x 程式交易」，也是理財投資相關的，可見多數人出社會後最關心的學問或許是理財，如果要把它與政大創聯作結合，可以用創投的角度說明投資、以及募資的重要性。
有趣的是，人們對攝影、IG經營、Illustrator等經營自媒體相關的課程也相當有興趣以及期待。
接下來突然好奇，有沒有人很喜歡在Hahow上開課呢？所以剛剛的have欄位就派上用場了，我們直接以「作者」來統計開課數目，也就是have的總數，接著用sort_values()排序出來!
我們可以看到圖文不符開了四門課，主要以行銷、資訊設計為主：
那麼喜愛開課，我們可以思考背後的原因是什麼，我想能夠開設這麼多門課程，有一個很大的因素是：
這個學科領域應該有一批愛好者，也就是比較安全，有死忠顧客的領域
於是我就稍微把前十五名整理了一下：
- 圖畫電繪
- 日文教學（語言）
- 社群/設計（行銷）
- 瑜珈（健美）
- 談判、思考
- 理財
- 寫App
- office操作
可以發現除了工具類技能（圖畫、office、寫App），個人的設計、圖畫、語言、瑜珈等課程也存在市場。當然也有可能跟作者本身的個人魅力有關，但是如果要深入拆解這個問題，可以提出來與其他人討論看看。我們也可以統計一下學生總數，在Python中其實可以直接用nlargest（前n大）取代sort_values().head( n )
這是比較簡潔的寫法：
有沒有發現一個新的問題？就是真的越多課越好嗎？
我們改用學生人數來看，就會發現並不是如此，有些老師課不多，但是學生更多！
而其中的重疊對象：圖文不符、藍 國峰 所教的
行銷 與 電繪 或許真正是有濳力的主題！
那麼下一步，就是去看看這些課程大綱：
包含了哪些內容？
來作為辦理工作坊的參考依據。
到這裡目前只用學生人數的角度去切入「熱門」這件事情，所以來換個角度，利用「評分」來檢視課程！平台經濟中的評分佔了一個很重要的因素，因為它可以給予新人對平台不同角色的信用評分。
好像有些課程的分數很慘烈（？
我們可以利用下面的程式碼篩選出來，不過這邊我就不公布結果了：
看到分數比較低的課程之後，我去看了一下評分留言，小小歸納出幾個雷區：
程式設計相關的課程因為比較硬一點，學生有可能上完了課程學不太到什麼東西。
1. 不要用過於基礎、網路上就能查到的資料來上課
2. 內容枯燥，技術性的課程只講技術很容易流於無趣，老師需要多帶一點個人、實務經驗
3. 缺乏對學生背景認知，跳太快，過於進階就不太適合。
所以上工具方法的課程真的要小心…
那麼評價風氣如何？
平均大抵上在10則留言左右，另外有些課程學生很樂於給評價與回饋，表示這是一門很有互動性的課程。
另外小小提一下，之前社團在舉辦工作坊的時候，常常覺得線上回饋單的填寫率很「差」，比如30%左右，不過現在看了線上課程的評論數，其實有一個數據分析的思維就出來了，我們平常談論的「好」跟「壞」到底是不是常見的情況？幾百人的課程可能也才10多條評論，那背後的原因是什麼？或者有什麼誘因可以鼓勵學生寫回饋？我覺得都是一個可以討論的問題。
所以這裡是不是可以直接利用數據找找看，一個互動高的課程有什麼特質呢？把評論數大於100則的課程篩出來：
這裡我們可以發現
1. 簡單/手寫 （手繪、插畫、水彩甜點、寫字）
2. 設計（社群行銷、資訊設計、Adobe）
3. 理財（Python、小資）
是互動非常好的課程，表示學生上完課之後有許多收穫，但是還不只如此。
諸多評價給誰看的？其實就是想上這門課的同學、外人。
表示這些主題、內容、講者會是
容易被推薦的對象！
也就是說，如果想快速發展一個平台、知名度，平台上的課程主題以上面三個為主應該是個不錯的策略。
因為上得好的話，有很高機率修課同學也會推薦給別人，可以快速傳播。
課程架構也可以從互動高的課程學習，比如說我們可以參考熱門課程的課程架構來思考工作坊的內容安排。
那麼傳播效應怎麼看？我這邊粗淺地再回到學生數目觀察。
將上課人數大於5000的課程撈出來：
比對評分項目與修課人數，或許真的有傳播效應！也就是課程人數這麼多，可以猜測有相互推薦的因素。
但是更合理的是，修課人數越多，當然評價越多囉！
簡單做個線性迴歸看看：
相關係數0.75左右，所以只是有相關而已，不代表傳播效應真的存在。
這邊我們可以再定義一個feedback_ratio，就是回饋率！
回饋率 = 評論數 / 學生人數
定義出回饋率後，我們把回饋率做排名如下：
意外發現，瑜珈系列的評價比例是最高的。基本上每四個人就會有一個人給予老師回饋！不過修課人數很少…所以結果看看就好。
課程價錢怎麼訂？
我們可以用describe()統計pre_price(預購價格)變量的統計量
如果在預購期間購入課程，基本上2000以內都可以解決，算是很實惠的課程了。那我們如果沒跟到募資期間怎麼辦？價格會差很多嗎？
好的，quantile直接移動一格有沒有發現 XXD 所以差很多！不過我覺得一個月一門其實也算是不錯的投資，畢竟這就是投資自己的能力。這邊我們也可以以此來訂做講師費，講師的行情其實可以來一次定為1500~2000左右。
其他還有一些指標可以分析，可以留給大家玩玩看，搭配組織需求來訂定工作坊主題。
後來經過其他篩選與夥伴討論後，我邀請了Evonne Tsai老師來替同學上產品分析的課程。
畢竟「產品」是新創企業「從零到一」該產生的，而且分析不同產品也可以作為營運團隊的借鑑，我覺得這個能力跟這次的分析對象：政大創聯會是最為符合的，老師的文章我也看過許多篇都十分喜歡，至於結果就等十二月的成效囉。
另外不久之前，我們邀請了上面看到的圖文不符 志祺七七講師來內訓，最近即將舉辦的工作坊也以社群行銷為主題。雖然這些不一定是數據分析導致的結果，但是數據分析確實間接回應了我們的選擇是對的。對於您的組織來說，什麼樣的能力又比較符合您們的調性呢？歡迎自己分析看看哦！
這一篇是我設計工作坊的部分分析，工作坊設計目的到這邊為止。
那下一篇把角色切換：
如果今天我們是Hahow營運，我們可以怎麼做？
我將會針對Hahow的課程定價用Python做數據分析、並提出定價策略的優化，取得更高收益。也就是「線上課程平台的商業分析」，用下面這張圖預告一下：
那麼以上就是這次的「學生社團的數據分析，Python線上課程分析實做（上）」
有其他問題都可以底下留言。
資料在這（僅限個人練習使用，嚴禁商用）
歡迎想學習Python資料科學、商業分析、金融知識的人一起交流！本部落格的內容全部都是基於「分享」的實作、理論兼顧文章，希望能夠幫助到所有對資料科學領域有興趣的人們，長期關注可按左手邊的Follow!若喜歡我在 Medium 的內容，可以拍個手（Claps）這邊想做個實驗，好讓我知道你/妳喜不喜歡這篇文章：
拍 10 下：簽個到，表示支持（謝謝鼓勵！）
拍 20 下：想要我多寫「商管相關」
拍 30 下：想要我多寫「資科相關」
拍 50 下：我有你這讀者寫這篇也心滿意足了！敬請期待下一篇！或是您也可以逛逛我的其他資料科學文章：
人工智慧商務系列：
Python資料科學系列：
看我用金融的概念解釋AI：
如果想跟著我實作資料科學，開始寫程式必知必會基礎系列：
