關於本部落格的作者，聊點金融與商業分析

學習源自於對數字的興趣與好奇

2023.7 更新，個人教育背景如下：

NTU MBA
NTU M.S. Data Science Master Degree Program (Admit)
NCCU MIS

• 臺灣人，臺灣大學MBA(同時正取臺大電機、數學、資工三系合開的臺大資料科學碩士學位學程），大學畢業於政大資管系與政大商學院巨量資料分析學程（2021應屆畢業），擁有理工與商管雙專長的教育背景
• 研究所期間主攻資料庫行銷、計量財務與資料科學，MBA的訓練讓自己擅長通過不同維度視角（財務、經濟、人資、行銷、營運管理）與數據解決商業問題

專業背景 : 量化金融、零售快消、管顧、網路科技

• 自己的經歷以數據、分析與策略顧問為主，起始於中央研究院資訊所 — 資料洞察實驗室，當時主要研究財務工程、金融市場與資料科學的結合，後來因嚮往應用技術到商業世界中， 因此加入了蝦皮購物（Shopee）商業營運(CM)部門從事商業分析，而後又轉調到數據分析（BI）部門 — 資料科學團隊，協助不同部門（Marketing、Category mgmt…）通過分析與量化解決商業問題、提升商業表現。
• 在蝦皮期間領悟到分析與技術不足以回答所有問題與驅動決策進行，意識到策略思維的重要性，同時也想了解數位轉型在技術層次以外的議題，於是加入策略顧問公司BCG，協助海內外頂尖企業營運策略及管理與數位轉型，也了解了許多關於策略顧問的工作內容與參與實際專案
• 在BCG待了一年之後，想從另一個視角切入策略顧問領域，因此加入以顧客為中心理念的數位策略公司 beBit， 協助大中華區企業的顧客體驗管理與內部量化方法論優化，同時學到了多種質化研究方法，剛好補足了數據分析通常難以回答「Why」的不足之處，開始思考怎樣結合量化方法與質化方法來更有效率解決問題
• 在管顧（beBit, BCG）兩年後意識到策略與分析的最後一哩路在於執行落地層面，因此決定從管顧跳到公司端，後來選擇加入 L’Oréal 萊雅集團，在 CMO office， 同時協助 Data Team 跟 E-commerce Team 通過數據分析、數位科技來創造商業價值
• 因為過去四年分析經驗著重在消費端的快消品與零售業，想要增加自己對不同產業的理解以及體驗更完善的數據基礎建設，離開萊雅集團後加入全球科技巨頭 Apple 的通路銷售數據分析團隊
• 在 Corporate（L’Oréal, Apple） 一年半之後，辨認自己現階段需要累積更多對於不同市場、專案類型、關係利益人的合作經驗，選擇加入前 APT，現 MasterCard Data & Service 擔任數據分析顧問。

興趣是資料科學、商業分析以及金融世界，也參加過一些資料科學的建模比賽，下面是參加過的比賽與成績：

• 2020全國大專院校AI金融科技大賽— 技術組第5名
• 2019國泰大數據競賽19名（top 8%）

2019. 從AI研究走到商業應用

高中選填志願時起初想念理學院，等到繳交志願表之前考量到自己的個性實在不是那麼工程，左思右想填了結合商學以及工程實作的資訊管理學系。

2019. 聊點金融與商業分析

那為何我想學金融？

我想是因為：覺得數字在社會上的滾動非常有意思。

高中的時候，我選擇了自然組，為什麼？因為自己很喜歡數學跟物理。

而社會科中，最喜歡的就是經濟學，這幾門科目都是那時候會真的找其他衍生資料來學習的。

數學是用來解決物理以及經濟問題，而且可以培養敏感度以及鍛鍊我的邏輯。物理是一門很妙的學科，你可以觀察自然界的變化來做預測，來知道自然界運行的法則。我對工程的興趣還好，一直以為會念理學院，大學因為考慮到對資訊以及程式語言跟數學相合，故選擇了資訊管理學系，因為屬於管院的它可以增強我利用數字去了解這個世界。

金融就更有趣了，它結合了數字以及人的行為，我們一開始出於對「價值」的流動、保留、彈性，所以出現了借貸，為了把自己所賺得的「價錢」做有效利用，以產生更大的「價值」。而學習金融可以探知「如何把價值最大化？」這牽涉到很多社會上的變量，跟經濟學也息息相關，但它其實也是有跡可循的，而且發現看似不規律的市場隱含著某種道理時，那種興奮感是難以言喻的。

故本部落格主要以商業數據分析、人工智慧以及財經的知識分享為主。

除了上述兩項較為嚴肅的題材。也會有一些技術上的文章分享。且因學校因素，對新創公司、個人管理、商業分析、產品分析也有興趣，會撰寫個人的時間管理心得以及國外新穎服務的翻譯或理解。

2021. 具有數據思維與商業策略訓練的分析顧問

進來政大的環境之後意外愛上了商業世界以及金融市場，大一暑假進入 陳昇瑋老師的資料洞察實驗室，見識到臺灣人工智慧學校推動人工智慧民主化、國內人工智慧專家，同事也有來自UIUC電腦科學系、NYU財務工程系等等名校的高手，讓我決定更專心研究AI並向實驗室的前輩們看齊。當時在中研院做財務數據相關的AI研究，因而踏入了股票市場以及引起對資財的興趣。

大二因為自己的性格就是比較喜歡變動的環境，為了了解各個產業的性質，進入步調快、產品全面的知名電商平台 — 蝦皮購物 ，從事數據分析，閒暇之餘喜歡研究金融（涵蓋商業銀行、券商、保險）、電商領域（新零售、平臺經濟、行銷資料科學）的人工智慧應用。

先前學界、業界的實習經驗，讓我確立了自己會走商業智慧(Business Intelligence)的路，加上蝦皮其實有許多主管是麥肯錫、管顧背景出身的，想從這方面繼續訓練自己的策略能力。一邊跟幾位教授準備ICIS論文的投遞，並加入外商管理顧問BCG — Boston Consulting Group 從事商業分析的PTA，協助Consultant分析資料與完成專案。身為PTA需要很清楚數字怎麼來的、該怎麼用數據、不同來源的資料approach想回答的商業問題，同時強化自身的商業思維，讓自己站在更高角度思考、解決問題。

結束在波士頓管理顧問公司 — BCG 台北辦公室的實習之後，因為BCG主要還是以自上而下的視角去檢視企業（有些人會覺得顧問的視角太high level就是如此），因此想給自己另一個角度透過自下而上的進行管理顧問的工作（轉變為以顧客為中心出發），因緣際會之下加入了日本最大家的顧客體驗策略顧問公司 beBit， 開始量化與數據分析顧問的實習。主要是透過NPS、文字探勘等方法來分析顧客與提出進一步的策略，結合過去我在數據與管理顧問的背景，感覺可以透過這個機會同步檢視自己，並讓我成長許多。實習與修課之餘同步擔任臺灣大學解決問題理論與實務（CTPS）的課程助教，讓自己更精煉CTPS這套方法，並融合另外一門BCG在臺大的SCAP課程來增強自己解決問題與團隊合作的能力。

另外有趣的事情是當兵時鄰兵是高三保送台大電機、台大醫學系畢業的醫生， 當兵期間幾乎都在跟他聊生物統計與醫學AI的應用，於是退伍後我們也合作發了幾篇Paper，主要題目包含骨質疏鬆、腫瘤轉移預測、可解釋性AI在醫學議題等等，管顧的訓練讓自己能非常快速了解一個領域，配合商業分析與資料科學的專業，讓我解決不同領域的問題時都感到相當有趣且興奮。

除了大量透過線上課程、書籍自學，我在學校修課主修資訊管理（商院必修 + 電腦科學）、輔修財務管理（證券投資、貨幣金融）。而這樣持續一年多的硬技能學習與吸收文字的經驗，不只讓我有了一套自己的方法論、時間與專案管理心得，更讓我練成了四個小時可以讀完300多頁的書並歸納重點、30分鐘內吸收10篇銀行、電商、科技長短文並寫下自己的觀點、Evernote平均一個禮拜10,000+ 個字的筆記與心得，所以大學唸對科系真的蠻重要的XD 尤其是唸到自己喜歡的東西。

2021. 分享一個用數據解決了某個問題的經驗

這個問題是我在出任政大數據分析社的學術長時受採訪被問的問題，以大家有興趣的UX/UI為例，我曾協助一家銀行改善數位金融的體驗。多數App使用者行為資料都是那些常用、忠誠的使用者群體，但他們想要知道外部的使用者，包括流失、不滿意等對App改善的想法，缺乏外部資料與技術使用的理解因此不知如何解決這個問題。

我透過取得App store + Google play的用戶評論與評等，利用文字探勘找到了優化機會與初步的用戶訪談訪綱。我使用模型與自然語言處理建立使用者輪廓，比如說比較問題的相似程度，透過正面相似問題來選出那些負面評論，並且分析輪廓特徵，了解什麼功能是特定人群所找不到的，舉例來說老人可能怕使用帳號被騙、青少年對無法自動登入感到不耐煩，我們就可以跟銀行的行銷、開發團隊合作討論解決方案並估算TAM。

我想說的是現在許多數據其實都是「公開可得」的，比如我們知道「知識」都在網路上，很輕易就能找到許多部落格、教學文、報告，而數據就宛如包上一層神秘外衣的「知識」，這些也大量散步在網路上，只是你需要一些技術才能萃取出這些見解（別人所不知道，但你知道的「知識」），協助大家獲得這份技術與培養思維就是在我的長遠目標中希望能夠帶給團隊的價值之一。

2021. 我第一次接觸數據分析的契機是甚麼？

第一份實習（中央研究院資訊所）需要處理大量金融時間序列，這很單純也很有趣，單純的是它的資料欄位說到底並不複雜（開、高、收、低、成交量），有趣的是正因為它很單純，我就必須依賴模式識別、信號處理等技術來挖掘數據與時間之間的關係，這依靠商管財經的經濟學、會計學是不太夠的，所以就開始大量學習相關知識。如果你發現在你的領域中有許多問題其實可以用數據解決，那麼歡迎你加入數據分析的行列。

最後是很個人的方面…謝謝您看到這邊！

我的興趣包含商業、財務、資料科學、AI、吉他、編曲，希望在享受生活的當下不忘兼顧學習，未來盼能從事商業顧問、資料科學家，協助更多人利用數據分析制定更佳的決策。

如果是相關領域的前輩或者資料科學愛好者，歡迎透過Mail、Facebook與我聯繫交流！感謝您們！

本部落格的logo產生要感謝

font name: QumpellkaNo12
font link: http://www.glukfonts.pl/font.php?font=QumpellkaNo12
font author: GLUK
font author site: http://www.glukfonts.pl/

icon designer: Jordan Delcros
icon designer link: /jordan.delcros

{“bg”:”#EDE9E4",”icon”:”#14A9A9",”font”:”#14A9A9"}