WiDS Taipei 2022 | 講者訪談篇 — 江佩璇 Passion Chiang
講者介紹：
Passion目前於DAZN擔任Experimentation Manager。畢業於政治大學民族學系雙主修統計學系，Passion專注於產品行銷、市場開發與數據分析，並經營自媒體「嗨我是Passion 旅居海外的分析師」，工作區域橫跨台灣、東南亞、英國等地，曾任Agoda數位行銷分析師、AnyMind Group資深市場擴展經理、TenMax產品經理/市場擴展經理。WiDS 2022 Conference很榮幸能以三個問題採訪Passion對於數據驅動解決問題的洞見，本次訪談Passion將會解密：
- 身為資料工作者的價值及迷人之處
- 數據分析最常遇到的挑戰
- 常見的數據迷思以及如何避免訪談影片：https://www.facebook.com/TWiDataScience/videos/3249578021992777
身為資料工作者的價值及迷人之處
Passion 認為在 DAZN 擔任資料分析工作者的迷人之處有：
- 提供有效的解決方案
- 數據驅動跨國商業決策
在DAZN，Experimentation Manager 基本上是一個分析師兼顧問的角色，主要服務各個產品部門，透過設計實驗流程與檢驗實驗結果，提供商業決策建議與優化方向。
整體流程如以下：
定義問題或發現機會點 → 建立假說 → 尋找證據 → 提出相對解決方案
→ 證明是否正確 → 得到經得起被挑戰或質疑的論點
適合喜歡梳理邏輯脈絡、抽絲剝繭的人
第二點是數據驅動跨國商業決策，Passion 以 DAZN 與 Agoda 經驗為例，每個分析師都要看幾十個市場，包含不同語言、時區、文化等，並都是走 B to C 的市場，基本上不可能每個人都擁有那麼多國家當地經驗，因此都是靠數據驅動決策。
數據分析最常遇到的挑戰
Passion 認為在數據分析最常遇到的挑戰有以下兩點：
- 定義商業問題
- 溝通實驗結果
關於商業問題，Passion 覺得最重要的是公司的 North Star Metrics，亦即公司的決策方向，再以此作為決策取捨的標準。
以 Free Trial 為例描述定義商業問題的困難，時間方面像是要提供多久的優惠？溝通方面像是要在哪個時間點傳訊息給用戶？內容方面像是用戶喜歡看哪些內容？這些都是必須在執行Free Trial 之前決定的。
然而執行的結果有可能用戶數增加，但利潤下降，或是在影片下方增加留言區，整體互動率(Engagement Rate)雖然會增加，但 Streaming Time可能會下降，這些取捨都必須根據公司的 North Star Metrics 並跟 Business Team 做討論。
另外的挑戰是溝通實驗結果，數據是最殘酷的，根據實驗結果，或許很快地證明某個團隊或某個專案在做的事情是毫無意義的，並了解不需要這個案子對整體利潤比較好，然而要如何跟公司內部的人溝通或是梳理辦公室政治(Workplace Politics)，這是另一種挑戰。
常見的數據迷思以及如何避免
Passion 分享了兩個常見的數據迷思，第一是「相關不等於因果」，第二是「辛普森悖論」。
相關不等於因果
以最廣為人知的冰淇淋銷售數據為例，若分析此數據，可以發現冰淇淋銷售量愈多，同時間小孩在海邊與河邊溺水的數量也愈多，兩個呈現正相關。
然而可以說「冰淇淋害小孩溺水嗎」？
當然不行，有相關性不代表具備因果關係。在實務上，若發現兩組變量具有相關性，此時要做 A/B Test 或實驗，來說明數據的相關性與因果關係是什麼。
辛普森悖論
社群媒體經常有人分享疫苗相關的數據，並指出打疫苗的死亡率比沒打疫苗的還高，然而這個數據可以明確說明不該打疫苗嗎？
Passion 指出若深入挖掘這份數據可能會發現沒打疫苗的都是年輕人，有打的都是老人，所以當我們比較死亡率差異時，並非真正在比較「有打疫苗 vs 沒打疫苗」，而是「年輕人 vs 老人」。
另一方面，數據經常會有時間性，隨著時間遞延，一個人沒打疫苗的狀態可能會轉變為有打疫苗，而有打疫苗的狀態無法轉變為沒打疫苗，因此在分析數據時，需要區隔好時間因素、討論比較基準、了解時間相關性等，如此才能做出較好的決策。
