數據分析在現今網路時代，似乎已成不可或缺的數位工具，甚至是能使你鶴立雞群的數位軟實力。
沒有修煉數據學分，難道只能土法煉鋼？ 想要讀懂數據，怎麼開始？
非常榮幸邀請到陳黃衍 Larry，關注網路社群發展及科技趨勢，曾任社群大數據公司市場分析師。在Larry眼中，數據分析是什麼呢？他是如何探討數據背後的問題，整理思考脈絡？一起往下看吧！
大家眼中的數據分析
「數字會說話」
「我們可以利用數據分析出受眾、受眾的行為、想法」
「採集來訪者數據，以分析顧客群屬性與喜好」
數據分析是什麼？
來自NPO社福組織的參與者，對於數據分析的功能和目的都有基本的了解。
在Larry眼中，數據分析是：「如何找出對使用者（我本人）有用的資料，是一種『歸納資料』的手段。」
掌握數據分析的基本架構
課程中Larry分享，當他接到分析需求時，會分成以下5個步驟來處理。
1. 了解及界定問題
全盤性的了解是第一時間最需要的，因為接受到的資訊可能是片段、有錯誤的。先了解：問題的重點是什麼？決策者關注的需求是什麼？考量有什麼痛點？怎麼樣才算是真正解決問題？才不會造成 “garbage in garbage out”！
垃圾進來垃圾出去，意味著白白浪費寶貴的時間處理沒有用的資料。
2. 建立問題架構
運用結構化的圖表，拆解成多個子議題，或是根據事實提出假設。假設「做到某件事情… 才去解決這個問題」。畢竟我們不一定有足夠的時間和資源，因此，問題架構建立後，更明確知道哪些元素不必要，進行捨棄，並劃出優先順序。
3. 議題分析
一步步開始蒐集所需的資料，並展開分析，來佐證或駁斥自己所提出的議題或假設。探索所有問題的關聯性、確認因果關係，一一記錄下來，進行比對或交叉分析。
4. 制定及執行解決方案
從分析結果來制定，像是我們做個行銷活動，曝光的所有數據都是我們要分析、交差比對的，去制定下一步，以及哪些可以帶來快速疊代。
同時也記得要，依照手中資源排優先順序，優先執行比較容易、比較急迫的項目；需要長時間規劃、還沒有釐清的，則放在後面。
5. 追蹤成效
追蹤解決方案效果如何，是否把問題解決成功，通常都使用可量化的數據（如：臉書粉絲團內的分享數、按讚數）來評估成效。
數據分析案例實作
以社群數據為例，Larry以最近被大量關注與討論的新冠疫情，來思考疫情對產業的影響有多大，又是如何影響大眾的消費行為？
遵循上段架構中的步驟，第一、二步驟「了解及界定問題」、「建立問題架構」：
1. 疫情對產業的影響有多大？
子議題：將產業聚焦在餐飲、食品業
2. 消費者行為模式產生什麼改變？
子議題：行為模式細分成消費者的討論行為、影響消費決策背後的原因
3. 什麼可以吸引消費者？
子議題：可以透過哪些服務模式、文章，吸引消費者關注
界定好問題後，開始進行第三步驟「議題分析」：
- 餐飲業、食品業討論疫情佔比趨勢圖
可以觀察到餐飲業每日討論疫情的佔比，較食品業的日平均多。由此顯示疫情對餐飲業的衝擊較食品業大。另外，餐飲業及食品業的趨勢高峰輪流成長為十分特別的現象。
2. 消費者的討論行為改變
以歷史資料解析討論行為改變，可從長條圖明顯看出2020 年初疫情期間的討論量，與前三年的平均相比，每月成長超過 20%。顯示在疫情期間，網友們對於網路的參與程度變得更高，網路在這段期間變得更加重要。
3. 消費者的決策流程改變行為
「朋友」為網友提到次數最多的角色，包含提及『與好友聚餐改在家裡吃』、『與朋友在咖啡廳聊天是否該戴口罩』等，其次則為「家人」及「同事」。因此可推論朋友為疫情期間影響決策最多的角色。
此外，還可以利用：
分群解析－ Ex. 不敢前往餐廳用餐的人可能顧慮的原因為 ＃密閉空間、＃鄰桌距離、# 環境消毒
維度拆解－Ex. 從不同的服務模式中發現最受網友關注的為＃外送服務、＃外帶便當，既減少接觸又省時方便的服務，更讓網友感到安心
話題吸引－ Ex. 有趣的 ＃優惠方式，可吸引網友 tag 好友觀看，增加觸及人群；＃美食粉絲團合作及 ＃網紅開箱 亦為效果不錯的行銷方式
進行議題分析，整理分析結果後如下：
分析結果可以怎麼運用？接下來，開始「制定、執行策略與解決方案」，分成短期、長期的目標。
並且思考，我們的目標客群⻑什麼樣子? 我們可以找什麼樣的網紅來吸引他們? 什麼樣的服務模式更受消費者喜歡?
舉例：
短期：和網紅合作增加曝光
假設我們的目標群眾為有子女的女性，她們喜歡美妝保養，則可考慮與美妝網紅進行合作
中長期：服務模式改變
即食調理包為口碑最好的服務模式，咖哩冷凍調理包、自煮火鍋為受到網友關注的即食調理產品
執行後，要記得持續「追蹤成效」，才知道怎麼繼續優化！
看完Larry對於數據分析脈絡的拆解與案例說明，下次碰到一堆數字與表格時，是否更了解如何進行數據分析呢？透過以上的流程，幫助建立自己思考數據的脈絡，更了解社群的數據分析應用，讓數據從此成為工作的助力！
