什麼是 Data Driven？

這幾年，data driven 可已算是個熱門關鍵字，萬物皆可 data driven，好像誰不會就落伍了一樣。但是具體而言，到底麼樣叫 data driven 呢？是不是只要在整個計畫中，拉上幾個資料科學家、分析師來背書就好？

---

本篇就我們整理的一些案例，淺談要完成一個 data driven 的專案或行動，基本上有哪些步驟。

定義指標, 收集資料

要做 data driven 的事，首先要有 data，而要知道該搜集什麼資料，就必須先定義  metrics 。Metrics 可以翻譯為指標、指數，用來量化那個你在意的事情。例如：想要增加用戶互動，可以用點擊率、點擊數、分享數之類的。Metrics 可以有好幾個，互相補充。

定義指標時，也要想想是否可以蒐集到這個資料，資料可能會有什麼問題。例如想要改善員工身心健康，但是身心健康很難直接量化。而以員工『請病假次數』來量化，可能會有因果關係錯置的問題。

探索與洞見（Explore and Insights）

拿到資料的下一步，就是做『探索式分析』（explorative data analysis, EDA），從中找出是否有洞見（insights）。探索式分析，基本上就是在尋找 pattern 以及用不同方式切割資料，對資料背後代表的現象摸索了解的過程。

探索式分析聽起來簡單，卻可以說是最考驗資料分析師經驗與功力的一個步驟。以下我們只能簡單列舉常見的方法：

• 一維（histogram, kde）
• 二~三維（scatter plot, residual analysis, heatmap）
• 多維（clustering）
• 其他：例如社交網路之類，需要用相關的特殊分析

而這些分析，都可以再以不同方式切割資料，各自重新分析，才能減少資料分析常見謬誤，並且得出洞見。洞見，簡單來說，就是在這些資料裡面發現的任何有趣、值得深入研究的現象。

這種可供切割的資料，在商業分析界又稱為 dimension，以客戶資料而言，性別，年齡段，會員等級等等都可以成為分割的方式。有時候，單一的分割還不夠，還需要考慮多個 dimension 的交叉分割（intersectionality）。

（#一般資料科學和數學用語，dimension 指的是資料的維度，就是一般說 2D、3D 中的『D』。例如身高體重兩個資料，就是二維的資料，可以畫成平面的分佈圖。八個科目的成績，就是 8 個維度：這種時候要視覺化就需要做降維。）

例如：『研究發現 sign of parenthood （例如：『我是某小學家長會會長』） 對於女性的是扣分項，而對男性卻是加分。（順帶一提 career gap 有相反的影響）』這種 insights，如果只看性別，或是只看是否有 sign of parenthood 都沒有辦法發現。

（也可以參考這篇 HBR 的文章）

假說與驗證（hypotheses testing）

從上一步得出的洞見，我們要得到結論（找出根本原因 root cause）通常還需要做假說與驗證。洞見做的越精確，我們提出的假說也越有可能是正確的。假說可以有很多個，需要一一驗證。

洞見：發現辭職的員工，大多是去年新招募來的員工。

假說 1：新來的員工薪水較低，所以容易離職。

假說 2：新來的員工沒有跟主管、同事有個人交流的機會（因為 remote work）比較沒有歸屬感。

驗證假說的方法：

• 更多的分析（包含探索式和統計式）
• 找更多資料（外部資料或是不包含在原本分析內的資料）
• 要求實驗 
• 邏輯常理 

採取行動

找出問題的根本原因（root cause），才可以擬定相關的行動。如果離職是因為薪水低，可以針對薪資福利有更好的設計。如果離職是因為缺乏歸屬感，採取的行動又會不同。

有些時候，針對某個洞見其實沒有什麼值得採取的行動；也要懂的分辨，把行動力（和預算，資源）放在其他地方。例如：發現女性員工請病假機率較高，是因為本公司雇用的女性員工年紀都比較大。這種洞見屬於沒什麼行動可做的。

反覆過程，持續監控

Data driven approach 是個持續的過程。

前面資料分析，洞見，假說測試，採取行動等等步驟，都不是做完一次就好，需要不斷地重複。提出的假說都被否定，就要再回去重新分析資料，甚至再回頭檢視資料蒐集，指標定義是否有錯誤。

採取行動後，也要持續蒐集資料監控行動的成效，定期更新分析與洞見。

---

#參考案例（HBR 每個月可以免費閱讀 4 篇文章）：
Who Is Driving the Great Resignation? (HBR 2021)
A Data-Driven Approach to Addressing Racial Disparities in Health Care Outcomes (HBR 2020)

#資料分析常見謬誤，包含誤將相關性解讀為因果關係、隱藏變因與辛普森悖論、overfitting、誤用線性量化與 underfitting、各種認知偏誤（bias） 等等，每一個都值得深入了解。有空填坑。