近日AI技術的超級進步與科技巨頭們的發表使得AI與人機協作的應用多了許多想像空間，例如自動化重複性工作、幫助我們管理日程和回答問題等等。這些功能可以讓我們更有效地利用時間和精力，從而提高個人生產力。你可以看到資本、技術、人才都在湧入這個賽道，讓這個領域的發展速度相當驚人，而不只是科技巨頭，多 …

最近與大學社團學弟妹討論，發覺現在多數剛進入數據領域的數據人才習慣使用Kaggle（註:一個以舉辦數據科學比賽為主的競賽平台，上面有許多案例分享與分析討論）的專案作為入門訓練數據分析能力、學習機器學習的建模流程。 個人在剛開始學習時也受益 Kaggle 的 Kernel 良多，然而以 Kaggle 作為學習起點蠻容易陷入「瘋狂打比賽」、「過度專注在優 …

寫在前面：AI 普及來得會很快，因此必須儘早思考 最近不管文章、影片、短影音媒體都在風風火火傳著ChatGPT的應用 ，從去年開始自己就十分關注Chat GPT的應用與發展，該AI的強大在使用過後實在讓我佩服，網路上不同領域（行銷、工程、財務）也有許多聲音在討論 Chat GPT 對於不同行業的影響，因此今天這篇文章記錄下2023 年初自己對於AI 對數據行業的思考，更多是個人對於未來的預測與想法 什麼是Chat GPT?

跟快消品美妝巨頭相遇的故事

我在大四下到碩一下這段期間，在日商管顧公司 beBit 實習了一年，最近實習旅程也邁入結束，於是著手紀錄自己在 beBit 的所學。唯一可惜的是加入的這一年疫情很嚴峻 + 我有幾乎一半的專案時間是跟上海那邊合作，90%我是遠端辦公，所以沒有認識到太多顧問跟同事QQ 下面同樣也會分享一些參考點給未來想加入的學弟妹們，我對 beBit 實習的 NPS …

前文：BCG旅程的展開 隔了一年多才決定把之前的管顧實習好好紀錄，管理顧問號稱企業醫生，通常是協助客戶解決複雜而困難的問題，全世界有三大管顧公司（MBB），分別是McKinsey, BCG, Bain，而今天的主角就是BCG，對管顧不熟悉的人可以參考以下的維基百科介紹摘要 波士頓諮詢公司( BCG )為一家管理諮詢公司，在全世界50國中設有超過90家分公司。服務物件有企業、政 …

摘要：從一場成發開始 最近政大的上學期剛結束，政大數據分析社（NCCU DA）也結束了成果發表，有幸與 Alyssa 社會學半路出家資料科學 、彭其捷Jack 一起擔任評審，在其中看到了很多有趣的作品，卻也看到許多剛接觸數據分析的人可以改進的地方．於是在最後的環節中給了一些反饋。 轉頭一想，這些點也不只出現在學生或者數據分析新手中，許多經常碰到數字的人也會無意識出現這些小毛病，卻會對分析與後續報告造成很大的問題。因此對於大量接觸數字的人、或者做數據分析時，我有五點小建議，這五個點分別是： 避免過度分析，善用機器學習 思考數據資產，要假說而非猜想 在提出策略前，先確保了解問題 確保你的目標明確，通過取捨來思考策略 思考你的建議不確定性，並透過分析來降低這些不確定性 避免過度分析，善用機器學習 分析開始時，一個很常見的問題就是大家在拿到一張表的時候就想要看不同類別之間的關聯。這是一個幫助我們理解數據的過程，但終究不是目的。許多人會在簡報前部分畫許多圖，美其名是探索性數據分析（EDA），但是都跟目標沒什麼關聯，只是抓到數字就拿過來畫圖解釋一番。又或者當欄位眾多時就會對數據表感到乏力，而忘記從假說出發來排序數據驗證的優先級。

警告：本篇文章為了說明情境原理與規則，會有一些劇透的成分，可以看完魷魚遊戲之後再來看這篇文會更有感覺，也比較不會破壞觀影體驗。 緣起：隨機性太強會不會不公平？

一直以來都有非常多朋友問我該怎麼做數據分析，MBB等策略顧問，或者如beBit 重視大量消費者量化研究等公司裡面又是怎麼做數據分析的，所以這篇要來談談管理顧問公司經常用的幾個數據分析方法。結合我的個人經驗，以及以一個資料人的觀點怎麼看待數據分析在商業分析中的用途，並不一定代表特定顧問公司，畢竟不同人都有自己習慣的方法。另外雖然說是管顧，但也同樣適用於商業分析、商業人士使用數據的方法。 通常在管理顧問公司的量化分析訓練中，會教導各種資料視覺化的圖表，分析並不是我們的目的，更多時候圖表是作為每頁簡報的Action title （標題、故事線的一部分）的支撐證據，因此主要用途就是可以讓人快速吸收資訊，那麼清楚的圖就更顯重要，畢竟字不如表、表不如圖，這也是為何漸漸越來越多公司成立商業智慧部門取代傳統業務人員提供報表的工作。這篇文章的重點並不是視覺化，而是分析的思維。今天我們先不講策略分析時也經常做的產業分析，而是針對客戶的營運數據分析上（怎麼透過數據驅動的方法辨認、改善營運問題），更著重問題解決本身，主要概念有三：