beBit 實習：以用戶為中心的極致洞察
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 為 10 分 XD
beBit 是一間什麼公司？
beBit 是一間以用戶體驗、行銷科技、數位策略為名的日商管顧公司，作為研發中心的科技公司 beBit TECH ，以下摘自 LinkedIn 的公司簡介：
beBit 微拓是一間專注於顧客體驗的管理顧問公司，我們認為顧客體驗不只是設計，而是以人為本的經營策略思維，基於對人的深度理解，為企業提供策略至執行的完整服務，自 2000 年於日本東京創立，於 2012 年開始以台北及上海辦公室為中心提供大中華區業務，於 2016 年在美國舊金山成立 UCD Ventures，至今服務超過 500 家跨領域的企業。
beBit TECH 是亞洲卓越的顧問科技公司。憑藉深厚優質的國際大型企業顧問服務經驗及顧客深度理解方法論、以會員為中心的成效型數據洞察、及 AI 與 No-code 等先端技術，協助企業創造更多價值，成為顧客微笑的起點。
動機：結合量化與管理顧問的完美機會
剛離開前一間管理顧問公司時，就在想自己還想開發什麼樣的能力，一方面從頂層的策略思考來看自己已經收穫不少，只差更多專案來增加經驗與打磨方法論，而從底層來看，過去在電商時已經累積了大量的商業數據分析與資料科學建模經驗，是時候該往數據領域以外的技能思考了，這時 beBit 剛好開了一個量化分析的實習職缺，剛好可以把自己之前的管顧經驗與數據分析做整合，除此之外也久聞 beBit 在質性結合量化研究方法的嚴謹，恰巧可以培養我的質化技能（用戶旅程地圖、人物誌、用戶訪談、調查問卷數據、服務設計等……），加上自己也相當認同從用戶出發的理念（在分析中可以理解為每個數據點都是一個具體的人/物所組成的），後來有幸加入了公司。
工作內容：量化分析
我在 beBit 主要負責的是量化分析（Quantitative Research & Analysis），專案上 50%時間是在Coding、設計Jupyter notebook 中不同的分析模塊、跑演算法與分析數據、30%是質性研究參與、 10%討論分析結果與接收需求、10% 訪談與紀要，工作內容包括問卷分析、用戶分群、用戶訪談文字探勘、體驗/營運數據整合、針對NPS的各種量化模型，以及後期比較特別的量化方法論研究，除此之外因為第一個Case 就是支援上海辦公室，所以從頭到尾參與了一個完整的用戶體驗規劃策略的流程，這對我來說意義重大，因為我在最一開始就得以看到在 beBit 一個完整的顧問專案是如何運行的，而後來一年參與的專案產業多元，從電商、消費電子到銀行壽險都有，累積了許多寶貴的實戰經驗。
在 beBit 的這一年不只讓自己踏出了數據以外的世界，也複習了許多管顧的基礎技能，而其中有三點我認為最棒的收穫，分別是：
- 學習一個專業顧問的技能與獲得經驗
- 學習到如何結合質性與量化研究方法進行分析
- 提出充滿落地性的策略規劃
以下將分別展開：
學習一個專業顧問的技能與獲得經驗
首先是學習一個專業顧問的技能與獲得經驗，感動與難以忘懷的是，我在實習快結束時偶然發現了去年上海辦公室招聘的暑期實習顧問規劃介紹，當時看到的時候真的心頭震了一下：
高層管理視野
在辦公室中深入參與到項目執行的各個方案，與團隊一起創造可落地性的解決方案，了解並學習beBit的以用戶為中心的方法論具體在項目中的運用；合夥人直接溝通交流，有機會接觸到客戶的高層會議中
基本管顧技巧培訓 包括：結構性思考/定性研究/客戶歷程與服務設計/演講技能和PPT製作等
了解用戶訪談方法論、工作細節
是的，上面列的要點全中，我在 beBit 的都有充分體驗到每一個字的內容，也就是說 beBit 100%兌現了它對於實習生的承諾，給予大量的學習與成長，這是我真的很喜歡這間公司的一點
就如同上面提到的收穫一樣，包括了
高層管理視野
我的第一個專案、第一個工作，就是管理層的會議紀要，梳理出管理層對專案的期待與個人細節並跟顧問、專案經理討論，這真的很有意義，因為你可以從中了解到不同關係利益人在意的點都不同，
是否每個人都為了自己的部分權益著想？多少人意識到目前公司準備轉型？高層對專案的期待為何？
這樣的參與在上一間顧問公司是比較難的，但是這樣寶貴的實際經驗卻讓我在剛報到時就有所接觸，也很有趣是可以發現客戶的策略長是深厚的管理顧問背景出身，所以對於很多專案細節都有所提醒與理解，而總經理也會分享這個產業的本質，這讓你可以反思該怎麼像一個高階主管想事情，包括怎麼把一件事情先淬煉得很單純，然後用不同維度去分析與思考。在後面的量化方法論研究中，也有機會訪談到公司合夥人對於公司目前研究方法的看法與期待，藉此回推「如果以後我在研究一個算法，那麼我的老闆是怎麼想的？」，我相信這對於資料科學家來說也是很重要的能力。
還有一些高層的工作細節，比如如何讓人放鬆心情、幽默感、態度、言詞等等……，而管理層與執行層的推動、報告方式不同也讓我學到許多。
基本管顧技巧培訓
這包括：結構性思考/定性研究/客戶歷程與服務設計/演講技能和PPT製作等，這對我來說也是新的成長點，除了複習了在之前管顧公司學到的假說思考、故事線、PPT製作與敘事、結構思考以外，我過去對於質性研究方法其實沒有那麼多認識，但是在 beBit 時親手參與了顧客旅程地圖、人物誌的分析與刻畫，這讓我有很多不一樣的啟發，我覺得量化專長的人也可以了解這兩個很強的的工具：
- 顧客旅程地圖：在UX研究中可以藉此思考每個體驗流程的機會點，在數據分析層次你可以拿來做資料盤點，每個接觸點都可以是資料，比如接觸通路、使用行為（如是否七天內購買）、人物特徵，藉此對手上的資料更有感覺，也可以很清晰瞭解到不同資料在哪個場景生成的，藉此有更多特徵工程的想法
- 人物誌：集群分析後使用人物誌就是絕配，學會人物誌可以讓你跳脫只用平均數或者眾數描述分群結果的範疇，而更深入去想該怎麼描述這個分群結果、是否合理，beBit 對分群維度的選擇往往跳脫傳統用年齡、職業等變數，而是通過用戶行為、心理變數分群並思考量化描述的方法，讓我對分群技術有了更深的理解
量化方法在 beBit 也扮演很重要的角色，你可以想像客戶體驗的聲音往往多樣與充滿異質性，到底該優先聽哪個、改善哪個呢？這時候就需要靠量化來介入，因此需要北極星指標（如NPS）來量化主要關鍵因子與找到改善方向。
了解用戶訪談方法論、工作細節
這包括了解顧問專案規劃、管理層訪談、專案進度規劃、分析等一系列細節，還有用戶訪談，beBit 的這套方法論很完整，包括訪談前期的準備、招募受試者、訪綱規劃、訪談中追問、訪談梳理、後期追蹤等等……..
這些方法讓我在後來參加 MasterCard D&S TCP 的專案時，能夠直接應用在信用卡流失戶的用戶訪談中，並將洞察結合到資料科學的分析裡。另外因為用戶訪談的過程長，從前期的分群、受試者挑選就很費心力，因此專案進度規劃也是不可或缺的一環，這裡面我也學到了很多關於專案管理與安排協調的方法。以及後期該怎麼梳理用戶訪談結果，怎麼樣抓住更深的用戶洞察而不是表面文字，都是很寶貴的收穫。
學習到如何結合質性與量化研究方法進行分析
第二個就是學習到該如何結合質性與量化研究方法進行分析，以用戶訪談來說，用戶訪談可以讓你知道要用哪些變數、用戶在想什麼、他的動機會反映出哪些行為，這些行為如何被量化，這是我在工作中最享受的事情，你可以不停去想該怎麼把這件事情量化、用數據表述，並驗證分析，從中得到洞察是一件很過癮的事情，因為這些都是從顧客的聲音中捕捉出來的。
包括前面提到的，用戶旅程圖跟人物誌的使用方法，也讓我覺得很有趣也很有收穫。也很剛好的是我在beBit 實習做的最後一個專案是量化方法的研究，所以也整合了許多案例與思考，其中收穫最多的是營運數據與體驗數據的分析結合
比如說你通過決策樹了解到產品噪音為影響體驗的驅動因子，那麼對應的營運數據可能有產品型號、類別、產品參數如風力、轉速等等，這些量化下來就可以變成產品開發的決策因子
這讓我有茅塞頓開的啟發，體驗數據搭配企業累積下來的數據資產，可以讓企業專心與優化「任何它想優化的事物」，精進NPS量化分析方法論，結合自己對資料科學的理解增強了商業分析的能力，同時又可以印證這些方法在管理顧問的實際專案中。
另外個人的體驗是 beBit 量化分析跟資料科學 — 產品分析的技能組協同性很高，兩者主要都是以顧客體驗優化為主，重視 UX 與 Data 的結合，beBit 有一套完整的 NPS 方法論（上述有興趣者可見知乎 beBit 的官方帳號），對我來說，我可以把NPS 換成企業現在關心的北極星指標，然後通過這套方法刻劃出一套指標體系並優化，概念是一樣的，後期我也在研究機器學習、統計與顧客體驗、心理計量結合的方法，因此這種質性與量化研究方法同時修煉的感覺真的很棒，我可以從顧客旅程得到很多分析的思考、從人物誌去發想分群變數與描述分群結構，也可以從量化角度去驗證客戶的想法，藉此對數據分析本身的理解更深。
還有一點是更深地學到「問數據的思維」，因為 beBit 很在意問卷的量化驗證，而設計問卷反過來就要去思考怎麼把假說變成問題、這個洞察如果為真數據會怎麼反應，這樣反過來可以在之後分析數據時更好建立假說來分析數據，找到共通因子。
在可行動變數層面，因為你會嚴謹地思考這個商業場域下有什麼是客戶可以做到的，所以當數據顯示這個層面需要改進就知道該如何改善（行動）
經過這份實習，讓我對自己的方法論在分析規劃上有了不少改進與優化，因為專案合作中將分析模組化並 align notebook 的結果時常發生，因此建立起方法、對分析的想像、需要數據以事半功倍並保持清醒，或者用 Excel 這種表格工具做好分析的優先級排序，有時候數據有問題、太髒就會讓那個區塊的分析暫停，因此分區、了解該問題對整體的影響是十分重要的。
好的分析模塊與命名原則會讓自己更能了解與掌握不同模塊間的可重用性。另外分析會時常收到新的 request 與要驗證的假說，就要在原本的code 上增加新的分析模塊，所以好的coding style 與物件導向確實可以在擴充分析時更得心應手，比如你有三種客戶類別的數據，他們的關注點都稍微有所不同，因此先寫一個客戶的類別，然後繼承起來分別寫為物件可以讓後續調用分析函數時更方便。
提出充滿落地性的策略規劃
beBit 因為都從用戶視角出發，因此提出的策略都十分具有落地性，管顧通常會有一個共識工作坊與客戶一起討論出解決方案，因此也可以確保客戶參與其中，讓方案的可行性受到認可與客戶審核，藉此讓深度洞察得以落地。
另外就是結合行動變數（可產生行動的因子）去建模使用者體驗的專案，這裡面也有很多資料科學在商業層面的挑戰，比如忠誠在不同購物行為通常不是線性的（越忠誠的人真的來越多天、買越多品嗎？），或者行動方案的變數選擇，好比「顧客意願」通常不會放到模型中，因為這如果沒有問卷是不得而知，必須放行為相關可預見的（當然有個辦法是你也去捕捉行為跟問卷填答的關係，再反推回來），商業場景與模型的可應用性也是這份職位會遇到的許多需要解決的問題。
另外一個成長點是 beBit 真的非常頻繁給反饋，Senior 在每一次有跟的訪談都會就訪談樣貌與訪談講述方式給回饋，比如私下說不要太緊張、給修改建議、描述脈絡方式以及怎麼問、目前專注點是什麼等等….. 所以可以快速修正工作方法。
總之這點這培養我兩個非常重要的認知：管理本身的本質不是追求數字，而是業務管理目標。策略要落地需要耐心與組織配合
- 分析：目光緊盯數字容易疲於解釋波動，但是對體驗本身的關注可以有很多種方法得到，比方說用戶訪談、觀察法
- 策略：需要整合行動到不同團隊中，並且勾勒出戰略目標讓大家配合以落地
實習可知
最後是申請實習前可注意的點，我自己是很喜歡這份實習的，但是客觀來說實習層面需要注意的點還是有以下，給未來想要申請的學弟妹參考：
工作範疇：
我主要還是做量化分析實習的，就我所知我這個實習職位比較少開，前前一個現在在高盛做量化金融、前一個在讀台大資料科學碩士，以後會不會開類似的機會不確定，同期除了我之外的實習生全部都是顧問實習，所以可能沒那麼多資料科學的成分，但還是有蠻多數據分析機會的，可以培養自己對消費者分析的洞察
專案範疇：
雖然產業不同，但「體驗優化與轉型」在我實習時是 beBit 進行的專案主軸，所以一定要對用戶體驗本身有興趣，如果只想做 Profit & Loss 、GTM 這種很 High Level 的專案，我覺得台灣的話 McKinsey, BCG, 一般公司的策略團隊實習可能會比較符合你的期待
方法論：
如同先前提到 beBit 是比較著重用戶體驗的，我在之前的管顧公司感受是做一個work stream 70% 左右就要加緊 move on 與客戶討論，因為專案內容很多與緊湊，但 beBit 不一樣的是會做到 200% ，把用戶洞察做很深，但也因此較多方法都是圍繞在用戶層面，用戶分析、體驗策略、組織結合等，如果比較想要做較為宏觀，如財務、供應鏈、碳排放減量等不同方法學習，那有意識挑選公司端的專案/策略團隊會比較適合，比如P&G Finance, Dell Supply Chain, 銀行ESG之類，但如果對行銷策略落地、分析與用戶體驗很有興趣、又想接觸不同產業，我覺得 beBit 是很適合的
實習長度：
beBit 是上下學期都會招 intern ，不過我覺得如果是從頭到尾跟著一個專案的話，待一個學期也只能剛好跟完一個專案左右，如果想要見識更多產業、或者跟上海辦公室的顧問合作，可能要跟公司爭取做久一點、或者彈性支援不同專案，我是比較推後者，尤其是喜歡消費者的人，因為 beBit 的專案都很有趣，不管是從某零售專案了解到消費者心理與品類的關係（剛好我之前待過電商）、或者是B2B的體驗與採購管理都會學到不同的洞察切角
數據分析：
比較多體驗數據還是著重在調查、問卷格式上，之後應該會比較多營運數據、行銷科技的結合，問卷數據的格式通常比較髒、不好整理、欄位超級多，所以如果害怕資料處理的同學剛加入可能會比較挑戰，不過這也是一個很好的成長機會
面試：
如果是對 beBit 商業顧問比較感興趣的網路上有其他分享，面試形式會有蠻大不同。量化分析的話除了動機與行為面試以外，技術比較多是統計跟機器學習的商業應用題，比如什麼情況下FP 重要、你看到 p-value 0.07 這麼尷尬該拒絕嗎？還是會做什麼處置呢？體驗數據通常都是高維度稀疏數據該怎麼處理？之類 … 與一個問很深的量化專案分享，我當時是分享一個做過的航空體驗量化分析優化的專案。
致謝：
首先很感謝先前前公司與前管顧公司的訓練，讓我可以很快上手量化結合管顧的做事方式，以及介紹我這個機會的前量化分析實習顧問禹翔與面試官 Andy。
再來是謝謝上海、台北辦公室的顧問們，尤其是合作了最久的上海顧問 Gavin, 少軒, 徐寧，還有台北顧問 Leo, Harry 還有Chris, James，以及協調我各種工作流的 Mark ，謝謝你們讓我可以盡情嘗試各種量化方法，以及讓我了解到質化研究方法的強大之處與 beBit 的用戶體驗方法論，配合自己的量化專長讓我有感於自己這一年的顯著成長。
beBit 人的氣質我感覺上是比較活潑、有趣，也很渴望讓專案落實真實價值，顧客體驗這種專業是跟生活相性蠻好的，在 beBit 這一年額外的收穫是我到餐廳吃飯、逛街、帶社團都會觀察到很多體驗可以優化的細節 XD
會謹記消費者為中心的思考與方法，就像Logo 必出現的微笑，以及讓每個點都是重點的科技理念。
謝謝你，beBit
