數據分析循環的步驟為何？

一家公司剛組建數據分析團隊時，應該如何進行相關業務的規劃？

首先，建議先盤點公司的現有資料，畢竟要進行數據分析之前，必須先有數據。其次，根據需求與目標，進行數據分析。接著，再根據數據分析的結果，產生洞見（Insight），協助做好決策。之後，持續增加公司內外部的資料蒐集，然後再次根據需求與目標，進行數據分析，產生洞見，協助做好決策。如此反覆循環，如圖1所示。

以上的架構雖然簡單，但每個步驟在執行時都不容易。

首先，第一步要先進行資料盤點，這部分許多公司就沒有做。通常會組建數據分析團隊的公司，規模都不小。資料的來源、種類，背後複雜度較高。甚至數據分析團隊，還無法拿到想要分析的資料。其原因可能是受限於公司的內稽內控，也可能是政治行為。甚至可能會因為能提供資料的某部門窗口，很討人厭，於是數據分析團隊乾脆就不執行該部門的專案。

此外，在盤點完公司的資料後，也可能因為種種原因，發現許多應該要蒐集的資料並沒有蒐集；或是在蒐集資料的過程中便宜行事，導致資料的不完整。這樣的結果，都對之後的數據分析，會產生巨大的影響。

其次，要釐清數據分析背後的需求與目標，必須要對數據分析有概念，知道數據分析能做到什麼？以及不能做到什麼？偏偏沒概念的可能不只是部屬，甚至是擁有決策權的主管。在這樣的情況下，數據分析團隊光是確認需求與目標，就已經遭遇到很大的困難，更遑論之後的數據分析，還要能以嚴謹的方式來進行。

其三，當執行完數據分析，產生分析結果之後，需要產生洞見，以協助決策的進行。而要能正確解讀數據、產生洞見並不簡單。除了在專業上，要有與數據相關的研究方法知識，以及統計思維、運算思維、模型思維等概念。還要有數據分析案的企業機能知識，例如：從事行銷數據分析，要有行銷管理相關知識；從事生產與作業數據分析，要有生產與作業管理相關知識；從事人力資源數據分析，要有人力資源管理相關知識等。

此外，數據分析人員還要對該產業的知識（Domain Knowledge）有所了解，才更有機會產生洞見。（如果數據分析人員只專注於某項專業，可以透過團隊的方式來進行溝通，進行補強。這也凸顯了一位優秀的數據分析人員是多麼不容易培養）。

最後，數據分析團隊在確認需求目標，並且透過數據分析，產生洞見。協助決策後，公司要持續有系統、有計劃地蒐集與累績內外部的資料。而這部分又牽涉到各部門的運作與執行。背後能否落實，又回到第一步資料盤點所可能面臨的問題。

總之，數據分析團隊的組建並不簡單。要能成功的運作，高階主管的支持非常重要。背後會遇到的困難與阻礙很多，而且成效通常不容易顯現。數據分析團隊的夥伴也要有以上的認知，並且持續學習專業知識與產業知識，同時多參與專案的執行。當自己擁有越多的數據分析知識與專案經驗，將會成為炙手可熱的人才。

作者：羅凱揚（台科大企管系博士）、鍾皓軒(臺灣行銷研究有限公司創辦人）