以前在 CHOCOLABS 實習的時候，常常要處理「Tag 標籤」的資料 ─ 因為 CHOCOLABS 的主打 app「追劇瘋」裡面是使用者看連續劇的紀錄，以及各個連續劇的「Tag 標籤」，比如說是古裝劇、職場劇之類的，所以時常要透過分析這兩種類型的資料來得到有用的商業洞見。之前有讀者說，想看看大鼻是分析資料的實際案例，所以就決定分享一些我常用的分析方法。當然，為了確保商業機密，我只示範非常簡單，沒有很多insight的方法給大家看 XD 這些方法也沒有實際應用在 CHOCOLABS 的專案中。

在這篇文章中，我想要跟大家談談「Information-out」這件事，當資料科學家費盡大量的心力分析完資料，找出有用的洞見後，時常我們必須要向「有決策權的人」─客戶、主管、其他部門的同事─進行報告。此時，「有效地」呈現資料分析的結果將會影響著前面的分析究竟是白費了，還是能夠真正影響組織決策，讓自己的分析為組織帶來價值！

在 Info-in 時資料科學家心中應該已經有個譜，大致上想好後續要怎麼樣建模，因此這一步算是整個資料分析中比較輕鬆的部分。常常就是「把資料塞進去→調整參數→看結果」的過程不斷循環，當然不同類型的資料會需要用到不同的統計或機器學習技法，這是建模過程中較為困難的地方。

現代資料分析已經不再是工程師或是統計學家 … More

「資料科學」(Data Science) … More