DSP資料科學冬令營@NCCU-Day1

前言

這應該是我開始寫非技術筆記後，第一次寫有關於生活的日記吧！由於之前被室友提醒，生活不只有程式碼吧 XD，你還有生活啊（其實我也沒有多會寫程式QAQ）因此決定以後有什

麼值得紀錄的事情，那就把它記錄下來吧！

What is DSP？

追本朔源的話是由 Code for tomorrow 之前的一個子計畫所延伸而成的一個組織，目的在於讓資料科學這個新領域，經由其組織的倡導及培訓之後，可以有越來越多不只資訊背景的人員參加，而是希望是跨領域的多元組成，如此讓資料科學有更多價值發揮的可能！

Day1課後心得

很高興的可以參與到DSP第一次在學界舉辦的活動，據說之前都是在企業進行培訓課程，而這次特別與ITSA政大社群運算與服務跨校資源中心合辦，並在政大社資中心的場地舉行，第一次的合作以跨學科為主，當中不乏資管、應數、新聞、資工、統計等成員，而且大部分都是碩士生，在我的組別裡頭就有兩位新聞碩、兩位資科碩、一位應數系、一位資管系，在討論專案的過程中，因為彼此的專業與觀點不同，有一種前所未有的感覺，大家對於事情的看法都有不同的認知，我想這也是這次的活動用意吧！讓不同領域的意見，對同一個資料，有著不同的見解，進而統整成一個全面完整的提案！

第一天課程主要是讓我們對於資料科學更make sense，DSP講師 - Rafe更花了一個上午，以許多實例使我們對於資料思考（Data Thinking）更加了解。對於資料思考我的體會以流程而言為下：

1. Ask Right Question - Root Cause
2. Customer Journey - Represent different touchpoints
3. Exploratory Data Analysis - Use tools & visualization

在第一部分，強調在於問對問題，在嘗試解決問題之前，確保問題描述是清楚的，也就是在coding與分析前，知道自己要解決什麼問題相當重要，5W1H（甚至是5W2H）方法，下面附贈一句講師引述愛因斯坦，所提過的名言，供大家省思：

If I had an hour to solve a problem and my life depended on it,I would use the first 55 minutes determining the proper questions to ask. - Albert Einstein

在釐清問題點與定義後，必須要確保已經找到所謂的Root cause，也就是最根本或者最重要的問題，尋找的方法稱為Root cause analysis（RCA），當中包含三種常用方法：持續追問法（5 Why's Analysis）、親和力圖（Affinity diagram）、魚骨圖（Fishbone diagram），總之就是期望在發現root cause後避免甚至減少問題的重複發生。

第二部分則是，透過觀察現狀，加上前述的問對問題，在顧客服務流程中，取得確切且對問題解決有幫助的資料，讓分析更加切題且有意義。

最後則是俗稱的 EDA（Exploratory Data Analysis），透過我們平時常用的speadsheet軟體，善用內建的工具與視覺化，幫助我們做分析，透過以上的方式使數據能夠呈現出規律性。

雖然在第一天的課程，並沒有教導R語言的實作與概念，但確實將我們對於資料思考的模式與核心理念，更加強化熟悉。而 DSP 也特別預留一個小時，讓我們每個團隊，運用一天所學，透過三個開放資料，UBike、Weather、房價去想一個專案，並在第四天將它成型，打造MVP（Minimum viable product），討論過程講師群們 CK、Rafe、Alto也都提供他們專業的見解，改善我們的專案方向與提供我們更多資料資源。

總結就是 ... 好期待將下來三天的活動，真的相當充實！