<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Sophietje &#39;s Data Season on Medium]]></title>
        <description><![CDATA[Stories by Sophietje &#39;s Data Season on Medium]]></description>
        <link>https://medium.com/@Sophietjewusandra?source=rss-432136a4f336------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*NOJbh-ympoDNfT8gyYnmsA.jpeg</url>
            <title>Stories by Sophietje &amp;#39;s Data Season on Medium</title>
            <link>https://medium.com/@Sophietjewusandra?source=rss-432136a4f336------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Wed, 18 Nov 2026 12:27:52 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@Sophietjewusandra/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[From Publishing to Data: My Seven-Year Journey]]></title>
            <link>https://medium.com/@Sophietjewusandra/from-publishing-to-data-my-seven-year-journey-6d18ca24946d?source=rss-432136a4f336------2</link>
            <guid isPermaLink="false">https://medium.com/p/6d18ca24946d</guid>
            <category><![CDATA[data-analytics]]></category>
            <category><![CDATA[media-transformation]]></category>
            <category><![CDATA[publishing]]></category>
            <category><![CDATA[book-industry]]></category>
            <dc:creator><![CDATA[Sophietje 's Data Season]]></dc:creator>
            <pubDate>Tue, 24 Mar 2026 04:45:18 GMT</pubDate>
            <atom:updated>2026-03-24T04:47:36.092Z</atom:updated>
            <content:encoded><![CDATA[<p>Time flies — I have now been working in the publishing industry for seven years.</p><p>Over these seven years, I have been involved in a wide range of work, including rights management, marketing data analysis, media operations, crowdfunding, and database management, among many other responsibilities. The scope of my work has been quite diverse.</p><p>When I first joined a publishing house, factors such as the publisher’s brand, the author’s reputation, endorsements from experts and scholars, and even the promotional text on the book band could all help drive book sales. Before the pandemic, book sales were quite strong — some titles even reached a third print-run very quickly.</p><p>However, with the rise of short-form videos and streaming platforms such as Netflix, we have observed a noticeable decline in readership. This trend is particularly evident in Taiwan. It is now rare to see people reading books on the street or during their commute. Instead, most people are holding smartphones, constantly consuming the latest information. Last year, Threads became one of the most popular social media platforms in Taiwan, with many people spending a significant amount of time engaging and interacting on it.</p><h3><strong>Where are Books?</strong></h3><p>Books seem to be gradually disappearing from people’s daily lives. Although the #BookTok community gained significant momentum overseas during the pandemic, a similar trend has not emerged in Taiwan. In fact, #BookTok does not appear to be particularly popular across Asia in general — perhaps because people in Asian cultures tend to be more reserved in expressing their emotions.</p><p>In contrast, readers in Europe and the United States are often more expressive after reading a book. Some are moved to tears, some throw the book in frustration, some feel overwhelming joy, and others burst into laughter when they see a book design they love. These unconventional forms of “book reviews” often feel more authentic than traditional reviews from major media outlets. They also align well with the fast-paced lifestyle of modern audiences, who may not have the time to read full reviews. By watching these direct emotional reactions, people can quickly sense whether a book is engaging and worth reading.</p><p>Many international publishers have benefited from #BookTok. One notable example is “Fourth Wing”, which became immensely popular through the platform and even led to speculative reselling and inflated prices at one point.【1】 However, in Taiwan, audiences are less accustomed to consuming #BookTok content, and discussions around it remain relatively limited.</p><p>This raises an important question: how can books published in Taiwan be “discovered” by readers?</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/631/1*bHdY3TbgTyxcS3d8HMAFdg.png" /><figcaption>Image from Freepik, <a href="https://pse.is/8uuyh4">https://pse.is/8uuyh4</a></figcaption></figure><h3><strong>Taiwan’s situation</strong></h3><p>In Taiwan, there are many experienced professionals in the publishing industry. My supervisor is one such expert, with over 15 years of extensive experience. I have been very fortunate to learn from him, gaining valuable insights into both the practical workflows of publishing and the broader knowledge of related fields. As a result, over the past seven years, I have developed strong domain expertise in the publishing industry.</p><p>As the company gradually transformed, we expanded into crowdfunding initiatives and began leveraging data analysis to manage our community. By analyzing traffic and order data, we were able to identify readers’ preferences and develop a variety of book-related merchandise. In addition, we actively engaged in brand collaborations, allowing our books to reach audiences through diverse channels — helping readers discover them and creating meaningful connections between books and their readers.</p><p>Sounds rather ideal — perhaps even a bit romantic, doesn’t it? Yet there are still times when a book’s sales fall short of expectations.</p><p>Sometimes I am wondering: what would happen if an experienced supervisor were to leave, if the marketing team suddenly ran out of ideas, if people no longer responded to marketing copy, or if even beautifully designed covers stopped attracting attention? In such situations, what methods would I still have to ensure that books can reach readers and succeed in the market?</p><h3><strong>From Publishing to Data</strong></h3><p>Later, I came across several articles online, one of which left a particularly strong impression on me: “Harnessing the Power of Data: The Role of Analytics in Publishing.” In this article, the author explains how the emergence of data analytics has provided publishers with new approaches — enabling them to respond to industry challenges and optimize publishing workflows in a more scientific and data-driven manner.</p><p>Furthermore, to enhance both influence and business performance, the author suggests leveraging tools such as AI to improve market performance and refine marketing strategies. (For reference, please see the related articles below: <a href="https://www.highwirepress.com/blog/harnessing-the-power-of-data-role-of-analytics-in-publishing/">https://www.highwirepress.com/blog/harnessing-the-power-of-data-role-of-analytics-in-publishing/</a>)</p><p>With the rise of data science and rapid technological advancement, an increasing number of major international publishing groups have begun recruiting data analysts, business analysts, and data engineers. Their goal is to uncover readers’ preferences by analyzing large volumes of data.</p><p>Although I have not been working directly on the front lines of marketing or operations in this industry, my role has required me to stay informed about publishing market trends and to collaborate closely with related operational teams. Over time, I have increasingly found myself relying on data to support decision-making.</p><p>Based on my knowledge and experience, I believe that building data analytics capabilities within the publishing industry — such as having dedicated data analysts and data teams — would bring more benefits than drawbacks. However, having spent years in this field, I am also deeply aware of its structural challenges and inherent dilemmas.</p><p>This is precisely why I hope to pursue formal training in data science: to explore and answer the questions that have stayed with me over the years — Can data science be effectively integrated into the publishing industry? Can data analytics truly support and enhance publishing practices? And ultimately, does the publishing industry need dedicated data teams?</p><p>This is the original motivation behind my decision to learn data analytics — a simple intention, yet one driven by a deep desire to help books find their readers.</p><p>As for how I later promoted a data-driven culture within my company, and whether I have successfully used data analytics to improve book sales, I believe these are topics worth exploring in future writing.</p><p>【1】For research on the social phenomenon driven by BookTok, I would personally recommend the article “BookTok &amp; ‘The Fourth Wing Effect’” by Jess Maddox, published on Substack. It offers a wide range of extended discussions and insightful perspectives on the topic. For further reference, please see: <a href="https://bythewaysocial.substack.com/p/booktok-and-the-fourth-wing-effect">https://bythewaysocial.substack.com/p/booktok-and-the-fourth-wing-effect</a></p><p>P.S. Recently, I have also been interested in learning how AI can support the publishing industry. If you have any ideas or insights, I would be very happy to hear them :) I also post this article on my substack: <a href="https://substack.com/@sandrawu2/posts">https://substack.com/@sandrawu2/posts</a></p><p>Please feel free to subscribe!</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=6d18ca24946d" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[【分析工程學習】學習筆記: dbt如何改變資料分析師的工作效率]]></title>
            <link>https://medium.com/dbt-local-taiwan/%E5%88%86%E6%9E%90%E5%B7%A5%E7%A8%8B%E5%AD%B8%E7%BF%92-%E5%AD%B8%E7%BF%92%E7%AD%86%E8%A8%98-dbt%E5%A6%82%E4%BD%95%E6%94%B9%E8%AE%8A%E8%B3%87%E6%96%99%E5%88%86%E6%9E%90%E5%B8%AB%E7%9A%84%E5%B7%A5%E4%BD%9C%E6%95%88%E7%8E%87-aae779430b74?source=rss-432136a4f336------2</link>
            <guid isPermaLink="false">https://medium.com/p/aae779430b74</guid>
            <category><![CDATA[analytics-engineering]]></category>
            <category><![CDATA[資料工程]]></category>
            <category><![CDATA[dbt]]></category>
            <category><![CDATA[分析工程]]></category>
            <dc:creator><![CDATA[Sophietje 's Data Season]]></dc:creator>
            <pubDate>Wed, 25 Dec 2024 15:24:51 GMT</pubDate>
            <atom:updated>2024-12-27T00:42:22.308Z</atom:updated>
            <content:encoded><![CDATA[<p>前幾個星期參加TWDS與dbt聯合舉辦的年末活動，其中幾位講者紛紛提到dbt對於資料分析和資料工程的影響，以及對於數據治理的概念。如果看過我在今年七月時的文章，會知道我對於dbt很有興趣，主要是我認為dbt似乎可以讓資料品質更好，並減少資料治理的難度、增加資料分析的品質。而參加完TWDS與dbt聯合舉辦實體版聚後，我似乎更加對於資料領域的未來感到有信心，也相信能夠處理好資料品質的人，會是未來公司中不可或缺的人才。因此我決定在努力學習資料視覺化和資料分析之餘，也投入分析工程相關的訓練。這篇筆記便是我在學習dbt官網上的內容後，翻譯、整理的筆記。希望明年的秋天，我也有能力跟其他前輩一樣，參加鐵人賽或做相關領域工作。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*NJM6bOgNlr18tBmLI2MhUg.gif" /><figcaption>圖1:今年12月資料科學協會(TWDS)與Taipei dbt Meet Up舉辦的聯合版聚。擷取自以下內容: <a href="https://reurl.cc/qnvWqp">https://reurl.cc/qnvWqp</a></figcaption></figure><p><strong>今日的學習整理: Learning dbt as an analyst</strong></p><p>在dbt官網中，有很多優質的部落格可供學習。今天我所選擇學習的文章是在今年12月13日發布、由Rachael Gilbert,Chris Fiore撰寫的 “Learning dbt as an analyst” (作為分析師學習dbt)，連結如下: <a href="https://www.getdbt.com/blog/learning-dbt-as-an-analyst">https://www.getdbt.com/blog/learning-dbt-as-an-analyst</a></p><p>Rachel和Chris是分析師，起初他們接觸dbt時，跟很多人一樣(對，就是我)，感到一頭霧水。說起來雖然很多人都有接觸數據分析，但使用的工具都不同、應用的場景也不同，常常在面對不同領域時，能充分體會到隔行如隔山，需要花很大量的時間來學習。Rachel和Chris這兩位資料分析師也是，一開始他們看到dbt中像是YAML、Jinja或是Unit tests(單元測試)時，都感到非常困惑。不過他們都滿幸運的，剛好都遇到很好的時機點來接觸dbt: Rachel進到了一家新創公司、Chris則是在舊有的資料基礎設施上遇到困難，需要新的技術來解決資料品質的問題。因此他們兩人都在工作中使用dbt，而最後他們發現效果很好。</p><p><strong>Rachel和Chris認為dbt賦予工作上的轉變</strong></p><p>畢竟Rachel和Chris兩位分析師的dbt使用心得文章被放到dbt官網上，自然講了很多dbt相關的好話XD 我統整了一下他們的使用前後心得，將之列成表格: (以下表格有使用chatGPT進行修改與輔助，表格則是使用Canva製成。)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*yC85dYHVPN2CcODYL6cgLw.gif" /><figcaption>圖2:我依照 “Learning dbt as an analyst”此篇文章所整理的使用dbt前後內容。文字資料參考來源如下: <a href="https://www.getdbt.com/blog/learning-dbt-as-an-analyst">https://www.getdbt.com/blog/learning-dbt-as-an-analyst</a></figcaption></figure><p>在“Learning dbt as an analyst”文章中，作者也分享了資料分析師在應用dbt上的主要三個階段，分別是開發(development)、部屬(Deploy)與探索(Explore)。(見圖3)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/939/1*lpjmTvCBoQ8l4SkXiUwdTQ.gif" /><figcaption>圖3: dbt在資料分析上的三個階段。截圖自以下內容: <a href="https://www.getdbt.com/resources/guides/the-analytics-development-lifecycle">https://www.getdbt.com/resources/guides/the-analytics-development-lifecycle</a></figcaption></figure><p>而Rachel與Chris也分享了好消息: dbt明年可能會出無代碼介面（Visual Editor），這將是對於非SQL嫻熟使用者的一大福音!</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=aae779430b74" width="1" height="1" alt=""><hr><p><a href="https://medium.com/dbt-local-taiwan/%E5%88%86%E6%9E%90%E5%B7%A5%E7%A8%8B%E5%AD%B8%E7%BF%92-%E5%AD%B8%E7%BF%92%E7%AD%86%E8%A8%98-dbt%E5%A6%82%E4%BD%95%E6%94%B9%E8%AE%8A%E8%B3%87%E6%96%99%E5%88%86%E6%9E%90%E5%B8%AB%E7%9A%84%E5%B7%A5%E4%BD%9C%E6%95%88%E7%8E%87-aae779430b74">【分析工程學習】學習筆記: dbt如何改變資料分析師的工作效率</a> was originally published in <a href="https://medium.com/dbt-local-taiwan">dbt-local-taipei</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[【我與資料新聞】簡易改圖練習:以UDN韓半島新聞平台之民調數據來改圖]]></title>
            <link>https://medium.com/@Sophietjewusandra/%E6%88%91%E8%88%87%E8%B3%87%E6%96%99%E6%96%B0%E8%81%9E-%E7%B0%A1%E6%98%93%E6%94%B9%E5%9C%96%E7%B7%B4%E7%BF%92-%E4%BB%A5udn%E9%9F%93%E5%8D%8A%E5%B3%B6%E6%96%B0%E8%81%9E%E5%B9%B3%E5%8F%B0%E4%B9%8B%E6%B0%91%E8%AA%BF%E6%95%B8%E6%93%9A%E4%BE%86%E6%94%B9%E5%9C%96-e9fd9f736d6a?source=rss-432136a4f336------2</link>
            <guid isPermaLink="false">https://medium.com/p/e9fd9f736d6a</guid>
            <category><![CDATA[canvas]]></category>
            <category><![CDATA[資料新聞]]></category>
            <category><![CDATA[改圖]]></category>
            <category><![CDATA[資料視覺化]]></category>
            <category><![CDATA[edward-tufte]]></category>
            <dc:creator><![CDATA[Sophietje 's Data Season]]></dc:creator>
            <pubDate>Sat, 21 Dec 2024 19:34:02 GMT</pubDate>
            <atom:updated>2024-12-22T02:12:28.742Z</atom:updated>
            <content:encoded><![CDATA[<h3>【我與資料新聞/資料視覺】簡易改圖練習:以UDN韓半島新聞平台之民調數據來改圖</h3><p>如果大家看過我在今年的鐵人賽文章，會發現我在今年開始，學習以仿作、改圖的方式學習資料視覺化。之所以會開始用仿作與改圖的方式來學習資料視覺化，是因為我後來意識到，對於我來說，要達到良好的學習成效，必須先從模仿他人作品開始。以前小的時候，我曾經參加書法課與美術班，當時的老師會請我們臨摹作品，或是從過往藝術家的作品中取經、進而提升自己的繪畫能力。等到自己念了與藝術史相關的研究所後，由於我所受的是德國藝術史訓練，教授特別強調觀看作品與描述作品的重要性，因此我有機會大量的接觸國外藝術作品。出了社會後，由於在職場上講求即戰力，又有很多線上課程「蠱惑」(?)自己，久而久之忘了模仿與改作的必要；一直到了今年參加鐵人賽、在思考每天的發布主題後，才想起自己可以透過學習他人經驗和作品來提升自我能力。</p><p>在資料新聞和資料視覺化的世界，要說誰是大師級，應該仍以美國學界和歐陸學界為主。最有名的應該是Edward Tufte，他的著作對於資料視覺化理論的建立十分有幫助。我已將Edward Tufte兩本作品閱讀完成，分別是 “Beautiful Evidence”和”The Visual Display of Quantitative Information”這兩本書。前者初看時，被Tufte直言不諱的說話方式嚇到XD但也很佩服其尋找視覺化案例的能力。在Tufte的想法中，天文學、星系觀察圖應皆屬於資料視覺的一種，而在路上或是警察局看到的宣傳海報…等，也都能見到資料視覺化的蹤跡。Tufte的想像力非常豐富，讓我更加喜歡資料視覺化。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/381/1*0t0XhE58ad2PZFLHCu8Y1w.gif" /><figcaption>圖1: Edward Tufte著作 ”Beautiful Evidence”封面，擷取自Amazon書訊內容: <a href="https://www.amazon.com/-/zh_TW/Edward-R-Tufte/dp/1930824165">https://www.amazon.com/-/zh_TW/Edward-R-Tufte/dp/1930824165</a></figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/381/1*rrcPUpeIBGHfxoYv-cdkQA.gif" /><figcaption>圖2: Edward Tufte著作 ”The Visual Display of Quantitative Information ”封面，擷取自Amazon書訊內容: <a href="https://www.amazon.com/Visual-Display-Quantitative-Information/dp/1930824130">https://www.amazon.com/Visual-Display-Quantitative-Information/dp/1930824130</a></figcaption></figure><p><strong>今日的嘗試改圖</strong></p><p>如果大家有關注國際新聞，應該會注意到一件國際大事: 南韓總統發動戒嚴。老牌媒體UDN也關注了這則新聞。在最近於IG發布的內容中，他們以簡單的圖表來呈現戒嚴令後的南韓民意趨勢。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/927/1*WudkEoLip3jy3cquqdujjA.gif" /><figcaption>圖3: UDN在官方IG上所發佈的「戒嚴事件後南韓民意趨勢」圓餅圖。</figcaption></figure><p>這張圖表的表達清晰度其實已滿高的，資訊也表達的很清楚，只是在仔細看這張圖表，我發現圖表內有明顯的白線。另一方面，在選色上，我猜測UDN當時是為了展現此圖表為南韓新聞，而南韓的國旗色正是由藍色、紅色白色、黑色組成，因此從國旗色中選擇藍色與紅色，是滿合理的。只是如果是我來處理這張圖，我可能嘗試會把藍色與紅色對調。這是因為在顏色的選擇上，紅色較為醒目，而藍色則較為冷靜、沉著；觀者的視角容易先被紅色吸引。這樣的理論在知名視覺化網站 “Storytelling with Data”中有提到。在“Storytelling with Data”網站中，作者Mike Cisneros發表了一篇”picking the right colors”一文，我將之引用如下:</p><blockquote><strong>Warm colors tend to pop out towards us, and cool colors tend to recede. </strong>If you’re using one warm and one cool color, the warm one might feel slightly more dominant.( 暖色系通常會向我們「突出」，而冷色系則傾向於「退縮」。如果你同時使用一種暖色和一種冷色，暖色可能會顯得稍微更具支配性。)【註1】</blockquote><p>也因此，這次我的改圖方向主要是將圓餅圖內的白線去除，以及將紅、藍區塊顏色對調。</p><p>我所使用的工具是近年很熱門的Canva。在Canva中，有一個Free Pie Chart Maker，點擊Make a pie chart紫色按鈕後，會進到一份未命名簡報設計。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*B4IwZq1RsKdyAdUw0VoOkQ.gif" /><figcaption>圖4: Canva的Pie Chart Maker頁面。擷取自: <a href="https://www.canva.com/graphs/pie-charts/">https://www.canva.com/graphs/pie-charts/</a></figcaption></figure><p>因為此次UDN所做的新聞資料不是很複雜，因此我想直接在Canva中輸入資料。首先先在圓餅圖中的「資料」「標籤」的地方，先將紅色、藍色、灰色選取完成。之後再將UDN的資料內容輸入到標籤中。以UDN所發布的新聞(見圖3)，左側的圓餅圖主題是「12月3日是否為內亂?」，而數據有三個，分別是「是內亂 71%」、「非內亂23%」。依照圓餅圖原則，需要在各個比例加總為100%，因此我多增加一個「其他」列，百分比為6%。之後調整字型大小、選擇背景顏色、甚或透明度後，便可看到圓餅圖的雛形。(見圖5)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/515/1*ZiaiIu5ho7jpTMsuqPB5Bw.gif" /><figcaption>圖5:以Canva製作出筆者親製。(在調整透明度之前)</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/566/1*HNiuXslDvTGqtrdsQiB7Zg.gif" /><figcaption>圖6:以Canva製作出調整透明度後的餅圖，整體樣貌會較為沉穩。筆者親製。</figcaption></figure><p>如果製作完成後，對於標籤文字字形不夠滿意，可以回到圖表編輯中，將「資料選擇」中的「標籤」點掉，讓整個圖表的標示只剩下百分比數值結果。之後我們可以再把新聞標題、圖表解釋文字加入欲呈現的內容中，改圖便完成了。而因Canva的作圖功能很不錯，因此會發現原本UDN新聞圖中的白線消除了，因此如果未來想要繪製餅圖時，或許選用Canva是個好選擇。</p><p><strong>小結語</strong></p><p>其實我在使用Canva後，我突然可以理解為什麼UDN將比例大的圓餅圖區塊繪成藍色，而比例次大的圓餅圖繪成暗紅色: 相比我所改圖的結果，UDN的作品更為沉穩，而我所改的圖則比較符合理論。但理論跟實際要如何結合呢? 或許只有多次嘗試，才有辦法有更完整的答案。</p><p>【註1】有關Storytelling的顏色比例討論，可參考Mike Cisnerosh, “ picking the right colors” , <a href="https://www.storytellingwithdata.com/blog/2020/5/6/picking-the-right-colors">https://www.storytellingwithdata.com/blog/2020/5/6/picking-the-right-colors</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=e9fd9f736d6a" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[【資料視覺】基礎資料視覺: 沒梗的時候的推薦圖表管道]]></title>
            <link>https://medium.com/@Sophietjewusandra/%E6%88%91%E8%88%87%E8%B3%87%E6%96%99%E8%A6%96%E8%A6%BA-%E5%9F%BA%E7%A4%8E%E8%B3%87%E6%96%99%E8%A6%96%E8%A6%BA-%E6%B2%92%E6%A2%97%E7%9A%84%E6%99%82%E5%80%99%E7%9A%84%E6%8E%A8%E8%96%A6%E5%9C%96%E8%A1%A8%E7%AE%A1%E9%81%93-0599907b3482?source=rss-432136a4f336------2</link>
            <guid isPermaLink="false">https://medium.com/p/0599907b3482</guid>
            <category><![CDATA[資料視覺]]></category>
            <category><![CDATA[excel]]></category>
            <category><![CDATA[資料分析]]></category>
            <dc:creator><![CDATA[Sophietje 's Data Season]]></dc:creator>
            <pubDate>Tue, 17 Dec 2024 18:30:26 GMT</pubDate>
            <atom:updated>2024-12-18T08:23:31.792Z</atom:updated>
            <content:encoded><![CDATA[<p>前些日子，朋友為公司製作商業資料分析圖表。但可能因為對於製作圖表不太熟悉，因此一開始在處理圖表內容上不知該如何下手，也不太清楚該使用哪種圖表來表現自己拿到的數據。在和她討論後，我靈機一動，想到或許可以寫一篇基礎選圖方法的網誌，希望能讓更多人用簡單的方式製作圖表。</p><p><strong>Excel能幫助你!</strong></p><p>是的，你沒看錯，如果在製作商業分析圖表時靈感卡關，可以使用Excel來幫助自己選圖。這幾年，數據分析課程與社群風氣上常強調使用SQL、Python等來處理數據分析，不過在美國，也是有一些比較「逆風」的看法，像是資料分析顧問公司執行長George Mount在其著《精通資料分析》便寫道，許多R和Python的訓練課程常常說，「很多人在該寫程式的時候卻使用Excel，但都不看看那些Excel所造成的問題」；實際上這樣的想法是不正確的，應該把程式語言和Excel視為在資料分析上相輔相成的工具。【註1】</p><p>我很同意George Mount的說法。誠然他是Excel資料分析教育家、也是Excel的使用愛好者，對於Excel的偏愛十分明顯，可對我來說，Excel能在職場上屹立不搖這麼久，一定有它的道理。像我今天想分享的「推薦選圖」方法，便是使用Excel來完成。</p><p><strong>動手做!</strong></p><p>假設你是一位需要製作資料視覺化的人，正好從數據分析師或PM等同事手上拿到一份清理好的資料。這份資料假定是由「性別」、「年齡」與「消費金額」構成。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/400/1*Rf1RVdcQexaANjcEY9Xjpw.gif" /><figcaption>圖1:筆者設計的假資料。</figcaption></figure><p>如果所擁有的資料內容不複雜、但沒有什麼圖表設計想法，又不想馬上在製圖軟體上作圖，這時可以使用Excel建議圖表功能。我們先將圖1中的所有資料選取起來(從A1選到C10)，之後點擊Excel最上排的「插入」功能，會看到「建議圖表」工具。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/930/1*CP8WAzBM80Xrs38pX5CJ9g.gif" /><figcaption>圖2: Excel「插入」中的「建議圖表」功能(黃框圈起處)。擷取自筆者個人Excel活頁簿。</figcaption></figure><p>直接點擊「建議圖表」後，會看到Excel已將推薦的圖表類型。以筆者使用的假資料為例，Excel便建議使用「群組直條圖」、「散布圖」、「群組橫條圖」、「堆疊橫條圖」、「百分比堆疊直條圖」與「帕累托圖」(Pareto Chart）。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*yUJ8VA01pQ3RBFOgN1VBcg.gif" /><figcaption>圖3: Excel依照資料所推薦的圖表類型。照片擷取自筆者的Excel活頁簿。</figcaption></figure><p>可能對於習慣看資料視覺化和資訊圖表的讀者來說，Excel所推薦的圖表呈現方式有點陽春；不過因Excel所提供的推薦圖表類型都是依照數據資料來準確繪製圖表，因此不太會出現比例不對、資料不齊的問題，是筆者認為可以信賴的資源。</p><p>【註1】有關George Mount在其著《精通資料分析》提出Excel在數據分析中的重要性，可參考George Mount，《精通資料分析》，台北市: 碁峰，2022年，前言xi。</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=0599907b3482" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[【我與資料新聞/資料視覺】我錄取Data Visualization Society的活動志工了!]]></title>
            <link>https://medium.com/@Sophietjewusandra/%E6%88%91%E8%88%87%E8%B3%87%E6%96%99%E6%96%B0%E8%81%9E-%E8%B3%87%E6%96%99%E8%A6%96%E8%A6%BA-%E6%88%91%E9%8C%84%E5%8F%96data-visualization-society%E7%9A%84%E6%B4%BB%E5%8B%95%E5%BF%97%E5%B7%A5%E4%BA%86-5a6405114e0f?source=rss-432136a4f336------2</link>
            <guid isPermaLink="false">https://medium.com/p/5a6405114e0f</guid>
            <category><![CDATA[資料視覺]]></category>
            <category><![CDATA[資料新聞]]></category>
            <category><![CDATA[data-visualization]]></category>
            <dc:creator><![CDATA[Sophietje 's Data Season]]></dc:creator>
            <pubDate>Sun, 15 Dec 2024 15:42:46 GMT</pubDate>
            <atom:updated>2024-12-17T18:36:42.267Z</atom:updated>
            <content:encoded><![CDATA[<p>在今年鐵人賽完賽後，我仍對於自己是否要成為資料記者感到不確定，因此我參加了很多資料科學、數據分析、資料視覺化相關的活動，除了希望能夠更加了解職涯方向外，也希望自己能夠找到自己希望投入的工作領域。而在經過幾個月的探尋後，我發現自己仍很喜歡資料新聞與資料視覺化。因此我決定不論是否自己未來有做相關工作，我都希望能投身此領域，以研究的精神，更為虔誠的面對此領域。在這樣的決心下，我報名了前篇網誌中提到的Data Visualization Society的活動志工。而在最近，我終於收到了錄取通知!</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/515/1*CQzGlMkhj17BrzNmf8zb9Q.gif" /><figcaption>圖1: 我所收到的Data Visualization Society的活動志工錄取信截圖。</figcaption></figure><p>如果沒有意外的話，我確定被選為Data Visualization Society 的志工服務群，將會在今年12月開始至明年年中，協助全球資料視覺化獎項 2024 Information is Beautiful 評選與工作，且也會和各個國家不同的資料視覺化愛好者，一起推廣資料視覺化(Data Visualization)。</p><p>如果喜歡資料視覺化的人，或許聽過Data Visualization Society 這個組織，他們對於資料視覺化的推廣不遺餘力，也因此當我發現有志工招募時，我雖有猶豫幾天，最後決定報考。經過了幾輪環節跟書信聯繫往來後，最後在倒數第二關的口試部分(或可以說是用外語和主辦聊聊環節)，大概是因為自身理念與主辦方一致，亦或是受到上天垂憐，今日終於收到了錄取通知，確定會在這個國際組織中工作。</p><p>對於長期是Data Visualization Society 粉絲/讀者的我來說，能為自己喜愛的單位服務，就像夢一般的不真實。僅願資料視覺化能被更多人看見，也願自己能與更多愛好者交流。</p><p>這對我來說是個新挑戰，也讓我很期待未來的活動。也許，我可以稍微相信，自己真的有做出一點成績、也往外跨出了步伐了。</p><p><strong>之後的規劃</strong></p><p>在今年的工作中，我有幸接觸到成大物理系教授蘇漢宗的「每日一天文圖」網站。蘇教授以美國APOD天文圖的圖照和網站內容，每日辛勤的在成大網站中更新資訊，將美國的資料翻譯成中文，提供給台灣學子與天文愛好者閱讀、學習。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*htZw8Y0tOYuh7P8G-NuA7g.gif" /><figcaption>圖2: 成大教授蘇漢宗在成大物理系分站中所分享的每日一天文圖。教授每日更新、翻譯美國APOD天文影像照片和天文解說的精神很讓人敬佩。截圖自: <a href="http://sprite.phys.ncku.edu.tw/astrolab/mirrors/apod/apod.html">http://sprite.phys.ncku.edu.tw/astrolab/mirrors/apod/apod.html</a></figcaption></figure><p>我的能力當然不及蘇漢宗教授，但我很希望自己能在身體健康與工作狀況較好時，穩健的在此網誌中分享自己對於資料新聞與資料視覺化的觀察與分析。也許一開始不夠成熟，但我相信持續努力，一定在實力上會有所累積的。</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=5a6405114e0f" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[【Data Application】第六屆曼陀號第四次月會]]></title>
            <link>https://medium.com/@Sophietjewusandra/data-application-%E7%AC%AC%E5%85%AD%E5%B1%86%E6%9B%BC%E9%99%80%E8%99%9F%E7%AC%AC%E5%9B%9B%E6%AC%A1%E6%9C%88%E6%9C%83-c6af27741cca?source=rss-432136a4f336------2</link>
            <guid isPermaLink="false">https://medium.com/p/c6af27741cca</guid>
            <category><![CDATA[application-data]]></category>
            <category><![CDATA[第六屆曼陀號領航計畫]]></category>
            <category><![CDATA[資料科學]]></category>
            <dc:creator><![CDATA[Sophietje 's Data Season]]></dc:creator>
            <pubDate>Fri, 04 Oct 2024 08:53:53 GMT</pubDate>
            <atom:updated>2024-10-04T19:50:54.230Z</atom:updated>
            <content:encoded><![CDATA[<p>時間來到了秋天。人們說，秋天是離別的季節，而曼陀號月會活動也進入尾聲。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*4vTv01EIFPMIWth9-VFhUA.jpeg" /><figcaption>Data組引水人Ian送給大家的時空膠囊明信片。收到時因太感動、於是在會場立馬為這張明信片拍了一張照XD (筆者親攝)</figcaption></figure><p>在這次月會中，大致分有三個主題，分別是小組線下討論分享、航海士工作經驗分享、AI工具與Data/生活中的應用。這幾個主題都是我很喜歡的，因此我想在這次的心得紀錄文中，分成三個部分來分享、紀錄。</p><p><strong>誰是你的Role Model?</strong></p><p>這是在第三次月會時，立文老師留給大家的「回家作業」，藉此反思自己生命中值得效法的對象、為什麼會效法、以及對自己的影響。說起來，當初在第三次月會上看到這個作業任務時，是有點不知應該要回答哪一位，因為我的Role Model好像太多人了XD(光曼陀號領航計畫中的很多人已可以算是我的Role Model了!) 而在第四次月會分享時，每組所推派的代表也陸續說出自己的Role Model，結果意外發現大家的分享都很真摯。有人舉了很有名的YouTuber、Spotify商業分析師Lillian為例、有人以「大人學」創辦人為榜樣、有人的Role Model是自己的前主管，或是立文老師! 此外，也有人坦言，自己本身沒有Role Model，但是有「不想效法的對象」，這種用反面的方式來思考命題也是滿有意思的。</p><p>在月會中，我最喜歡、最有共鳴的Role Model分享，當是水手Youi提到，自己的Role Model是自己的父親。可能我跟Youi的年紀相仿、都是30世代的人，對於人與人之間的關係、自己的人生抉擇與學習對象上，開始會去反思父母輩的作法，並開始會比較認分的聽取父母輩的意見(年少時很叛逆啊…)因此當Youi說自己的父親在三十幾歲時，就已經身兼很多家庭責任、很認真的工作跟管理自己的人生時，聽了很有感觸。的確，現在的我們能有機會探索自己、思考人生、好好專心工作/學習，某程度就是因為父母給予我們比較好的環境成長，讓我們能潛心做事。</p><p><strong>航海士工作經驗分享</strong></p><p>這次的月會主題與AI相關，因此有三位航海士分享了自己在工作上使用AI的情境和實際應用的結果。在我的工作中，其實前陣子有被明文規定，嚴禁使用任何AI，最主要是為了保護資產、維護個資、避免商業機密外流與尊重人文領域傳承…等面向 (前陣子才跟一位國外的資料科學教授聊天，她提到在巴西，有些孩童的照片會被拿去盜用，來去訓練AI模型。姑且不論這個盜取行是真是假，AI對於很多領域的人來說，還是有些使用疑慮) 因此我對於大家如何在工作中使用AI工具感到滿好奇的。</p><p>我發現航海士們在工作中會用到AI的部分，主要是修改程式碼、下達指令與資料分析協作為主，並以chatGPT的使用為大宗。舉例來說，有一位航海士分享到，她會清楚地跟AI說明扮演的工作角色、應當完成的任務，以用精準的prompt來闡述需求。而在她的測試結果上，會發現若對AI的指示越清楚，則越能產出接近工作者理想的成果。有時chatGPT給予的反饋不如預期，需要來回溝通很多次；不過經過多次的調整，使用者也會越來越清楚如何使用AI工具協作，並在符合公司法律規範下，達到工作成效雙贏的局面。</p><p>如果有資安上的考量，有航海士也分享自己公司開發AI工具的經驗，或自己去串服務。後來也發現，其實整體工作成效也滿好的。此外，AI工具也幫助他寫程式，雖然有些由AI生成的程式碼還是需要人工來做辨認與修改，不過整體工作效能上已經比過往練蠱式(?) 的學寫程式好太多了。</p><p><strong>AI工具與Data/生活中的結合應用</strong></p><p>這大概是我最喜歡的月會環節了! 此次曼陀號月會的工作人員也不免俗的發下白紙與便利貼，讓大家思考自己如何應用AI工具。我們這組的成員很可愛，大家一講到AI工具應用就停不下來! 大致上會用到AI工具的場景主要是工作、語言學習、語言翻譯、會議記錄和透過AI將錄音轉逐字稿。在AI工具使用率排名上，第一名是最知名的chatGPT、第二名則是Copilot。Claude與Notebook LM也是後起之秀，它們就像人們的生活助理一樣，幫助人們完成很多大小事。很有意思的是，有成員分享當自己在煮菜前沒靈感時，會問AI有沒有推薦的食譜來幫忙清冰箱。我的話則是…有時會問chatGPT當天要不要出門、或是詢問一些人生方向與工作職涯調整，其實現在想想自己在生活中也很依賴AI工具。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*TyrVTeGCiTQbnS9vGIcy-Q.jpeg" /><figcaption>我們小組的討論成果。現場討論很熱絡、大家對AI工具的使用方式都很多元。(筆者親攝)</figcaption></figure><p>我記得在去年時，國外開始有很多討論，探討AI工具對於資料科學領域工作者的影響。一直到現在，還是能看到不少文章提到，AI工具對於資料分析師的影響很大，有些公司甚至提到接下來不會請初階的資料分析師，改為訓練prompt。我在曼陀號的月會上，沒有明顯感覺到對於職涯求助的悲觀氣氛。不過也可以感受到，現在的社會已經發展出全新面貌，我們在面對自己的工作、生活、職涯規劃與專案處理上，都可能受到AI的影響。未來可能也有很多新興的職業出現，持續的學習或許是面對AI浪潮的因應之道。</p><p><strong>一點結尾</strong></p><p>下次與大家見面，便是在閉幕式時了。沒有想到時間過這麼快，也沒有想到能在曼陀號領航計畫上，遇到這麼多美好的人事物，以及擁有這麼多美麗的回憶。我很喜歡一句德文俗語，叫作“Über den Tellerrand schauen ”，指的是「跳出框框去思考」與「開闊眼界」。德國人常常會說，自己需要越過盤子的邊緣(Tellerrand)，來看這個世界。道理和天文學家牛頓所言｢站在巨人的肩膀上看世界」是差不多的。(Teller可以把它視為「世界觀」的意思。) 我想曼陀號領航計畫就像那個讓我們跳出舒適圈的基石，幫助我們從不同領域的人、前輩、各次月會與成員們的談話中，跳脫框架，進而找到自己。也許有一天，有些人能在Data領域上走得更遠，成為資料領域的大前輩；也可能或許有一天，有些人不會再持續往Data領域走、跑去做更喜歡的事。但我相信，不論任何的決定與跟他者的相遇，都是為了讓自己變得更幸福。</p><p>而我也會永遠記得，這個與大家相遇的2024年夏天。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*SKjYeI6HkdXG5FgVpCxZFQ.jpeg" /><figcaption>一次在前往月會的路上，所拍攝的雲朵變化。主要是我覺得Data就跟雲朵一樣純粹，可又依照情境變化多端；並順便記錄一下通往市區的公路風景~(筆者親攝)</figcaption></figure><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=c6af27741cca" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[【資訊圖表與資料視覺讀書聚】第一次破冰心得]]></title>
            <link>https://medium.com/@Sophietjewusandra/%E8%B3%87%E8%A8%8A%E5%9C%96%E8%A1%A8%E8%88%87%E8%B3%87%E6%96%99%E8%A6%96%E8%A6%BA%E8%AE%80%E6%9B%B8%E8%81%9A-%E7%AC%AC%E4%B8%80%E6%AC%A1%E7%A0%B4%E5%86%B0%E5%BF%83%E5%BE%97-886d1b9bc6c5?source=rss-432136a4f336------2</link>
            <guid isPermaLink="false">https://medium.com/p/886d1b9bc6c5</guid>
            <category><![CDATA[資訊圖表]]></category>
            <category><![CDATA[資料視覺化]]></category>
            <category><![CDATA[讀書會]]></category>
            <category><![CDATA[第六屆曼陀號領航計畫]]></category>
            <category><![CDATA[曼陀號領航計畫]]></category>
            <dc:creator><![CDATA[Sophietje 's Data Season]]></dc:creator>
            <pubDate>Thu, 03 Oct 2024 15:31:38 GMT</pubDate>
            <atom:updated>2024-10-03T15:47:51.985Z</atom:updated>
            <content:encoded><![CDATA[<p>這是一篇感謝曼陀號提供第一次破冰會場地贊助的讀書會心得。承蒙今年曼陀號領航計畫的照顧，身為Data組的我，總覺得好像要做點什麼，想了約兩個月後，決定來辦讀書會!</p><p><strong>舉辦緣由</strong></p><p>當初看到曼陀號領航計畫的PM組引水人怡欣在Discord上發佈鼓勵共組讀書會的消息時，讓我開始思考要不要組一個讀書會。雖然我有組讀書會的經驗，不過因我的夏天塞滿了很多學習跟工作相關的行程，因此最後遲至8月底左右，才正式跟怡欣敲定讀書會的招募文案。本來想說應該只有兩、三人參加，結果意外報名人數踴躍；甚至人數多到我需要做篩選的程度(感謝大家支持QQ)</p><p>之所以會舉辦資訊圖表與與資料視覺化讀書會，是因為我非常喜歡資料視覺化，也用了資料視覺化做了一些專案、求職與工作運用。我很喜歡資料視覺化中兼具藝術、科技、人性思考的特性，即使在製作圖表的過程中，難免會有「黑歷史」，可對於資料視覺化的熱愛不滅，因此希望能夠找到同好一起學習。</p><p><strong>九月底的破冰會</strong></p><p>這次的出席率非常高!曼陀號幫我們租借了約10人場地，讓我們盡情討論資料視覺化。在我們的成員中，分別有Data Application組與UX組的夥伴，可能彼此的調性很合、又分別有E人與I人的加入，因此整體討論氣氛超乎預期的好! 大家都很踴躍的分享意見，並且透過自己的專長提供建議，收穫非常多。有的人分享了工作上所製作的儀表板(Dash Board)、有人分享自己的上課心得、也有人分享了讀書心得。我自己在準備分享內容時，因為想到可能比較多人會分享美好的視覺化案例跟視覺化原則，因此我的分享內容是以「糟糕的視覺化案例」做為討論內容，希望能讓成員們一起來看看這些視覺化案例的缺點。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*BesTQFAZYbWbIKPxkA8Gww.jpeg" /><figcaption>當天分享的「糟糕視覺化簡報」。筆者親攝。</figcaption></figure><p>在讀書會當天的分享案例中，讓我印象最深的是來自Data組的成員分享「【資料分析】畢業旅行要跟誰睡？」的視覺化內容。他親自從朋友所帶領的學生班級畢旅調查問卷中，整理出國中生們希望和誰同寢室的志願排序，進而做出一張關係圖:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/738/1*bDO8n8jJyQxeJ2bXYqTw2w.png" /><figcaption>【資料分析】畢業旅行要跟誰睡？關係網絡圖。引用來源: <a href="https://www.instagram.com/p/Cw7TwTQv015/?igsh=Y21vcmYzeGN2eHJn&amp;img_index=3">https://www.instagram.com/p/Cw7TwTQv015/?igsh=Y21vcmYzeGN2eHJn&amp;img_index=3</a> (已獲得成員本人同意、可公開分享)</figcaption></figure><p>從中可以看出，有些同學是人氣王，大家都希望能跟他/她同一間房。然而有些同學的人際關係比較沒有這麼好，因此他/她雖然有想要與人一起同一間房、但其他人可能在志願排序時，不會先想到他/她…有點讓人感到難過。(好想知道最後這些國中生的畢旅分房結果，希望邊緣人能幸福QQ)</p><p><strong>破冰會後的後續</strong></p><p>因為時間的關係，使得一些成員沒有辦法在實體讀書會分享到，於是我們便約好在下次線上讀書會時，再一起討論。昨天是我們的第一次線上讀書會，討論的內容也超級踴躍!有課程與經典書籍分享、台積電永續報告書中的資料視覺化成果分析、資料視覺化設計原則研究…等。真的非常感謝成員們願意投入這麼多的時間來準備讀書會分享內容，希望未來能多多指教、並期待下次讀書會的到來!</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*1KLFNyDIRFnvmrEdrD-TIw.jpeg" /><figcaption>當天的讀書會大合照。讀書會成員親攝。</figcaption></figure><p>寫到這裡，再次深深地感覺到，能喜歡跟學習資料視覺化真是太好了。因為它，讓我能與許多美好的人們相遇。最後也謝謝PM組引水人怡欣，她在幫忙我們處理場地上花了很多心思，也謝謝她總是包容、接納我在組織讀書會前置作業上所提出的請求，真的很謝謝。</p><p>— — Data Application, Sandra</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=886d1b9bc6c5" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[【TWDS】第五屆資料科學領航計畫心得-結束與開始]]></title>
            <link>https://medium.com/@Sophietjewusandra/%E7%B0%A1%E6%98%93%E5%BF%83%E5%BE%97-%E7%AC%AC%E4%BA%94%E5%B1%86twds%E9%A0%98%E8%88%AA%E8%A8%88%E7%95%AB%E5%BF%83%E5%BE%97-762725154221?source=rss-432136a4f336------2</link>
            <guid isPermaLink="false">https://medium.com/p/762725154221</guid>
            <category><![CDATA[twd]]></category>
            <category><![CDATA[第五屆資料科學領航計畫]]></category>
            <category><![CDATA[資料科學]]></category>
            <category><![CDATA[資料分析]]></category>
            <dc:creator><![CDATA[Sophietje 's Data Season]]></dc:creator>
            <pubDate>Tue, 01 Oct 2024 10:52:00 GMT</pubDate>
            <atom:updated>2024-10-01T12:34:50.689Z</atom:updated>
            <content:encoded><![CDATA[<p>到現在仍覺得能申請上TWDS，就像做夢一樣的不真實。</p><p>我是很晚才決定申請TWDS，當時想說依照自己的背景與工作經歷，可能不能算是很純粹的資料分析與資料科學領域的人才，因此對於自己要不要提交第五屆的資料科學領航計畫申請，著實讓我猶豫了很久。</p><p>現在證明有提交是對的，我到現在對於每一個安排與環節都非常滿意!</p><p>我很幸運的遇到了很專業的導師Alyssa，她是一個很溫暖的人，就像一個溫柔的職場前輩一樣，總是提供給予學員鼓勵與支持，讓我們更加得清楚自己在資料領域中的角色與職涯方向。我很謝謝自己能遇到助教Graf，她是一位很溫暖、專業的資料領域工作者，她很負責、細心，總是會協助很多行政庶務，並適時地提供鼓勵。我也因此在這個計畫中與她結識，平常也會拿一些職場上的問題來詢問意見，真的非常謝謝她的幫忙。而也因為她的鼓勵，未來我很高的機率會往Analytics Engineer的方向邁進，並且持續深耕自己在social media analysis的領域知識。此外，我也很謝謝我的組員Kai，他是一個很熱情幫助大家的人。雖然他對於人生有時仍有些迷惘，但他的豐富經驗跟提點，常常幫助我思考很多，我想接下來，他一定會走出屬於自己的道路的!Vivian和Vivi是與我同樣加入另一個資料領域培訓計畫的戰友，她們雖然都是二類出身，但很包容我這樣一位文科出身的人，真的很謝謝。成員April也是很溫柔的人，我們常常在月會結束後一邊吃飯、一邊討論接下來的下一步。可能也因為彼此年紀相近，能聊的話題很多。這些的經歷都是我人生中寶貴的回憶。</p><p>最後，我很謝謝TWDS舉辦的每一場來賓座談與閉幕式。尤其閉幕式是我今年參加的所有資料科學講座中，收穫最多的。我也很謝謝當天給予我鼓勵的其毅前輩與Brown老師，讓我知道，要學好一門領域，必須要讓自己有再次將姿態蹲低的勇氣跟決心，並潛心學習。我還記得，有一天晚上在Alyssa和Brown老師的聯合主持會上，Brown老師是如何靈活運用統計學與A/B Testing知識來從事資料科學工作，其出神入化的知識應用能力真是讓人嘆為觀止。在當今這世上，已經越來越少人能用心作學問與認真面對自己的職位、工作和面對科學。因此我能有幸遇到這位導師，實在非常感謝。也很謝謝在閉幕式當天，Enzo老師的分享。我覺得依照我對於資料工程的理解力跟求學精神，可能我還不及老師的三分之一。但能在資料科學領域上遇到Enzo老師，也是我人生中很感謝的事情。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*O6z2IWAwRiRj10SUtG4V6Q.jpeg" /><figcaption>第五屆領航計畫閉幕式合影。大家都笑得好可愛。(現場工作人員親攝)</figcaption></figure><p>雖然第五屆資料科學領航計畫結束了，但我們的緣分仍持續著。很感謝自己能加入如此講求知識、重實務、學理並重和實事求是的地方。希望未來仍有機會參與資料科學協會更多的培訓，也很慶幸自己在動盪的時代，選擇了成為資料人。</p><p>Ps.在上個月時，當資料科學協會官方po出了大合照照片後，很意外的我竟然收到幾封私訊，而且竟然是在資料科學領域深耕的前輩所傳來的。我是一個很普通、很平凡的人，因此能有這樣的際遇，和人暢快淋漓的聊資料科學，真的很過癮。也許我離心中的優秀樣貌還有段距離，然因為有了前輩們的鼓勵跟鋪路，我相信我會在這條路上走得越來越順利!</p><p>Ps. II 在閉幕式當天，其毅老師說他們每天都讀2篇paper來了解資料科學脈動，我聽完後直接覺得也太拚命了，是要逼死誰XD不過現在的我也每天朝這個生活習慣努力，讓自己靜心做科學、誠實的面對學問。</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=762725154221" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[【資料工程學習】DataTalk.Club筆記-Week 4: Analytics Engineering(1)]]></title>
            <link>https://medium.com/@Sophietjewusandra/%E8%B3%87%E6%96%99%E5%B7%A5%E7%A8%8B%E5%AD%B8%E7%BF%92-datatalk-club%E7%AD%86%E8%A8%98-week-4-analytics-engineering-1-b890dfbc7bf7?source=rss-432136a4f336------2</link>
            <guid isPermaLink="false">https://medium.com/p/b890dfbc7bf7</guid>
            <category><![CDATA[datatalksclub]]></category>
            <category><![CDATA[data-engineering]]></category>
            <category><![CDATA[dbt]]></category>
            <category><![CDATA[analytics-engineering]]></category>
            <category><![CDATA[data-science]]></category>
            <dc:creator><![CDATA[Sophietje 's Data Season]]></dc:creator>
            <pubDate>Wed, 25 Sep 2024 17:27:07 GMT</pubDate>
            <atom:updated>2024-09-30T13:33:44.750Z</atom:updated>
            <content:encoded><![CDATA[<p>這篇是關於學習DE Zoomcamp 4.1.1 — Analytics Engineering Basics的筆記內容。DE Zoomcamp的主辦DataTalk.Club在2022年左右，開設了DE免費教學課程，並在2023年時曾完成更新。每一集的單元都很輕量，因此筆記量也很適中，有興趣的人可以繼續看下去。</p><p>最近在跟著DataTalk.Club跑機器學習的Zoomcamp，並回頭學習之前DataTalk.Club的Data Engineer的Zoomcamp。因為我一直在想要怎麼克服自己學習的障礙，不間斷的學習，並能好好挑戰自己、不要產生惰性，因此想了很久後，我想固定整理筆記: 在每一篇文章之前，寫一些提要跟心情，主要增強跟Data Engineer知識的關係，使自己心更靜、更穩定的面對學習上的未知/已知。</p><p>今天我想先從Analytics Engineering學習，主要是因為自己還是滿想往這塊邁進的，加上去前陣子去了就業博覽會、實際與招募Analytics Engineering公司的員工談過後，覺得工作方式是接近我所期待的，因此我從Zoomcamp的Week 4開始。</p><p>想要搭配上課內容的人，可以參考DataTalk.Club的內容，參考網址如下: <a href="https://github.com/DataTalksClub/data-engineering-zoomcamp/tree/main/04-analytics-engineering">https://github.com/DataTalksClub/data-engineering-zoomcamp/tree/main/04-analytics-engineering</a></p><p>===============================================================</p><p>Notizen machen:</p><p><strong>什麼是Analytics Engineering?</strong></p><p>‧Analytics Engineering像是一個中間者，職能上界於Data Engineer和Data Analystic中間。Data Engineer主要是準備和維護Data Team所需的資料，而Data Analyst則是應用資料來解決和回答問題。因Data Engineer通常無法確切知道商業邏輯與用戶需求，因此需要一個職能來解決。此時Analytics Engineering就出現了!</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/955/1*9KYm96D6qnIH6FZKcdpAkg.png" /><figcaption>圖1: Data Team的職掌。截圖自DataTalk Club YouTube: <a href="https://www.youtube.com/watch?v=uF76d5EmdtU&amp;list=PL3MmuxUbc_hJed7dXYoJw8DoCuVHhGEQb&amp;index=41">https://www.youtube.com/watch?v=uF76d5EmdtU&amp;list=PL3MmuxUbc_hJed7dXYoJw8DoCuVHhGEQb&amp;index=41</a></figcaption></figure><p><strong>Analytics Engineering的工作流程如何?</strong></p><p>‧通常Analytics Engineering的工作流程如下:</p><p>Data loading →Data Storing→Data Modelling →Data Presentation</p><p>(筆者按: 像之前在今年7月介紹的dbt，會是在 “Data Modelling”此環節中使用)</p><p><strong>ETL vs ELT</strong></p><p>‧相較於ETL，ELT的處理速度更快、更有彈性(flexible)，因Data會直接放在資料倉儲(Data Warehouse)裡面，轉換(Transform)的工作也會放在資料倉儲中。</p><p><strong>Facts tables vs Dimension tables (also : Star Schema)</strong></p><p>‧事實表 (Facts tables) :擁有具體的數據，包含度量和計量指標。/對應過程是「動詞」的動作，像是銷售、訂單處理等。</p><p>‧維度表 (Dimension tables): 對應靜態型的業務描述，如: 哪一天購買的銷售紀錄、顧客數等等。</p><p>‧星形結構(Star Schema): 維度表繞著星形中的「事實」所呈現出的結構。(請參考圖2)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/467/1*VSoBHp5SLpntxj_YaRZ-1Q.png" /><figcaption>圖2 :星形結構圖，擷取自DataTalks YouTube，https://www.youtube.com/watch?v=uF76d5EmdtU&amp;list=PL3MmuxUbc_hJed7dXYoJw8DoCuVHhGEQb&amp;index=41</figcaption></figure><p>剛好昨日在追蹤的鐵人賽文章中，有提到星形結構的內容，也可參考看看 : <a href="https://ithelp.ithome.com.tw/articles/10358082">https://ithelp.ithome.com.tw/articles/10358082</a></p><p>下一單元是講述關於dbt的課程，喜歡dbt的讀者們，或許可以期待一下下次的筆記整理。(或也可以不用太期待XD)</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=b890dfbc7bf7" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[【Data Application】第六屆曼陀號第三次月會]]></title>
            <link>https://medium.com/@Sophietjewusandra/data-application-%E7%AC%AC%E5%85%AD%E5%B1%86%E6%9B%BC%E9%99%80%E8%99%9F%E7%AC%AC%E4%B8%89%E6%AC%A1%E6%9C%88%E6%9C%83-cf71949f0876?source=rss-432136a4f336------2</link>
            <guid isPermaLink="false">https://medium.com/p/cf71949f0876</guid>
            <category><![CDATA[數據分析]]></category>
            <category><![CDATA[第六屆曼陀號領航計畫]]></category>
            <category><![CDATA[application-data]]></category>
            <category><![CDATA[曼陀號領航計畫]]></category>
            <category><![CDATA[資料科學]]></category>
            <dc:creator><![CDATA[Sophietje 's Data Season]]></dc:creator>
            <pubDate>Wed, 18 Sep 2024 15:23:05 GMT</pubDate>
            <atom:updated>2024-09-18T15:25:51.713Z</atom:updated>
            <content:encoded><![CDATA[<p>大家好，中秋節快樂! 不曉得大家最近過的好嗎?</p><p>最近的我，除了在寫IT鐵人賽文章、參與開發的產品在9月初上線外，也投了幾份履歷準備面試。因最近相對於上半年比較忙碌，本來對於在書寫曼陀號第三次月會心得上有點猶豫；可想到自己已經將前兩次月會活動留下些文字紀錄了，因此便在假日的時間整理一下心裡的想法。</p><p><strong>資料科學在工作中的雙面刃</strong></p><p>在真正接觸到以數據做決策前，我一直對於資料科學和數據分析的工作很憧憬。為什麼憧憬呢? 大概跟在疫情時候，很多周邊的朋友開始陸續分享自己在資料科學領域的工作型態和生活有關。當時的我，覺得資料科學是一個能結合研究與增加職場能見度的「利器」，可以幫助不夠外向的我成為公司的佼佼者(→想太多)、也或許可以更有發言權。尤其我是文組出身，多半同窗在轉職的選項上，不會選擇數據分析；因此在一種虛榮心的驅使下(?) 覺得好像要讓自己看起來很聰明、數學很好、又可以在工作領域中脫穎而出，選擇資料科學與數據分析就對了。</p><p>抱持著這種天真的想法，走著走著走到了今日。隨著自己的工作中有越來越多的數據分析、有越來越多用數據決策的事情，我會說，很感謝當年的那股「傻勁」，讓我能夠在工作中有了一點與眾不同的地方；但我也會說，負責以數據做報告與決策的人，背負的壓力有時很大:一個值算錯、一個數字key錯、一個不小心、沒有觀察好職場風向…等等，都可能帶來巨大的影響。特別是在時間很壓縮的情況下，需要保持著清晰的算力跟體力，才有辦法完成任務。</p><p>其實，在參加第三次月會時，我正經歷著因為在數據分析上出了一點與預期不同的結果、進而走進職場風暴的漩渦中。雖然在書寫心得的現在，這場風暴危機已經順利解除，我也從中學到很多、並在工作中意外獲得更高的信任，但在參加月會的前幾天，我不能說狀態非常好──當時的我，連續好幾天都處在「我是不是不要再做數據分析工作了」的狀態。要不是參加了第三次月會、聽了立文老師和成員們的分享，我可能已準備好要申請調動。因此說起來，這次曼陀號月會算是我面對職業生涯的定心丸，也是讓我能夠冷靜下來，理解到任何危機都可能是轉機的地方。</p><p>在這次的月會中，我印象最深刻的是立文老師分享自己當年在一家知名公司的工作經驗。當時老師可能是初生之犢不畏虎，因此在公司需要數據分析報告時，提交了一份與公司經營方針不太相同的報告。在繳交報告後，立文老師因此被叫進長官辦公室，獲得的不是功賞與掌聲，反而是一連串的指責與責罵。而這一切的責備，並不是立文老師做得不好，相反的，是因為在數據分析和資料科學研究上「做得太好」而造成的；只因當時所待的公司有些形象考量，而沒有辦法接受一些經過科學驗證而所呈現的現實。還有一次，是立文老師所待的部門中，有同事在計算公司類似績效獎金上，動到了過往長年不變的計算公式，因此造成其他部門不滿、差點引發同事間的嫌隙。經過這兩次的事件，讓立文老師深深感受到，資料科學能反映現實、可以在工作領域中做出很多貢獻，然而相反的，資料科學也被很多人所懼，因為在真實的職場中，「人治」、「人為因素」與「職場政治」有時凌駕於資料科學之上。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*AJL6Pv6udJByJu8OqChgDg.jpeg" /><figcaption>立文老師在月會中分享過往的工作經驗。筆者親攝。</figcaption></figure><p>我所遇到的工作問題是沒有立文老師所分享的嚴重。只是有時數字呈現的結果會一翻兩瞪眼，因此當分析完的結果與預期目標無法完全對齊時，當下心情有點處在「孤臣無力可回天」的狀態，內心中有千頭萬緒。</p><p>「我適合繼續做數據分析嗎?」、「我要繼續用數據做決策嗎?」、「我要繼續以相信資料科學來過日子嗎?」腦中不停在想這些事情。而當聽完立文老師的分享後，突然就覺得，「大家也不是這樣走過來的嗎? 」頓時放鬆了不少。因此很謝謝這次的曼陀號月會，也很謝謝立文老師。對於當時的我來說，這些分享就像及時雨一般。</p><p><strong>資料工作者所遇到的職場衝突</strong></p><p>我也特別感謝在這次月會中，小組成員們分享了很多在資料工作中所遇到的衝突。當時我在月會看到立文老師請大家進行小組討論，分享自己在職場上遇到因數據分析和資料科學造成的衝突與解決方式時，我當時在心態上不算調節得很好。我處在想分享、又不是很知道該怎麼分享的狀態，不知道該怎麼面對這個題目。(原因就如我前述所說，當時我正處在自我懷疑風暴中) 所幸，我們這組的航海士人很好，他率先分享了自己的工作經驗，提到自己曾經因沒有好好察言觀色、進而似乎在工作中有點得罪上司。對於當時的他來說，他只是做好本份，職場的其他事情則可能相對次要，因此在得罪上司的事件發生時，他其實也有點一頭霧水，不曉得為什麼上司對於他的所做所言的反應不如預期。可是也因為過往的工作經驗，讓他意識到，在工作的時候不只要專注於工作成果，也需要將共同工作者的感受考量進去。而我們的另一個組員也不吝分享他的工作經驗。他也提到自己過去在Data Team中，曾經看到部門同事間搶功勞的狀況。當時的他，對於在部門發生的事情感到不解；不過他也意識到，數據分析的成果能轉化為「論功行賞」的績效，成為許多同事間爭先恐後搶功勞的依據。資料科學與數據分析真的就如雙面刃一樣，影響著職場工作成果，也影響著職場間人與人之間的關係。</p><p>看到這，我們仍可以說，資料科學是21世紀最性感的工作領域嗎? 或許可以吧!可論「性感程度到哪」，可能還是看各自領會。俗話說，有人的地方，就會有江湖；資料科學的本質或許是美好的，數據本身也是純粹的，可一進到職場，很多實驗下做出的成果都可能轉化為帶有點職場政治的味道。</p><p><strong>對於Data Team的樣貌描述與期待</strong></p><p>這次月會中，有一個很有趣的主題討論，是分析自己所屬產業的Data Team。在我們這組中，有些成員來自傳統產業、有人來自媒體業、有人來自電商相關工作，經歷十分多元。有意思的是，我本來以為只有我所處的產業是沒有Data Team的，但沒有想到在其他成員所待的產業中，也有跟我一樣處在沒有Data Team的狀態下。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*C8DStNxrIw7MWMNi7AqYug.jpeg" /><figcaption>我們這組在討論產業Data Team的成果。筆者親攝。</figcaption></figure><p>我目前所待的公司是只要能做數據分析的人，都有機會接觸資料。因此如果真的嚴格說起來，我們幾位常常碰資料與數據分析的人可能算是一個「隱形的Data小組」，大家有需求的時候就來找我們。(實在宛如總機) 可是我們彼此在工作上，都有主要的職責；數據分析可能只佔工作的20–30%，在比例上並不能說很多。倘若可以，我還是很希望能夠進到能大量用數據分析的地方看看。有時我都會忍不住想，如果曼陀號的成員也是自己的同事的話該有多好。畢竟跟著信念比較類似、比較上進的人一起工作，其實還是比較舒服的。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*h3ZSlxR-Vvaeavn6Qq5CVA.jpeg" /><figcaption>每次月會必備的大合照。下次就是最後一次月會了，有點感傷QQ(照片為工作人員親攝)</figcaption></figure><p>不知道你所待的Data Team如何呢? 希望那是一個充滿信念與務實的地方。</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=cf71949f0876" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>