[心得] 寫在三萬人次之前的Ｑ＆Ａ

        

圖片來源：http://howtomakeagreatpresentation.com/presentation-skills/hоw-tо-successfully-conduct-qa-sessions-after-your-presentations/

        記得去年十二月才剛破兩萬人次，還來不及發文，一轉眼就來到三萬人次了，真的很感謝大家的支持．比起資料分析，寫程式方面我只是個小小的新手，越寫越覺得自己的不足，還有非常多需要努力的地方．原本只當這裡是記錄學習過程的地方，但是從寫作過程中，因為開始有些讀者，更有動力去學習新東西來跟大家分享，更重視文字和內容的品質，也因此認識了一些好朋友，是個相當難得的經驗．以下以Ｑ＆Ａ來回答一些讀者常問到問題：

• Ｑ：請問為什麼會開始寫網誌呢？
• Ａ：很早之前看過大大分享自己為什麼寫網誌，大大是早上起床寫一篇網誌，可以以此激勵自己閱讀以及分享的習慣．所以我很早期就開始寫網誌，但是一直斷斷續續．要生產一篇文章，可能要先消化十篇，二十篇的文章才有辦法．所以常常因為沒有內容可以分享而中斷．這個網誌相當難得持續了大概一年，寫了100多篇文章（笑）

• Ｑ：你以前是顧問業，現在跑來當ＩＴ，怎麼會有那麼大的變化呢？
• Ａ：這邊我要先澄清一下，雖然現在常常寫程式，但是並不是純粹的軟體開發．而是利用程式在做資料分析（也就是一般俗稱的資料科學家）．就資料分析而言，不管你用SAS，SPSS，R，PYTHON，SQL甚至SPARK概念上都沒差多少（畢竟平均數，機率，或是回歸分析不會因為軟體有差異）對我來說只是換個工具而已．比較大的差異在於，換了工具之後，思考的模式會有根本上的轉換．當使用SPSS或SAS這樣的套裝軟體，能用的方法都會被限制在軟體提供的範圍內．但是進入程式的領域後，不但有更多的套件，更多的選擇，如果沒有適合的方式，還可以自己寫XD，在資料分析上有更多的靈活度和可能性．

• Ｑ：要怎樣才能做Big Data呢？
• Ａ：最近很流行大數據，但是老實說，真正用到大數據的公司根本不多...而且通常關鍵不在於資料大小，而是在於到底有會不會分析資料，以及利用資料分析結果才做決策．如果決策方式還是停留在印象派，那就算把google整套搬回去都沒用．回到big data上，當資料從小資料到big data，真的會有量變造成質變的效應．不但資料儲存的架構改變，連演算法都要改成平行化的方式處理．如果真的有big data需要分析，就要學習使用合適的儲存（例如hadoop）以及分析架構（如spark）．當然，這些東西都只是工具，要產生價值還是需要依賴看資料的眼光．

• Ｑ：怎樣才能當個資料科學家呢？
• Ａ：資料科學家也是超夯的話題，事實上台灣相關職缺根本超少，這個職缺和概念太新，公司或主管往往也搞不太清楚．之前看過某大大分享，資料科學家的統計要比程式設計師強，而寫程式的能力要比統計學家強．照這個路線來看，如果你原本念統計的，就來寫程式吧～學習使用data mining和機器學習的方式來分析資料（因為大資料下很多統計推論是無效的）；寫程式的就得學習統計，培養觀察資料的敏感程度，研究設計，以及小樣本時的分析方式，兩者的思考模式是不太一樣的．

• Ｑ：要從哪開始呢？
• Ａ：從用得到的地方開始吧．資料科學是很注重實用以及實戰的科學，就現在手上拿的到的資料分析，需要用的技術去學習，遇到的問題去解決，最好還能將資料分析結果與應用相結合，才能了解資料與實務之間的連結，也就是所謂Domain Know how．

• Ｑ：寫網誌好玩嗎？
• Ａ：超級痛苦，每篇大概至少寫一個小時，長的兩三個小時都有orz．寫了才知道大大們有多厲害．

        有點掰不出來了，再次感謝各位讀者．