數據分析那些事的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列問答集和資訊懶人包

誰說菜鳥不會數據分析（入門篇）（紀念版）

為了解決數據分析那些事的問題，作者張文霖，劉夏璐，狄松 這樣論述：

《誰說菜鳥不會數據分析（入門篇）（紀念版）》基於職場三人行來構建內容，完全按照數據分析工作的完整流程來講解。全書共8章，依次講解數據分析必知必會知識、確定數據分析的結構化思維、數據處理技巧、數據展現的技術、通過專業化的視角來提升圖表之美以及專業分析報告的撰寫等內容。《誰說菜鳥不會數據分析（入門篇）（紀念版）》有足夠的魅力讓你一口氣讀下去，在無形之中掌握數據分析的技能，提升職場競爭能力。《誰說菜鳥不會數據分析（入門篇）（紀念版）》能有效幫助職場新人提升職場競爭力，也能幫助市場營銷、金融、財務、人力資源管理人員及產品經理解決實際問題，還能幫助從事咨詢、研究、分析行業的人士，各級管理人士提高專業水平

。張文霖，新浪博客「小蚊子樂園」博主，資深數據分析師，曾服務於國內知名市場研究公司、中國移動等公司，具有多年移動互聯網數據分析經驗，略懂Excel、PPT、SPSS、水晶易表等工具。 第1章數據分析那些事兒 1.1數據分析是「神馬」 1.1.1何謂數據分析 1.1.2數據分析的作用 1.2數據分析六步曲 1.2.1明確分析目的和思路 1.2.2數據收集 1.2.3數據處理 1.2.4數據分析 1.2.5數據展現 1.2.6報告撰寫 1.3數據分析的三大誤區 1.4數據分析師的職業發展 1.4.1數據分析的廣闊前景 1.4.2數據分析師的職業要求 1.4.3數據分析師的基本素

質 1.5幾個常用指標和術語 1.6本章小結 第2章結構為王—確定分析思路 2.1數據分析方法論 2.1.1數據分析方法論與數據分析法的區別 2.1.2數據分析方法論的重要性 2.2常用的數據分析方法論 2.2.1PEST分析法 2.2.25W2H分析法 2.2.3邏輯樹分析法 2.2.44P營銷理論 2.2.5用戶行為理論 2.3本章小結 第3章無米難為巧婦—數據准備 3.1理解數據 3.1.1字段與記錄 3.1.2數據類型 3.1.3數據表 3.2數據來源 3.2.1導入數據 3.2.2問卷錄入要求 3.3本章小結 第4章三心二意—數據處理 4.1何為數據處理 4.1.1「三心二意」處理數

據 4.1.2數據處理的內容 4.2數據清洗 4.2.1重復數據的處理 4.2.2缺失數據處理 4.2.3檢查數據邏輯錯誤 4.3數據加工 4.3.1數據抽取 4.3.2數據計算 4.3.3數據分組 4.3.4數據轉換 4.4數據抽樣 4.5本章小結 第5章工欲善其事必先利其器—數據分析 5.1數據分析方法 5.1.1對比分析法 5.1.2分組分析法 5.1.3結構分析法 5.1.4平均分析法 5.1.5交叉分析法 5.1.6綜合評價分析法 5.1.7杜邦分析法 5.1.8漏斗圖分析法 5.1.9矩陣關聯分析法 5.1.10高級數據分析方法 5.2數據分析工具 5.2.1初識數據透視表 5.2

.2創建數據透視表的三步法 5.2.3數據透視表分析實踐 5.2.4數據透視表小技巧 5.2.5多選題分析 5.3本章小結 第6章給數據量體裁衣—數據展現 6.1揭開圖表的真面目 6.1.1圖表的作用 6.1.2經濟適用圖表有哪些 6.1.3通過關系選擇圖表 6.1.4圖表制作五步法 6.2表格也瘋狂 6.2.1突出顯示單元格 6.2.2項目選取 6.2.3數據條 6.2.4圖標集 6.2.5迷你圖 6.3給圖表換裝 6.3.1平均線圖 6.3.2雙坐標圖 6.3.3豎形折線圖 6.3.4瀑布圖 6.3.5帕累托圖 6.3.6旋風圖 6.3.7人口金字塔圖 6.3.8漏斗圖 6.3.9矩陣圖（

散點圖） 6.3.10發展矩陣圖 6.3.11改進難易矩陣（氣泡圖） 6.4本章小結 第7章專業化生存—圖表可以更美的 7.1別讓圖表犯錯 7.1.1讓圖表「五臟俱全」 7.1.2要注意的條條框框 7.1.3圖表會說謊 7.2濃妝淡抹總相宜—圖表美化 7.2.1圖表美化的三原則 7.2.2略施粉黛——美化圖表的技巧 7.2.3圖表也好「色」 7.3如虎添翼的招兒 7.3.1我的圖表模板 7.3.2快速制圖 7.3.3添加標簽小工具 7.3.4修剪超大值 7.4本章小結 第8章專業的報告—體現你的職場價值 8.1初識數據分析報告 8.1.1數據分析報告是什麼 8.1.2數據分析報告的寫作原則 8

.1.3數據分析報告的作用 8.1.4數據分析報告的種類 8.2數據分析報告的結構 8.2.1標題頁 8.2.2目錄 8.2.3前言 8.2.4正文 8.2.5結論與建議 8.2.6附錄 8.3撰寫報告時的注意事項 8.4報告范例 8.5本章小結 寫在后面的Q／A 附錄A網絡學習資源

數據分析那些事進入發燒排行的影片

機器學習自動剪輯之幸福感設計

為了解決數據分析那些事的問題，作者張瀞文 這樣論述：

本研究透過機器學習將正向心理學PERMA模型的正向情緒P (Positive Emotions)、全心投入E (Engagement)、正向人際R (Positive Relationships)、生命意義M (Meaning)以及成就感A (Accomplishment)應用到影片自動編輯。目的是選擇性刻意塑造回憶內容，讓活動當事者重溫當時的活動體驗。這樣的回憶設計預期觀看者能夠在欣賞影片後，除了加深快樂回憶效果並且增加收藏分享這個影片的意願。 實驗一以PERMA模型的定義分類照片用來訓練Teachable Machine以及CodingLab AIbox兩套AI影像學習程式，目

的是要能夠判讀挑選符合PERMA元素的照片。實驗材料中，Program A使用250張照片進行機器學習，Program B使用500張照片來強化訓練。在Program A B的第一測試（使用原學習素材進行判讀），Teachable Machine和CodingLab AIbox判讀率差異不大（Program A：80% vs 76%及Program B：97% vs 91%）。在第二測試（新的25張東方人照片判讀）與第三個測試（新的25張西方人照片判讀），Teachable Machine的判讀率則皆高於CodingLab AIbox的判讀率（Program A兩個測試平均判讀率為64% vs

52%及Program B兩個測試平均判讀率為84% vs 58%）。此見經過Program B的500張訓練，Teachable Machine對於新照片PERMA的幸福元素有最高的正確判讀率。 實驗二使用不同挑選照片的方式來比較依照PERMA模型挑選照片所剪輯的影片，是否最具有回憶的幸福感。挑選方法個別為，PERMA模型Program B學習後的AI影像學習程式（1.Teachable Machine和2.CodingLab AIbox）、真人去做挑選編輯（3.活動參與者和4.非活動參與者）、現有的手機自動編輯（5.IPhone和6.Samsung）和7.完全隨機選擇挑選編輯。問卷調

查資料結果顯示7個挑選剪輯方式中，Teachable Machine所訓練出來的AI在影片滿意度都獲得最高分。在活動A影片滿意度4.1分、活動B影片滿意度4.3分。影片分享儲存意願則是Teachable Machine和活動參與者剪輯的回顧影片獲得最高儲存分享意願。Teachable Machine在活動B剪輯的影片分享意願為75%，儲存意願62.5%。活動參與者在活動A剪輯的影片分享意願為68.7%，儲存意願56.2%。訪談後了解受測者給予高分的理由因影片是有共鳴、照片畫面有互動、有記憶、多樣、溫暖、故事性以及活潑自然的。另外是否有依照活動的時間軸去剪輯也是提取回憶的重要關鍵。 實驗三將

Teachable Machine Program B和IPhone自動剪輯的兩個回顧影片傳至LINE群組內觀察受測者的反應，並事後做問卷調查及訪談。實驗結果顯示有66.6%受測者認為Teachable Machine Program B自動剪輯出的回顧影片比IPhone剪輯來的影片更能感受活動當時的幸福感且是有回憶度的。也對於LINE相簿若新增自動剪輯的功能一致感到滿意。 總研究結果發現經過Program B 500張PERMA學習後的Teachable Machine所挑選剪輯的影片提升了自動剪輯影片的收藏及分享價值外，更重要的是讓觀看者為此活動加深了幸福快樂的回憶，且若未來LINE相

簿新增自動剪輯功能，那是會令人值得期待的。