HSUCHE

把 App 內「從哪來、靠什麼動作、往哪去」畫成一張可點選的地圖，讓團隊自己找到斷點。

獨力完成六大類、四十多頁的運量監控報表：從站、列車到車廂三個層級，用燈號讓值班人員一眼看出哪裡擁擠。畫面中的數字為模擬資料。

為行銷、通路主管與企業客戶業務各做一份儀表板：每日進單、月會目標達成，以及企業客戶的 RFM 分群。

整理 2022 至 2023 年間以 Python 進行的數據分析與機器學習練習：以 Uniqlo 門市營運分析為首，涵蓋 Kaggle 競賽、房價預測、類神經網絡與環境指標評比。

好的 A/B Test，從來不只是在看 p-value。可靠的實驗是一條完整鏈路：把正確的問題，以可驗證的設計、足夠的資料與清楚的決策規則串起來。

分析的起點不是「我有一份資料」，而是「我需要做出什麼判斷」。問題定義越精準，後續分析越不容易失焦。

歸因的目標是評估哪些因素可能造成觀察到的結果。分析時應先描述現象，再逐步排除其他解釋，不要一開始就把相關性當成因果關係。

七種方法不是互斥選項。實務上常常先用對比發現異常，再用趨勢確認持續性，以維度拆解定位來源，最後用漏斗、因子與分群分析深入解釋。

分布分析關注資料整體如何散布，而不只看一個平均數。它能回答「大多數人落在哪裡」、「差異有多大」以及「是否有極端值或長尾」。

漏斗分析將使用者完成目標的過程拆成連續步驟，觀察每一步有多少人前進、多少人流失。適合分析購買、註冊、申請、預約等流程。

分群分析將具有相似特徵或行為的對象分成群組，讓團隊不必用同一套策略對待所有人。分群可以依業務規則建立，也可以使用統計或機器學習方法探索。

報告中應明確標示目前結論屬於哪個層級，不要把「可能原因」寫成「已證明原因」。