最近因為在優化和完善數據分析課程，除了做各種觀察和分析，也看了很多書，綜合之前擔任市場分析師、產業分析師的經歷，和過去使用數據的大小經驗。
也因此，不免俗地想起自己在Nielsen做市場分析師的青春歲月。
在 Nielsen 做市場分析的時期
當時念博士的過程就開始出來工作，但博士畢業的第一個工作是在 Nielsen 做市場分析，手上服務 Nestle 雀巢, Kimberly Clark 金百利克拉克, Unilever 聯合利華, Kao 花王等各大外商。
面對雀巢甚至擔任跨品類分析的負責，每個月都要看所有食品飲料的品類市場到底發生甚麼事，有甚麼商業洞察建議可以提供給雀巢，也因此後來有機會被雀巢挖角過去負責品牌運營。
印象很深刻，當時的我也遇到幾個貴人前輩提攜指導，甚至有機會替 Kimberly Clark(他們家品牌就是舒潔、可麗舒、可立雅)負責 Marketing Mix Model 專案，運用他們的媒體投資、通路行銷方案、價格促銷等各種數據，去做資料數據分類、事件分群，想辦法透過模組分析出甚麼樣的策略最能夠幫助到客戶的成長。
多一個專案，以當時的工作量來說真的很累，但也因為這樣的專案負責人經驗，在當時上百位的Nielsen員工當中，有機會得到印象中當年只有三位拿到的 Simply Excellent 數據分析卓越的獎項，當時的總監也曾經收到客戶對我的滿意回饋。
但對我來說，最難忘的是，當時 Kimberly Clark 要上市新品進軍一個新的次品類，也因為這樣我有機會進到他們內部的大中華區品牌圓桌會議，跟台灣區的總經理和大中華區的關鍵人物、品類PM 一起，我身為 Nielsen 的代表提供對於市場分析的見解。
每次數據分析背後的思考
對於一個創新品類的新品，要能夠藉由各個市場歷史數據，針對的消費者洞察，應該要從大數據資料庫當中看哪些關鍵資料？去思考這樣的新品是否具有開發的潛力？市場可能的趨勢與潛值？然後提供給客戶可靠且具洞察，又能釐清客戶商業議題的建議。其實很不容易。
.
那時候，動輒在公司工作到11、12點，看著數量龐大的數據，思考：
✅客戶主要想針對的商業議題是甚麼？
✅議題背後真實的問題是甚麼？
✅這個問題可能的假設性答案是甚麼？
✅哪些數據要用？為什麼用這些數據？
✅用了要從甚麼角度切入分析？
✅怎麼驗證假設性答案正確？驗證不出的話又要怎麼修改？
✅分析完又要用甚麼圖表呈現讓客戶覺得好懂秒懂？
✅要下甚麼樣的標題去說明洞見？
✅整個簡報的故事主軸要是甚麼？
✅要給客戶甚麼樣的insight和key take away？
這些問題和步驟邏輯伴隨著我度過無數個加班🤣
想不出來的時候我就又在假日跑去通路待個半天一天，觀察消費者在做甚麼。
或是上網收集資料，經濟部主計處、各種二手資料、甚至自己做碎石子調查，一步步去拼出我內心的那個拼圖。
現在，要把這些東西設計成一個可拆解、可學習、可複製的規格流程，不是件容易的事情，甚至有人跟我說這是不可能做到的，數據分析就是很吃有數字敏感度的天賦。
但我一直在想，擁有數據思維明明對於台灣企業是這麼重要的事情，不然不會那麼多大型外商和台企集團都買數據資料，還要配一個分析師。
「如果要有一個人，那個人能不能是我？到底可以怎麼做？」
很挑戰，但也很有趣。這不僅僅是行銷，而是關於運營管理的數據分析思維。
持續挑戰中…
