Google 的 Data Analytics 課程

去年年底的時候，想說耶誕假在家沒事，可以開啟 Coursera 七天免費的活動，於是就上了看起來很多人推薦的 Python for Everybody (PY4E)。課程還不錯，算是有系列的學習，之後可以自己活用，但是因為很長，一個禮拜其實上不完，那時候繼續上的話費用有 discount，所以就繼續上，又想說既然付費了，就上一下其他的課程。會上 Google Data Analytics 是因為看到 YT 有人介紹，所以就上上看。

基本上 Google 把資料分析分成六個階段，每個階段用一堂課介紹。六個階段分別為：

1. Ask: 你要回答的問題是什麼？
2. Prepare: 準備你的 data，包括資料來源、可信度等等。
3. Processs: 清理資料，主要是看有沒有錯誤或是缺少的地方，如果有就把它清乾淨。
4. Analyze: 用各種軟體分析資料，這個課程主要是教用 Google Spreadsheet, SQL, RStudio 和 Tableau。
5. Share: 分享你的分析結果，可以分享在 Google site, Kaggle, GitHub, Tableau，或是自己的部落格。
6. Act: 應用你的分析結果，因為通常是以商業分析為主，所以應用的部分就是怎麼把你的分析應用在商業上，例如怎麼增加客群之類的。



最後堂是 Capstone，也就是 Case Study，挑一個做，然後分享在你選擇的平台。

前面的 Ask 和 Prepare 過程其實只是教一個概念，像是如何找出你要回答的問題，你要如何解決問題？簡單來講就是研究所的思考訓練，如果你是研究生，這個部分其實就是你天天在做的事情，而 Spreadsheet, SQL, RStudio 和 Tableau 就是用來分析工具，就像是 WB 和 IF 等等，只是在 data science 你的工具是 SQL 和 RStudio。

不過這堂課程主要是著重在思考，試著讓你了解怎麼去找出問題的答案，所以在技術上的著墨不是很深入，Google 比較像是希望給你一個開頭，然後深入的技術上問題你自己去 stackoverflow 或其他平台上問，所以它也常強調你要如何在論壇上有禮貌、有技術的問問題。我的 SQL 主要是在 Python for Everybody 這堂課學的（沒錯，它後面也有教 SQL！）RStudio 則是之前在 UBC 學的，還有額外的自學，我也把筆記都放在這個部落格了，搜尋 R program 這個 tag 就有很多篇。

我最後是把 Capstone 的 case study 分享在 Kaggle，上面有各種 data science 的分享，你可以看到別人的思考過程，他們是怎麼做資料分析的。當然，你也可以做成 R Markdown 分享在 GitHub 或自己的網站。


R Markdown: Fitbit case study
R html: Fitbit case study