結合互聯網及大數據應用的網路警察-數據分析師 - 工程師

人物專訪：結合互聯網及大數據應用的網路警察- 專訪新加坡Google數據分析師 Patrick

語音原文請見：
http://shelleyadventure.com/patrick-interview-part1/


你知道網路警察這個工作嗎？本集要專訪的人物是目前在新加坡Google辦公室擔任數據分
析師的香港朋友Patrick，他在台大及倫敦政經學院完成他的大學及碩士學歷後，回到香
港Yahoo工作，幾年前，又轉往新加坡Criteo 及Google工作，一直在互聯網工作的他，今
天要跟我們分享他海外工作的內容及聊聊互聯網的趨勢發展。

網路警察的工作內容
我在Google是一個數據分析師，主要負責網路廣告投放publisher分析.。在Google裡面，
Publisher有分兩種，第一是網頁，第二是App。我就像網路警察一樣，利用大數據來抓一
些不好的App，胡亂投放廣告或者App內容有不恰當的內容卻投放了Google的廣告。

由於市場上有幾百萬的App在投放Google廣告，我們，我們team 必須利用大數據來有效快
速抓高風險的App，然後對違規App進行處分。

大數據的內容很多，比如說使用者行為、App投放廣告行為、應用市場搜尋下載行為、應
用市場搜尋下載行為、用戶對App評論投訴等等多種數據來源，我們數據來源，我們團隊
續建一個有效地模型來偵測出高風險的App。

想要進入big data 領域的建議或要培養的核心能力？
如果要成為一個Data人,不管是叫Data Analyst或Data Scientist. 我覺得要具備三個條
件：

第一是Presentation 能力:

Presentation可能是對Technical Background 或Non-technical Background 的或者是對
外或對內部的差別。當然，共通處就是要學會用最簡單最短的文字來呈現你的分析結果。

對有技術背景或非技術背景的(Non-technical background)
如果是面對非技術背景的人比如說是銷售同事，那報告的內容不需要最直接比如說公司的
產品為客戶的訂單增加百分之幾，減少百分之幾的時間，圖表必須要一目了然，因為大部
分非技術背景的人都不會關注分析的過程跟假設，很多人就會關注分析的結果而已。

而面對技術背景的人做的Presentation，就需要做一個比較完整的報告，包括一開始的
Abstract或者叫summary或者叫TL;DR ,先把結果講出來。然後開始說整個分析的阿桑先把
結果講出來。然後開始說整個分析的Assumption, Limitations , Level of
confidence, Suggestions 和Next step或Action item等。

對外或對內部的團隊
然後對內跟對外Presentation的處理方式又有不一樣。

對外部的話，一般會放大優點，縮小缺點。

你會強調公司為客戶帶來的效益有多大，當解釋麼一方面沒有去做的很好的話，就必須要
用一些數字來做解釋。比如說上個月我們公司為你帶來的訂單減少了30%，你可你會強調
公司為客戶帶來的效益有多大，當解釋麼一方面沒有去做的很好的話，就必須要用一些數
字來做解釋。比如說上個月我們公司為你帶來的訂單減少了30%，你可能使用過往的資料
來證明訂單下降是跟市場季節性的變動有關的。

如果是對內部觀眾的報告，那就需要以中立的手法來呈現。

比如說新的產品為那就需要以中立的手法來呈現，比如說新的產品為公司訂單增加30% 但
盈利卻只增加了5%，那報告必須要點出產品有成效，但整個產品只帶來一些低價值的用戶
，不一定符合效益。

第二條件是Documentation的能力:

網路公司很注重Documention，一方面是知識資訊傳承，另外一方面是data如何有好理解
的呈現方式,因此，這時候若是能夠將資料或數據透過清楚的圖表來呈現，可以更容易幫
助團隊了解了解情況。

第三條件是自我學習能力:

由於網路產業變化很快，因此很重要的是要不斷學習。不管是透過內部學習，或是利用第
三方網路課程像是Udemy等線上課程，都能增進自我的硬知識。我有一位資深同事，更會
定期看學術論文，幫助他找靈感，相當好學。

以上都是我認爲要具備的軟實力，至於Technical Skill: 我會建議目前還在學的大學生
，若是對這一行有興趣，可以去修相關的課程包含以下統計軟體及圖表軟體：

Excel
SQL
Python
R
Tableau

大數據的過去及目前發展趨勢
大數據現在的確是很火熱的話題，一般是處理預測、分類和推薦等需求。前幾年當大家還
在討論Ｍachine Learning 跟AI的時候,其實就是針對用戶的體驗和為用戶創造價值，例
如說要提高搜尋的準確度、推薦跟使用者相關的產品、找出高價值的客戶等等。

但從兩年前開始，特別是美國總統大選時在Facebook上面的假新聞事件，到去年Facebook
和Google 的CEO 分別到國會聽證會，引發廣泛討論用戶隱私安全、資料使用、網路資訊
正確性和安全性的擔憂，這些隱憂會對網路的名譽、企業客戶的品牌安全有一定的影響。

因此，很多網路公司這兩年都大量投資安全與信任（Trust and Safety）這一塊，主要打
擊網路不良和危險訊息、System Gamer和網路違法行為。比如說，電商平台會打擊鑽系統
漏洞以騙運費補貼或推薦新使用者折扣優惠、又或者盗版貨。社交平台打擊色情特別是兒
童色情、假新聞、冒充身份，Email 抓Phishing 郵件，視頻分享平台有版權影平或不當
內容影片、網路金融服務機構也在打擊各重洗黑錢和詐騙行為。


總而言之，很多企業已不只單單以Business/commercial oriented 層面運用ML和AI，現
在更注重Operational 層面上保護客戶和公司的利益與安全。

你在網路公司待了有段時間，可以跟我們分享你的觀察嗎？
有的，我覺得以下兩點是我發現網路人的共性，不管是在Google還是其他網路公司。

第一個是Fast Learning：說到這個，我發現公司的TOP Sales跟一般銷售的差別，Tops
sales 通常非常的好學，他們不單單只是了解商業層面，也會去請教背後的技術原理。尤
其越是成功的業務，通常會不斷精進自己的能力或是知識，才能夠獲得客戶對他們的信任
。另外，他們通常有很強的技術背景，能夠直接提供解答及服務給客戶。

第二個是要主動的（Proactive）找專案來做

在Google 有熟知的Extra mile 或是120% Project，這些都是鼓勵工程師能夠利用自己的
創意去為公司創造更多價值。我覺得在網路業，本身就是要不斷懂的快速學習以及保持主
動的態度，才不會被淘汰。總而言之，很多企業已不只單單以Business/commercial oriented 層面運用ML和AI，現
在更注重Operational 層面上保護客戶和公司的利益與安全。

原文請見：http://shelleyadventure.com/patrick-interview-part1/

--