當數據分析工作理解了用戶需求，合作的力量就會出現。
當數據從支援變成共創
在過去的工作中，數據部門主要扮演「支援者」的角色，負責提供資料、製作報表、建立儀表板，協助決策者更有效地掌握事實。但後來逐漸發現：若不了解問題本身的脈絡，再好的分析也難以真正產生價值。
數據分析要發揮效益，並不只是技術層面的挑戰，而是整條價值鏈的整合：數據要從哪裡取得？要怎麼儲存？如何分析？又要如何呈現？而這些問題的答案，往往存在於事業現場。
更進一步來看，數據工作並不只是「分析」的部分，我們更重要的角色，是要從邏輯上理解問題、拆解問題，並能運用程式技術去驗證與落地。這樣的能力，讓我們不只是「分析資訊」，而是能「實際創造解決方案」，特別是我們公司的產品以財經數據為核心基礎，從股價、財報到投資策略，每一項數據的應用都牽涉到邏輯、演算法與決策流程。如果缺乏對這些邏輯的理解，就算有再多數據，也無法發揮應有的價值。
對 PM、行銷或業務來說，他們的工作重點在於達成事業目標（我們稱產品、行銷、業務等『面向市場的部門』為事業端），追求用戶體驗、營收與市場成果；
對數據同仁而言，我們關心的是模型、邏輯與指標，兩者在職能與目標有所不同。
因此，當我們讓數據同仁實際參與事業現場、與各部門共同討論問題時，開始真正理解到：數據工作的價值不只是分析結果，而是與事業一起發現問題、找出解法。
一、從提供數據，到一起定義問題
原本的合作模式大概是：事業端提出問題，數據部門提供內容與分析，但許多時候「問題的定義」並不明確。例如，有需求提到：「我們想知道為什麼 APP 活躍下降。」這聽起來像是一個明確問題，但實際上只是結果。原因可能是內容互動下降、推播策略偏移、或是新用戶體驗不佳，若沒有理解現場脈絡，我們的分析就像在霧裡看花。
當數據同仁能參與事業團隊一起開會、一起討論後，情況就不同了，就能夠從行銷的目標、產品的設計邏輯中，看見問題背後的結構。像與 HR 部門合作過程中，他們清楚地說明：「我想知道招募量能是否投入在最緊急的職缺上。」這樣的明確問題定義，讓分析能夠精準對應決策，也讓數據變成解方的一部分。
二、理解現場，才能讓數據更有價值
過去數據同仁多專注在數據、模型與統計方法；但當進入事業現場後，開始發現「數據背後是人，是行動，也是決策」。
舉個實際的例子：有位 KOL 提出，希望能在產品中提供一個「模擬未來報酬」的功能，讓使用者更容易評估投資 ETF 的潛在收益。她同時也舉出幾個競品案例，例如使用蒙地卡羅模擬（Monte Carlo Simulation）或 Bootstrap 抽樣法，希望我們能研究看看。KOL 很清楚這項功能的價值——他知道這會是使用者有需求、也能在產品中產生實際幫助的工具，但對她而言，挑戰在於「不知道該怎麼算」，也不清楚這樣的功能該如何設計進 APP 中。
這時，數據團隊的角色就不只是技術執行者，而是橋樑。我們必須同時理解兩件事：
- 使用者真正想知道什麼（希望看到什麼樣的未來模擬結果）
- KOL 想傳達的投資理念與使用情境
在充分討論後，我們負責進一步模擬邏輯與實際計算，再與產品團隊協作規劃互動式的功能設計， 讓這項想法不只是停留在概念，而能成為使用者可以實際操作的體驗。
最終成果不只是「一個能跑的模型」，而是讓投資人能在產品中更清楚地理解風險與報酬，同時也讓 KOL 的專業內容以更具體的方式被呈現出來。這樣的過程，正是數據價值的體現：從理解、計算到落地，把想法轉化為能真正被使用的功能。
同樣的思維，其實也延伸自我們過去服務法人的經驗。在面對法人客戶時，我們學會的不只是執行模型，而是去理解投資邏輯與市場背景，因為只有理解假設與邏輯，分析結果才有意義。這樣的經驗，也讓我們能更快理解事業端的需求，無論是投資策略、內容營運或行銷成效，數據分析的關鍵不在於計算，而在於理解。
三、當數據同仁與行銷一起開會
另一個明顯的例子來自行銷團隊。某次同仁參與行銷例會時，發現他們每天都在手動整理「權證小哥的用戶名單」，以篩選出達到條件的用戶發送優惠。這是行銷流程中必要的一環，但也相當耗時。
數據同仁了解狀況後，便用自動化腳本協助每日產出名單，節省了大量時間，也讓名單處理更精準。這個改變並不是因為誰的能力不足，而是因為不同職能的人專注的重點不同。行銷團隊擅長規劃活動、理解用戶心理；數據團隊則擅長運用技術提升效率。當雙方一起討論、整合思維時，就能把彼此的專業變成更強的成果。
這也是我們最想看到的畫面——不同職能以開放態度互相理解，讓「合作」不只是任務分工，而是真正的共創。
四、當理解發生，價值自然產生
透過合作我們發現，真正讓工作改變的不只是技術或工具，而是彼此之間的理解。當數據團隊與事業同仁能夠站在同一個問題現場，用相同的語言討論時，許多過去以為無法解決的瓶頸就會被看見。
數據同仁不再只是提供報表或解釋數字，而是能主動觀察問題背後的邏輯，提出新的假設與驗證方向。像在行銷自動化的案例中，從發現人工流程的困擾，到主動用程式改善效率，再到和行銷夥伴共同檢討結果，這些過程本身就是「用理解推動行動」的體現。
這樣的合作讓我們學到，效率不是來自更快的工具，而是來自更深的理解。理解用戶為什麼需要這個功能、理解事業為什麼這樣設計流程、理解彼此的限制與專業，這些理解最終都會回饋到數據的價值之中。
當分析結合真實現場，數據就不再只是報表，而是一種可以行動的洞察，它能引導我們發現新的商機、修正策略、提升決策品質。
這種從理解到行動的循環，也讓組織更具學習力與溫度。只要持續讓數據團隊與事業靠得更近，我們就能在不同的問題場景中找到屬於彼此的解法，從「提升效率」走向「共創價值」，讓數據真正成為推動事業前進的力量。
理解，是數據發揮力量的開始。
