劇本圍讀・期初模擬

這一站在做什麼

這一站的活動叫「資料專案模擬室」。你們是「資料解決方案顧問」，客戶帶著一個業務需求來找你，3~4 人一組，設計一個資料處理流程、畫成流程圖，並上台 5 分鐘說明。 這一站不寫程式，只用紙筆。職場最常被問的不是「你會什麼工具」，而是「給你這個需求，你會怎麼設計流程？」。重點不是答對，是說得清楚。

流程

時段	環節	你要做的事
00:00-00:10	開場與選題	聽情境、組內自我介紹、選一個企業情境
00:10-00:50	討論＋畫流程圖（40 分鐘）	回答 5 個必答問題，照 5 環節骨架畫流程圖
00:50-01:20	各組分享	每組輪流上台，每組 5 分鐘
01:20-01:35	講師回饋與總結	聽老師回饋，記下三個共通觀察

5 個必答問題

海報必須包含對這 5 題的回答，沒答完就不算完整：

1. 客戶的問題是什麼？（用一句話講清楚）
2. 要哪些資料？怎麼拿？（API？爬蟲？資料庫？）
3. 用什麼指標衡量成功？（DAU？轉換率？週銷售額？）
4. 用什麼工具處理？（收集／清洗／分析／視覺化）
5. 最後產出是什麼？（儀表板？週報？推播？）

5 分鐘報告結構

時間	內容
前 30 秒	客戶是誰、痛點是什麼
中間 3 分鐘	流程圖 walkthrough，從左到右講一遍
最後 1 分鐘	技術選擇的理由＋沒做到的部分
預留 2 分鐘	問答

畫圖時的提醒

• 先回到客戶問題，不要一開始就跳到工具選型
• 資料是會動的，箭頭代表流向，標清楚是即時還是排程
• 真實資料會有缺漏、格式錯、重複，要寫進流程
• 想清楚產出長什麼樣子：客戶的老闆打開電腦會看到什麼
• 沒有標準答案，能說清楚為什麼選 A 不選 B 就贏一半
• 不要把流程圖畫成單一直線，要考慮回流、監控、重跑
• 不要分工後各做各的，邊討論邊畫；不要等最後 5 分鐘才畫

情境題與角色

顧問情境

每組選一個企業情境，扮演顧問回應客戶需求。啟動講座預告的三個代表情境：

情境	客戶需求	真實資料來源
餐飲連鎖	POS 庫存優化＋熱銷分析	Kaggle Restaurant Order Details／UCI Online Retail
數位金融	客訴效率＋滿意度	CFPB Complaint Database
B2C 電商	競品比價＋動態定價	爬 momo／PChome／蝦皮公開頁

完整情境池共 8 題，另外 5 題是：音樂串流（推薦優化＋用戶偏好）、叫車服務（交通熱點＋車輛調度）、求職媒合（職缺趨勢＋薪資洞察）、媒體業（新聞輿情即時監測）、不動產（房價趨勢分析）。客戶需求刻意給得模糊，你的任務是釐清；每題的資料來源都可查證，流程都能用課程教的工具完成。

5 種角色（參考用，不強制分工）

角色	大概在做什麼
後端工程師	原系統開發、資料表設計
PM	需求釐清、進度管理
資料工程師	資料管線、雲端倉儲
資料科學家	演算法、預測模型
資料分析師	分析、視覺化報表

流程圖上每個環節至少標一個負責角色。

5 環節基礎架構

[資料來源] → [資料截取] → [資料儲存] → [資料轉換與處理] → [資料產出與應用]
  從哪來       怎麼拿        存哪裡          清洗／合併           誰用、怎麼用

每個環節都要回答三件事：

• 用什麼工具？
• 哪個角色負責？
• 資料怎麼動到下一站？（即時？排程？人工？）

工具參考清單

類別	工具
資料來源／截取	網路爬蟲、API、資料庫串接、Pandas
儲存	MySQL、MongoDB、雲端資料倉儲、Hadoop + Spark
處理／排程	資料清理、資料品質管理、Airflow、Docker
應用	Dashboard、排程自動化、推播通知、API
進階	機器學習、A/B testing、監控與警示、ChatGPT、輿情分析
部署／介面	AWS、GCP、Node.js、HTML + CSS、UI/UX 設計

不用全用上，選情境會用到的就好。

你要帶走的成果

• 一張小組 A3 流程圖海報：答完 5 個必答問題，5 個環節都標了工具、角色、流動方式（拍照保存）
• 一次 5 分鐘的上台報告經驗
• 講師總結的三個共通觀察：流程不是線性的；沒有單一正確答案；資料工程師需要跨角色協作
• 一群可能成為你期末隊友的同學
• 回家想一題：客戶問「這個系統大概要多久做出來？」你會拆成哪幾個階段？
• 寫下：你最不確定的環節是哪一個？為什麼？

事前準備

無。

延伸資源（不繳交，建議期中工作坊前看完）：

• Andrew Ng〈The AI Engineering Skills Map〉（The Batch, DeepLearning.AI）
• 《Data Engineering Podcast》〈From Data Engineering to AI Engineering: Where the Lines Blur〉
• 《Data Engineering Podcast》〈The AI-First Data Engineer: 10–50x Productivity and What Changes Next〉
• Data Engineering Central（Daniel Beach）「Back to the Basics」系列

跟專題的關係

這張海報是後續專題的架構雛形：期中工作坊要把它變成跑得起來的程式，期末團專選題的「進階架構」那條軸也從這裡開始。把海報拍下來，期中工作坊開始前再回頭看一次。