Numbers have an important story to tell. They rely on you to give them a clear and convincing voice. — Stephen Few
《A1資料分析基礎班》進行至第四天，對於化身為資料分析師的各界菁英們對於手上握有的資料集更加深刻有感，自己提案自己做，從資料整理到資料探索性的視覺化，各組學員們無一不捲起袖子用各種剛學到的資料視覺化的技巧挖掘潛藏在資料深處的寶藏。
學習R語言很難，想在短短四天把R學起來做 EDA 更是難上加難。有賴講師群的努力，透過多年實戰經驗，選擇最有效率的分析套件，把 R語言的學習路徑縮到最短。在實作課程中，助教群更是手把手地解決學員各種疑難雜症，使得學員得以在密集的課程中，展現令人驚豔的成果。
從第一天講述的「資料思考」(data thinking) 開始，到最後一天的「數據為大」作結，講師們替學員破除「大數據」(Big data) 浪潮的迷思。讓大學生、工程師、管理階層的經理人融入分析師的視角，對於如何用對的方法，有效率地發現值得highlight之處，或是跳出框架，設想如何透過更多元資料混搭 (mash up) 解決問題。
這些資料思維過程值得讓所有學員銘記在心。連周密集訓練的各組配適真實資料，故事成果超有梗如下：
#1.Youbike調度效率改善該行政區為例，捷運站與場站皆為熱門區，找出與時間相關有車機率。
#2.YouBike資源分配最佳化，透過捷運站與場站停車數及人口比對分析，做為場站設置的規劃。
#3.藉由場站指標特性探索該行政區場站行為分析，將使用者分群後，可依據分類設置不同廣告。
#4.熱門觀光地點YouBike調度，分析該區域站點特性，規劃友善旅遊路線及優化使用者排程。
註：以上各組專案成果如需轉引或採用須標註出處及取得同意。
「探索性資料分析」(EDA) 的精神不僅在於如何使用分析方法或工具，而是在於資料分析師抽絲剝繭的能力，選擇最佳的方式 (通常是視覺化圖表)，來呈現資料蘊藏的趨勢，進而協助管理階層理出個重大頭緒，爬梳出所有利害關係人的層層脈絡，對於關鍵議題或是加速公司營運決策模型皆是功德一件。
在掌握資料脈絡之後，想要更進一步尋找重要因子探詢或是預測分析，不妨可以來《A2資料分析進階班》與我們DSP智庫驅動一起追根究柢，了解預測性分析的神秘之處。