資料分析
將架構界定好，接著寫程式、使用分析工具執行
通常分析前我會先想一個初步的架構，否則要看的變數太多了會很容易迷失，這一次我們的架構如下：
- 填答者輪廓
- 職業對滿意度的差異分析
- 教育對滿意度的差異分析
- 象限分群，了解不同使用族群的問題點
- 網站功能優化策略
下載下來的資料在Excel中打開大概長這樣：
但是中文對於程式操作上很不方便，因為語法大部分都是英文的，所以我會自己再另外設計一下變數名稱， 如果不設計的話變數會顯得很雜亂、名稱太長，這些都不是好的變數。雜亂是什麼意思呢？比方說這份問卷的後面問題都在問滿意度相關的，那其實可以在這些變數前面透過一個類別名稱去命名它，比如nps_{問的問題}的格式去重新命名 (凈推薦值，雖然這邊用里克特量表，自己看得懂就好)
整理成英文命名，並群組化變數
剛開始我會優先觀察「人口特徵」的資料，了解填答者的輪廓。通常依照問卷投放的渠道會有不同的填答者。又剛好這次使用的資料投放管道主要為網站使用者填寫，也就是說它正面反應了網站使用者的輪廓。
主要報稅人以30~59為主，這群人也是稅務網站主要服務的對象。而大多數人都是使用PC來處理報稅流程，這點與我們的認知相同。並且推測都是下班後處理，在晚上來操作網站。
女性比較多一些，另外大部分人其實不是新竹的居民。
在大學的統計學第一節課程中會告訴我們資料有四種尺度，而其中問卷調查常常出現的滿意度屬於ordernal data（順序資料，資料間沒有運算關係，但有順序關係，比如5 > 4 是「程度上的差別」，但是不會說「5比4高1滿意度」），我會透過小提琴圖來觀察滿意度的分佈，好處是你可以看到不同類別（這邊用職業，你也可以用年齡區間、教育程度等等個體間的差異）在5個分數上的分佈情況，藉此一眼就掌握個體間對於滿意度的差異，可以回答兩個問題：
- 「什麼樣的個體比較滿意什麼環節」
- 「個體A在B的集中情況，是否有極端值？」
而一口氣觀察這些變數的分布也很簡單，三行左右，此時先前重新命名變數的好處就體現出來了，我可以用一點語法就找到所有我想觀察的變數（比如說名稱中有nps的欄位）然後寫個迴圈把所有圖一次性畫出來：
有趣的是在滿意度調查中，農林漁牧業人員的分佈與其他職業比較不同，這點如果回到資料筆數去看，就知道是因為資料筆數比較少的關係，從理論上，當資料筆數愈多，則各個分數區間都會是常態的，無須太過緊張。
另外可以觀察到大部分人給出的滿意度都偏高，尤其是服務業、商業從業人員給予滿分的評價較多。
/政府網站營運交流平台授權轉載/
原文作者：戴士翔 | Dennis Dai
原文出處medium：開放資料優化使用者體驗，以臺灣政府稅務資料為例