改善流程藏在哪處？
將各個流程梳理清楚
我們來看看平均而言，哪個環節比較需要改善：可以看到雖然數值的差距不明顯，但是透過折線圖就可以發現：
折線圖是觀察差異最好的視覺化工具
這裡可以發現有三處明顯的拐點，作為管理者可以思考手上的資源可以改善的範圍，比方說如果資源比較少、預算較緊，那麼就優化第一個拐點（流程），如果這是一個專案，則從資訊完整度以下都可以安排優化（info_full）
- 實用性部分分數最高，表示消費者還是認可這個產品的價值，換句話說要優化「實用」部分，創新點就是「有沒有其他媒體」、「其他表達形式」來更好傳遞價值？
- 清楚看到需要改善的是流程，再到UI、Layout，UI跟Layout其實如出一徹，都是視覺方面需要改善的訊息，不夠美觀大方，排版也沒那麼好搜尋。
- 即時更新的部分比較差強人意，操作便利性上還過得去。
政府的報稅網站
但是流程真的這麼差嗎？我們可以細看它的職業差異分佈：
nps_process其實蠻有趣的，只有學生有給到1分的評價，這點可能是因為學生報稅經驗比較不足，所以對流程的掌握度比較差，而退休人員則是對process的部分滿意度偏高，這可能也是因為他們是最熟悉、有最多報稅經驗的人，所以對這方面比較無感。
在info_time則看到幾乎每個職業的人都給到了2分以下，這在其他環節是沒有看到的現象，畢竟觀察其他小提琴圖會知道頂多專業人員、軍公教人員比較嚴格、給予比較低的評價，但是少見所有職業都給出低分的選項，由此可知我們在time的部分（即時更新）上需要做到調整，因為雖然overall並不是最低分，但是這一塊是幾乎所有職業都有不滿意族群存在的部分，這部分我們就要進一步了解問題、思考可以怎麼改善。
PCA 主成份分析
我們可以用主成份分析來把資料降維，這邊我把滿意度指標投影到二維平面上，透過資料投影與類別的組合往往可以發現一些不錯的模式，是一個很常見的機器學習技巧。
PCA解釋了約79%的變異，效果還不錯
接著我們解讀PCA的組成因子，可以看到：
- 第一個主成分主要由資訊(info)相關組成，比如說實用度、更新即時性、資料保護程度(nps_info_practical、nps_info_time)
- 第二個主成份主要由使用者體驗、介面操作（nps_ui,nps_ux）為主。
非常雜亂，也有可能是2D不足以說明他們之間的模式
然而似乎沒有什麼特別的模式，各職業的滿意度並沒什麼差別。
如何解決雜論無章的問題？象限分群
那我們可以怎麼樣獲得更深刻的洞察呢？就是利用「象限法」也就是透過將散點圖透過中間值來去區分四個象限的資料，並且為他們加上人物側寫（取每個集群的最大數）。象限法很簡單卻很好用，搭配散點圖可以劃分出不同資料個體間的關係，進而做出簡單的四個群體。
比如管理學中著名的BCG矩陣就是將成長率、市占率為軸所畫分出來的產品組合理論，這理論背後最為重要的其實是「選軸、區分象限」的思想，而這也是我們可以借鑑到不同數據分析專案中的：
印出每一群體的主要特徵代表「群集個體」
不同象限的人物輪廓如圖，這樣的結果其實不錯，我們可以看到結果十分類似，更加確立了平台的使用者輪廓，比如我可以這樣描述這群使用者：
40–49歲、大學專科學歷畢業的女性工、商業從業人員，主要都在晚上使用桌上型電腦查詢活動資訊，使用頻率可以分為三個月一次（一季）、一個月內使用不等…最主要的差異體現在：「瀏覽次數」上，那麼我們就可以進一步討論「瀏覽次數差異的主因」
這樣的輪廓還可以讓我們做一些猜想，結合稅務人員來思考這群人的特徵，比如：可能是一個家庭的母親、有正在讀國中的孩子、不想花太多時間填寫網站資料、經常需要查詢活動資訊等等…
/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