← Back to list

WiDS Taipei 2025 | AI之前,基礎打好了嗎?從0開始打造資料團隊實戰分享 — Tricia Tsai

Yi Chun in Taiwanese in Data Science · 2025-06-29 07:55 · 0 claps · 7.7 min read
#twids #wids2025 #wids #tricia-tsai
Open on Medium ↗

WiDS 台北 2025 | AI之前,基礎打好了嗎?從0開始打造數據團隊實戰分享 — Tricia Tsai

來自犀牛盾的Tricia與他的團隊成員

來自犀牛盾的Tricia與他的團隊成員

講者介紹-Tricia Tsai

✨ 現職於犀牛盾 RHINOSHIELD Data Tean - Team lead
✨ 擁有美國Purdue大學森林與自然資源系取得野生動物博士學位,專長於動物族群估算與動態模型建構。
她的職涯就像一場精彩的冒險,擁有十年野生動物研究經驗的她,習慣以科學方法拆解問題,並擅長從龐雜
的資料中梳理出關鍵趨勢。這項能力成為她轉戰業界的利器,讓她從野外追蹤動物足跡,一路跨足電商資料
分析的世界,成功闖出新天地。
✨講者介紹影片上集:https://www.facebook.com/share/v/16QqEsJz1F/?mibextid=wwXIfr
✨講者介紹影片下集:https://www.facebook.com/share/v/164KPDkFp4/?mibextid=wwXIfr

從森林走進數據戰場:Tricia 的資料轉職冒險旅程

Tricia 原本專注於動物族群動態模型,擅長從雜訊中找出趨勢,這段紮實的研究歷程,也成為她轉戰業界後最強的武器。 七年前,她從美國返台,進入犀牛盾擔任唯一一位資料分析師。從零開始打造資料團隊的旅程,由資料工具人做起,逐步建立團隊、倡議資源、推動文化與流程變革,這一路走得辛苦,卻也讓她的影響力一步步扎根擴散。

📍 第一階段:一人團隊時期

剛加入犀牛盾時,Tricia 是公司唯一的資料分析師,當時無任何資料工程支援,也未建立資料倉儲,對於初入職場的她來說面臨的並不只是工作內容的挑戰,更是一場從 0 到 1 的資料團隊重建之路。

她笑說自己當時是名副其實的「資料工具人」,她不僅要處理資料撈取、報表製作與簡單分析,還需應對跨部門各式各樣的 ad-hoc 請求。作為唯一的資料人,她同時扮演資料分析師、工程師、專案經理三個角色,當時的工作內容,有60%是在做報告或報表相關、20%是在做Dashboard的建置跟維運、剩下20%就是寫Code去維運Pipeline,凡事親力親為也在過程中遇到不少挑戰。

🔹工具人式的任務消耗 由於無正式流程與標準化的數據基礎,大部分時間都被碎片化任務佔據,例如重複撈資料、調整報表格式、對齊各部門的欄位需求等。這些需求不僅重複性高,還經常缺乏明確目標與可衡量價值,極度消耗心力與產能。

🔹缺乏數據治理的環境挑戰 例如:

  • Shopify 後台開放太多人員操作,導致數據不一致。
  • 不同部門有不同的資料定義(如樣品單、測試訂單是否計入銷量),造成報表爭議。
  • 無集中式資料倉儲與邏輯一致性的數據轉換流程。

這些問題導致她必須「通靈」理解每位需求者查詢時使用了哪些條件,讓她笑稱自己進入了「資料地獄的輪迴」。

🔹關鍵的兩個突破

  1. 土炮式資料流程(Pipeline)搭建 雖然沒有工程背景,她用 R 撰寫腳本、拉取資料並透過手動流程處理成 CSV,再手動匯入 Power BI,建出第一版銷售 Dashboard。這雖然不是長久之計,卻成功讓跨部門體驗到 Dashboard 帶來的資訊透明與效率提升。
  2. 視覺化報表贏得信任 以 Dashboard 呈現銷售趨勢給老闆時,獲得正面回饋,這成為她建立內部信任、爭取進一步資源的起點

📍 第二階段:團隊擴張與結構重建的蛻變

2020–2021 年時Tricia升任小主管,終於從獨立作戰者開始組建一個屬於自己的 data team。那段時間團隊逐漸擴編,開始有了分析師、甚至也配了一位工程師。但真正的轉變,卻比想像中來得晚、也來得辛苦。

🔹表面成長,實質負荷卻未減

團隊雖然擴編了,但舊有的問題依舊橫亙在前:

  • 業務需求依然碎片化且重複性高
  • 沒有標準流程,每一次報表產出都要從頭寫一次 SQL
  • 資料源分散,商業邏輯因人而異,根本無從校驗
  • 產品 SKU 結構混亂,甚至出現重複代碼,報表誤差頻繁發生。

🔹關鍵轉捩:終於等來資深工程師

真正的轉機在一位具有大型企業經驗的資深資料工程師加入,他不只是帶來技術,更是帶來了「結構性思維」,在他的推動下,我們第一次認真面對「資料流」的源頭與分層:

  • Clean Architecture的概念,資料應該有清楚的核心層(例如產品、訂單、客戶)與應用層,不能一鍋亂炖。
  • 強調 Single Source of Truth 的重要性 — 公司不能有三種「訂單定義」、五個「客戶清單」,否則數據將永遠無法一致。
  • 導入 OLTP / OLAP 的區隔邏輯,幫助團隊將「交易資料」與「分析資料」分開建模,也重新定義了資料倉儲的角色。

🔹從一場 workshop 開始的「資料釐清運動」

公司內部第一次辦了跨部門資料流程盤點 workshop。各技術部門、業務部門、甚至客服、財務部門都來參加。我們一起在一個巨大的 Miro 板上畫出全公司資料的上下游關係,一步步找出「誰是誰的上游」、「哪個欄位是誰負責」、「報表要從哪個表撈比較準」。

這場盤點,雖然耗時耗力,但卻成為公司資料治理的起點,讓所有人意識到資料不是 Excel 加總那麼簡單,而是一個需要共同維護的系統性資產。

🔹最混亂的「產品資料中心」終於啟動重建

而最讓大家震驚的是產品資料的混亂程度:當時犀牛盾已經七年,公司卻沒有一個正式的「產品資料中心」。產品的邏輯分布在 30 多張表單中,權限分散,SKU 可重複、命名無準則,各部門自行編碼、自行命名,幾乎沒有治理。

這個問題太大,也太根本,不處理,它會一直成為資料工程的地雷,這不是靠報表撐得住的問題,而是要從資料源頭徹底重構。於是團隊開始處理產品資料中心的設計與實作。這個過程,前後花了近一年,但也終於讓資料團隊有了「可信資料源」可以依賴,為接下來的報表自動化、資料倉儲建置打下關鍵基礎。

📍 第三階段:資料部門的真正轉型

在資料團隊走過「個人打帶跑」的初期、「人力擴張卻仍顯吃力」的中期之後,迎來了真正的轉捩點 — 組織結構重塑核心價值對齊的階段。這個階段,不再只是招人、建報表、補缺口,而是將資料團隊從「支援角色」晉升為「組織策略的參與者與驅動者」。

🔹CTO 上任」:制度化的開始

2022 年CTO 終於到位,他是一位擁有 20 年產業經驗的老將,曾任職於新創也待過大型企業,擅長從混沌中提煉出秩序。他花了半年深入了解公司內部與資訊相關的所有流程與部門,接著在 2023 年開始,展開一場大刀闊斧的組織重組。

其中最重要的決策之一,就是將所有與資訊與資料相關的功能統一納編至 IT 部門,打破部門壁壘,讓團隊協作更具彈性與效率。

🔹Data Team 轉向功能拆解,從支援角色走向專業分工

最明顯的改變是:資料工程師團隊被拆出來成為獨立部門,Tricia一開始其實是排斥的,但事後回頭看,這是非常關鍵的轉折。職能拆分後,團隊開始朝「專業深耕 + 跨職能合作」的方向發展。

IT 團隊也成立了專屬 PM 團隊來管理跨系統、跨部門專案。所有跟資訊有關的業務— 無論是 ERP、官網、物流或工廠作業,都一一納編至 IT 架構之下。

🔹從跨部門溝通地獄,到 IT 一家親的支援系統

最神奇的是,以前要做個跨系統整合,要來回奔波、反覆溝通、喬資源;現在,在 IT 團隊內部的 All Hands 會議上,只要專案被列為年度重點,各系統工程師就能無縫支援。 ERP 團隊自動接手接口、官網工程師主動參與,Data Team 再也不是孤軍奮戰。 而Tricia也從「資料報表工具人」正式轉型為 資料產品 Owner,開始參與專案定義、策略分析與成果追蹤,真正讓資料驅動組織決策。

🔹產品資料中心建成

花了將近兩年時間,資深資料工程師終於將混亂的產品資料,整理成一套穩定的產品資料中心。SKU 重複、商業邏輯混亂、缺乏資料主表的狀況終於獲得解決。

有了穩定資料源後,正式啟動公司的 Data Warehouse 專案,從 ETL、資料建模、轉換、整合,到最終的報表層(Presentation Layer),終於走完了一條乾淨的資料流。

📍 最後的體悟:方向比努力更重要

打造資料團隊這幾年,Tricia最深的體悟是:

  • 做對的事,比做得多更重要
  • 資料能不能為組織帶來價值,關鍵不是技術,而是對齊公司戰略
  • 有經驗的主管與正確的架構,勝過一切蠻力與補人

最後回扣Womenin Data Science這個Conference,Tricia分享他三十幾歲的時候開始學Coding,35歲才初入業界,加入犀牛盾的時候,兩個小孩一個在念幼幼班一個在念幼稚園,但對於家人的陪伴她從未減少。身為女性雖然有很多的挑戰,但他也鼓勵大家不要讓任何的世俗或價值觀去阻礙自己的前進。


메타데이터
post_id
cf7b04fdd195
slug
wids-taipei-2025-ai之前-基礎打好了嗎-從0開始打造資料團隊實戰分享-tricia-tsai-cf7b04fdd195
url
https://medium.com/women-in-data-science-taipei/wids-taipei-2025-ai%E4%B9%8B%E5%89%8D-%E5%9F%BA%E7%A4%8E%E6%89%93%E5%A5%BD%E4%BA%86%E5%97%8E-%E5%BE%9E0%E9%96%8B%E5%A7%8B%E6%89%93%E9%80%A0%E8%B3%87%E6%96%99%E5%9C%98%E9%9A%8A%E5%AF%A6%E6%88%B0%E5%88%86%E4%BA%AB-tricia-tsai-cf7b04fdd195
canonical_url
https://medium.com/women-in-data-science-taipei/wids-taipei-2025-ai%E4%B9%8B%E5%89%8D-%E5%9F%BA%E7%A4%8E%E6%89%93%E5%A5%BD%E4%BA%86%E5%97%8E-%E5%BE%9E0%E9%96%8B%E5%A7%8B%E6%89%93%E9%80%A0%E8%B3%87%E6%96%99%E5%9C%98%E9%9A%8A%E5%AF%A6%E6%88%B0%E5%88%86%E4%BA%AB-tricia-tsai-cf7b04fdd195
author_url
https://medium.com/@yijiunshieh55555
status
ok
fetched_at
2026-06-15 20:49:13