編輯嚴選

【職人觀點】不想被數據操弄？五個步驟培養數感，在生活中建立起你的數據敏銳度

學統計的人，在看事情時會特別留意違和感。​

​任何事物都可以被視為機率的分佈，只是我們不一定曉得是哪一種分佈；而常態分佈是多數人最初接觸過的一種機率分佈，也可能是唯一的一種。不少人以為我們的生活周遭充滿著常態，這其實是一種誤解。​

比方說，公車站的候客人數、機器出現的故障次數、自然災害發生的次數，屬於卜瓦松分佈的一種；旅客進入機場的時間間隔、電話打進客服中心的時間間隔，以及電子產品的壽命，則是指數分佈的一種​

​所以在觀看市場訊息、景氣變化、新聞動態，甚至是人物評論時，如果出現一面倒的風向，通常我都會特別警覺。​

​因為有種違和感。​

總之，多瞭解一些再來做判斷。或者，做一些假設、蒐集一些資訊來試著推翻；推翻不了的假設，代表擁有的資訊還不足以證實，也可能是另一種可能性。​

這樣的習慣，讓我這些年來避開了許多不必要的風險。​

．．．

在企業講授數據思維的內容時，除了分析思考、解讀洞察與訊息傳遞的技巧之外，我都會提醒培養「數感」的重要性。​

看到一個數據，你會覺得異樣感；在一份報表中，你會發覺某個數值怪怪的；或者，看到一樣商品，你脫口而出的價格與售價相差無幾。​

這些都是數感發揮了作用，也是你意識到要對數據進行分析與解讀之前，你的大腦就已經根據經驗與知識做出了預判。在商場上，不少傑出人士都具備相當好的數感；而對於一般職場工作者來說，數感的養成也有助於問題解決與決策判斷的效率。​

你可以試著這麼練習來培養數感：​

​看到眼前的數據是否符合自己的認知，然後決定要不要接受它，如果你也是這樣做的，很可能就犯下了驗證偏誤而不自知。要避免這種偏誤的第一步，就是先意識到自己被這個數字所引發的情緒。​

然後思考與自己對立的立場，可能會有什麼道理。我知道這很難，但試著去對抗自己的情緒偏誤；想想這個數據的產生過程，有可能出現什麼樣的問題，使得有些人相信或不相信這個數據？​

有意識地觀察自己的感覺，就能避免被數據操弄。​

​

​雖然常聽到「數據會說話」這種說法，但「人用數據來說話」才是現實。以前念書時，老師告訴我們「任何揭露在我們面前的數據都有其目的」是求真的基本了解。​

要理解一個數據在說什麼，首先搞清楚這個數據的定義，然後在看它傳達了什麼、背後的目的又是什麼？​多數人往往會放棄思考而直接認同了數據，而這也正是傳達訊息的人希望看到的。​

​

​數據的來源與時間，決定了可信度。要注意的是，不是有標註了來源，就是可信的；也不是標註了可信的來源，舊式可信的。​​

最好的方式，是循線查詢來源的數據，和眼前的數據是否在定義、訊息與目的都是一致的。我們在媒體上看到的數據，都有可能是擷取來支撐自己想傳達的訊息，而不是原本的意思。​

他們並沒有說謊，只不過沒說完整的實話。​

​就拿今天看到的一則新聞來說，提到「家長願讓孩童打疫苗不到五成」的訊息，你會如何衡量這個數據的含意？怎麼判斷它合不合理？​

​數據是怎麼來的？家長是指那些人？分子與分母又分別是多少？這是進行中的調查、還是已經完成的？我們可以根據前三個步驟的思考，來衡量這個數據的合理性。​

​

​有些數據在呈現上可能無法那麼精確，甚至也可能持續滾動修正，但也無須因此全盤否定這些數據的參考價值。關鍵是我們要清楚這個數據是如何產生的？會被如何進行修正？我們就可以有更適當的方式去使用它。​​

甚至，我們也可以想：有沒有更好的方式來獲得品質更好的數據？​

疫情的數據就是生活中最貼近的例子。過去我們在企業中做市場預估時，也會參考大型市調顧問公司的數據；但你說他們真的很準嗎？如果將逐年、逐季調整預估的軌跡展現出來，我想你會大叫：這什麼鬼？​

但就因此就不採信了嗎？倒也未必。​

我們會去了解這些數據是如何被預估出來的？過程中有哪些限制與缺漏？然後，我們自己是不是能請第一線業務蒐集這些資訊，然後加入自己的領域知識和統計方法，來修正出一版更貼近市場的預估數字？​

其他家市調機構、競爭對手又是怎麼做的？最後，我們將這些數據集結起來，可以形成一條區間帶。雖然個別的數據不能盡信，但整體來說仍然可以縮小不確定性的範圍，然後進行滾動式修正。​

這些就是培養數感的簡單步驟。​

面對生活與工作中的數據，多花點心思想一想，有時也能少走一些冤枉路。

劉奕酉｜鉑澈行銷顧問策略長、企業培訓顧問、暢銷書作者

擁有高科技產業十多年策略行銷與高階幕僚經歷，為台灣少數具有深厚實務背景的商務顧問，專注提供企業與職場工作者在思考、表達與問題解決領域的培訓與顧問服務。同時也是職場生產力作家，多家出版社、社群媒體指定邀稿對象；一年閱讀百本書、寫作百篇以上職場文章，以知識萃取、高效產出與全息圖解而廣受好評。

相關著作：《我用模組化簡報，解決99.9%的工作難題》、《高產出的本事》、《20道資料視覺化難題全解析》

培訓、講座、專欄、顧問服務邀約，或文章轉載授權請私訊聯繫 ([email protected])