如何做好數據分析，其實是兩個問題
我被詢問這個問題的次數，不亞於如何做好簡報、如何高效產出這類的問題。在這個問題的背後，其實是兩方面的問題：
第一個問題，是如何將數據進行分析？
第二個問題，是如何將分析的結果說給別人聽懂？第一個問題是關於數據轉化資訊與洞見的過程；第二個問題則是如何將資訊與洞見轉化為行動的依據。
多數人想知道的，其實是第二個問題的答案。
只不過在第一個問題也沒做好，所以衍生出的問題就變成了「如何將數據轉化為行動的依據」這樣一道大哉問。
如果你將這當作「一個」問題，那麼肯定永遠找不到答案，因為方向錯了，方法再對也到不了目的地。
就好像有人問我「如何透過閱讀做到知識變現？」這問題。看起來是「一個」問題，實則包含了三個問題：如何透過閱讀創造價值？如何傳遞這個價值？如何向市場獲取價值（變現）？
沒有很好的解決這三個問題，你永遠無法穩定、長久的實踐變現。這件事。
．．．
從問題出發，帶著假設來澄清，別用分析的邏輯來表達
回到一開始的「如何做好數據分析這件事？」這個問題。
我的建議是：從問題出發，帶著假設來澄清，別用分析的邏輯來表達。
首先，從問題出發，是一切的起手式。
包括現況、目標、差異，以及這個差異是否待解決，這四個要素的釐清與確認，我們才能很好的定義問題是什麼。
其次，帶著假設，然後透過數據分析來驗證。
試圖推翻這些假設，而不是從數據中試圖找出一些答案；兩者是截然不同的。
最後，別用分析的邏輯來表達。
就如同我在談簡報、表達與溝通時，也會告訴大家別用思考的邏輯來進行表達。思考、分析與表達，這三者的邏輯不太一樣；而相較於表達，分析的邏輯會更接近思考一些。
在分析的過程中，我們會有很多思考、試誤的路徑，這可能是導出最終結論的必經階段，但不見得是受眾的必要資訊；換句話說，給更多的資訊並不一定使對方有更好的理解。
．．．
三個關鍵，拿出符合期待、令人滿意的結果
那麼，具體來說該怎麼做？把握三個關鍵。
第一個關鍵，是在過程中勢必得要大幅刪減不必要的資訊，而如何在精簡的同時又能保留核心邏輯？就是做好數據分析的最後一哩路。
你的結論，其實都對應到一個問題。
而這個結論可能是資訊、洞見，也可能只是視覺化後的資料；然而能做為下一步行動的參考依據的只有洞見。
想要成為獨當一面的數據分析，則要讓自己提升到提出洞見的水準，甚至是能說出對策；別覺得自己只是提供數據結果的工具人，對方用不用、怎麼用都不甘自己的事，這樣只會讓自己停留在「分析人員」的階段。
數據分析的本質，是為了提高決策的速度與品質。
如果一個人認為靠經驗或直覺就能得到夠好的決策品質，也能迅速做出決定，那麼他不會重視數據這件事。充其量會把數據做為支持決策的根據，先射箭再畫靶。
唯有參與到決策過程，才會讓數據分析的敏銳度與價值性有所提升；也只有如此，數據分析才會被重視。
第二個關鍵，是一開始的數據清洗與淨化。
專業與業餘的數據分析，差別往往就在這裡；只不過在求學時期，數據大多是準備好的，而真實世界的數據常常是混雜著許多雜訊，需要經過過濾、修補與轉換的過程，才能得到「有分析價值」的數據。
但這部分的經驗，不容易在書上學到，只有在真實場景中才能累積，而且仰賴對產業知識的理解。
第三個關鍵，是培養視野、視角與視線。
視野，指的是分析的高度。不只是深入看這些數據點，更要拉高看到一條脈絡線、一個系統面，去理解變異的來源、定義出好的問題。
視角，指的是切入的角度。就像拿著一個魔術方塊，你可以發現有不同的角度可以切入，而這還只是三維的空間；你的數據可能有更多維度，需要透過降維技術來找到更好的切入點。
視線，指的是展示的對象。別期望對方能聽懂你的高深技術，你應該調整表達的方式，用對方容易聽懂、方便轉述的語言，而不是一個黑盒子。
數據分析是為了降低決策的不確定性與風險，千萬不要本末倒置。
．．．
總結來說，我認為在職場上一個好的數據分析人才，應該是組織有你可以獲得更好的決策品質，而不是非你不可；即使是自己開業或成為自雇者，也該好好思考這一點。
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》、《高勝算的本事：用數據思維打造破局思考力》
培訓、講座、專欄、顧問服務邀約，或文章轉載授權請私訊聯繫 (easypresentation2016@gmail.com)
