【數據思維】如何做好數據分析這件事?掌握兩個問題、三個關鍵,拿出符合期待、令人滿意的結果

閱讀時間約 4 分鐘


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)

不只給你知識,更給你贏得職場賽局的本事。 分享書選閱讀、全息圖解、職人觀點與萃取技術,讓你在知識變現的時代,獲得學習成長與高效產出的養分。
留言0
查看全部
avatar-img
發表第一個留言支持創作者!
幾經思考,我決定從心法、技巧和體現(心技體)切入,從策略思維、策略分析與案例解析三個構面,挑選我認為對於商業策略分析的思維養成與提升有所助益的十本好書,以及做為延伸閱讀的參考書目。
內容圍繞著一個議題:技術創新,就代表著進步?書中的觀點認為,技術創新並不一定對社會有利,而是取決於我們對技術的選擇。本書的兩位作者 Daron Acemoglu 和 Simon Johnson 都是麻省理工學院的教授,也是著名的經濟學家和作家,他們回顧過去一千年的人類發展歷史,總結出三個觀點。
重讀了《窮查理的普通常識》這本書。在這篇文章中,我想和你分享關於投資之外,我從查理.蒙格身上學習到的五種智慧,包括思維、閱讀、學習、覆盤與格局。
如果你的工作要求高功率用腦,那麼你就得對環境和心境高度敏感。大腦不是孤立的思考機器,它的功能會受到身體、周圍的環境及人的強烈影響。如果能運用外在環境所創造的條件,就能更有效發揮大腦的本能。
我們正面臨一種由人口結構和科技創新所驅動的社會變遷。過去依循著教育、工作、退休,然後死亡的人生序列,將不復存在;擁有更多的選擇,卻也面對著更多的挑戰。這是一場:多世代革命。何時該求學、工作?何時又該退休?過去按照年齡來劃分的階段,不再是標準答案。
讀人之前,先讀懂自己。​我認為這本書提供了一套完整而多元的方法,綜合了心理學、人格科學、非語言行為等領域的知識,透過讀人來提升社交關係,以及在溝通、談判等場景中能更順利的導向我們期望的方向來發展。
幾經思考,我決定從心法、技巧和體現(心技體)切入,從策略思維、策略分析與案例解析三個構面,挑選我認為對於商業策略分析的思維養成與提升有所助益的十本好書,以及做為延伸閱讀的參考書目。
內容圍繞著一個議題:技術創新,就代表著進步?書中的觀點認為,技術創新並不一定對社會有利,而是取決於我們對技術的選擇。本書的兩位作者 Daron Acemoglu 和 Simon Johnson 都是麻省理工學院的教授,也是著名的經濟學家和作家,他們回顧過去一千年的人類發展歷史,總結出三個觀點。
重讀了《窮查理的普通常識》這本書。在這篇文章中,我想和你分享關於投資之外,我從查理.蒙格身上學習到的五種智慧,包括思維、閱讀、學習、覆盤與格局。
如果你的工作要求高功率用腦,那麼你就得對環境和心境高度敏感。大腦不是孤立的思考機器,它的功能會受到身體、周圍的環境及人的強烈影響。如果能運用外在環境所創造的條件,就能更有效發揮大腦的本能。
我們正面臨一種由人口結構和科技創新所驅動的社會變遷。過去依循著教育、工作、退休,然後死亡的人生序列,將不復存在;擁有更多的選擇,卻也面對著更多的挑戰。這是一場:多世代革命。何時該求學、工作?何時又該退休?過去按照年齡來劃分的階段,不再是標準答案。
讀人之前,先讀懂自己。​我認為這本書提供了一套完整而多元的方法,綜合了心理學、人格科學、非語言行為等領域的知識,透過讀人來提升社交關係,以及在溝通、談判等場景中能更順利的導向我們期望的方向來發展。
你可能也想看
Google News 追蹤
Thumbnail
我很鼓勵投資人不要只投資台股,對股市有一點熟悉度後,建議範圍擴況大到美股,甚至是投資全球。因為台股僅是單一國家/市場,如果能將資產投資到其他國家,風險會更分散,機會也更多,特別是美國股市。 美股會很難懂嗎?我相信你認識的美國企業可能會比台灣企業多,我從標普500成分股前15大企業裡隨便抓十
Thumbnail
美股因多家熱門話題與龍頭企業市值快速增長受到關注,本文介紹如何透過國泰世華CUBE App 開設台股及美股複委託帳戶、定期理財的便利性。 定期投資適合單筆資金有限、經驗不多的理財小白、上班族,或者忙碌、沒時間研究基本面的朋友,國泰世華CUBE App美股定額投資功能,操作便利性幾乎完勝海外券商。
Thumbnail
這是張老師的第三本書,我想前二本應該也有很多朋友們都有讀過,我想絕對是受益良多,而這次在書名上就直接點出,著重在從投資的角度來切入
Thumbnail
當你做決策時?傾向過去的直覺經驗或是依照數據呢? 你聽過費米估算嗎?假如你在職場上,因為你的電腦太慢,想和主管爭取換新電腦,如何運用數據呈現呢? 再來,如果你想出書,但總編都不理你,甚至根本看不到你的存在? 還有,如果你想透過知識變現實現財務自由?要怎麼做呢? 劉奕酉老師具有高階主管幕僚超過
Thumbnail
前陣子聽到《尹相志 — 算法工程師與數據科學家之間的距離 (DATA)》的講座,數據科學家在意什麼?如何運用數據?如何成為好的數據科學家?這篇隨筆記錄一下講座的數據思維和模型思維。
Thumbnail
如果開車總是盯著方向盤。這樣永遠學不好開車。 你應該把頭抬起來,看前方300公尺的地方。 科斯托蘭尼 昨日公布美國8月ISM採購經理人NMI數據後,美國三大股指先下後上,但多頭似乎無跟隨數據發起反攻號角之企圖心。 四大股指表現: A. 標普500於3900點上下來回震盪 -0.41% 上面兩張圖
Thumbnail
我在剛開始觀察NFT圈子那陣子,剛好是FOMO DOG發行,在朋友分享下全程觀看了直播,最後也真的被FOMO到準備MINT一隻,但因為準備不足,沒有MINT NFT經驗,而錯過了最好加入的時間。 ===============================================
Thumbnail
書籍資訊 書名:GA到GA4: 掌握網站數據分析新工具的技術原理與商業思維 作者: 張秉祖 出版社:深智數位 出版日期:2021/09/16 為何要導入GA4? GA4的報表分析架構 客戶開發 Acquisition 參與 Engagement 營利 Monetization 辨識訪客的方法
Thumbnail
企業間還是存在許多對於數據只是一張張統計報表,每場會議堆疊越多數字似乎就越多內容的盲點依舊存在。而每次對數據有需求時,總是叫工程師重新撈數字,而對於數據分析或營運分析報告,也止於單點思維卻不是整體面思考。
Thumbnail
蒐集完資料之後,便面臨一個大問題:〝這些數據該怎麼使用〞?或者是說,這些數據怎麼幫助我們做出更好的決策。 從一開始的「篩選用戶」,根據我們的需求進行用戶分組並進行 「AB 測試」實驗,取得用戶相關數據之後,我們可以透過 P 值計算,取得 「p<0.05」的有效假設,進而進行我們的決策。
Thumbnail
在這個數據分析的時代,人人都要學會怎麼運用「數據管理思維」來問對問題!
Thumbnail
研究所產官學研討會宣傳文,發於2016年10月25日。 主題:產官學的交響研討會-「商業新思維-以大數據與雲端計算邁向智慧經營」
Thumbnail
我很鼓勵投資人不要只投資台股,對股市有一點熟悉度後,建議範圍擴況大到美股,甚至是投資全球。因為台股僅是單一國家/市場,如果能將資產投資到其他國家,風險會更分散,機會也更多,特別是美國股市。 美股會很難懂嗎?我相信你認識的美國企業可能會比台灣企業多,我從標普500成分股前15大企業裡隨便抓十
Thumbnail
美股因多家熱門話題與龍頭企業市值快速增長受到關注,本文介紹如何透過國泰世華CUBE App 開設台股及美股複委託帳戶、定期理財的便利性。 定期投資適合單筆資金有限、經驗不多的理財小白、上班族,或者忙碌、沒時間研究基本面的朋友,國泰世華CUBE App美股定額投資功能,操作便利性幾乎完勝海外券商。
Thumbnail
這是張老師的第三本書,我想前二本應該也有很多朋友們都有讀過,我想絕對是受益良多,而這次在書名上就直接點出,著重在從投資的角度來切入
Thumbnail
當你做決策時?傾向過去的直覺經驗或是依照數據呢? 你聽過費米估算嗎?假如你在職場上,因為你的電腦太慢,想和主管爭取換新電腦,如何運用數據呈現呢? 再來,如果你想出書,但總編都不理你,甚至根本看不到你的存在? 還有,如果你想透過知識變現實現財務自由?要怎麼做呢? 劉奕酉老師具有高階主管幕僚超過
Thumbnail
前陣子聽到《尹相志 — 算法工程師與數據科學家之間的距離 (DATA)》的講座,數據科學家在意什麼?如何運用數據?如何成為好的數據科學家?這篇隨筆記錄一下講座的數據思維和模型思維。
Thumbnail
如果開車總是盯著方向盤。這樣永遠學不好開車。 你應該把頭抬起來,看前方300公尺的地方。 科斯托蘭尼 昨日公布美國8月ISM採購經理人NMI數據後,美國三大股指先下後上,但多頭似乎無跟隨數據發起反攻號角之企圖心。 四大股指表現: A. 標普500於3900點上下來回震盪 -0.41% 上面兩張圖
Thumbnail
我在剛開始觀察NFT圈子那陣子,剛好是FOMO DOG發行,在朋友分享下全程觀看了直播,最後也真的被FOMO到準備MINT一隻,但因為準備不足,沒有MINT NFT經驗,而錯過了最好加入的時間。 ===============================================
Thumbnail
書籍資訊 書名:GA到GA4: 掌握網站數據分析新工具的技術原理與商業思維 作者: 張秉祖 出版社:深智數位 出版日期:2021/09/16 為何要導入GA4? GA4的報表分析架構 客戶開發 Acquisition 參與 Engagement 營利 Monetization 辨識訪客的方法
Thumbnail
企業間還是存在許多對於數據只是一張張統計報表,每場會議堆疊越多數字似乎就越多內容的盲點依舊存在。而每次對數據有需求時,總是叫工程師重新撈數字,而對於數據分析或營運分析報告,也止於單點思維卻不是整體面思考。
Thumbnail
蒐集完資料之後,便面臨一個大問題:〝這些數據該怎麼使用〞?或者是說,這些數據怎麼幫助我們做出更好的決策。 從一開始的「篩選用戶」,根據我們的需求進行用戶分組並進行 「AB 測試」實驗,取得用戶相關數據之後,我們可以透過 P 值計算,取得 「p<0.05」的有效假設,進而進行我們的決策。
Thumbnail
在這個數據分析的時代,人人都要學會怎麼運用「數據管理思維」來問對問題!
Thumbnail
研究所產官學研討會宣傳文,發於2016年10月25日。 主題:產官學的交響研討會-「商業新思維-以大數據與雲端計算邁向智慧經營」