讀後感：只憑數字做決策的主管，小心了！忽視報表沒寫的資料，嚴重時恐鬧出人命

1. 為什麼選這篇文章分享? 2. 作者為什麼要寫這篇文章? 3. 內容重點 4. 心得

為什麼分享這篇文章？

• 大數據時代，必須培養正確的數據觀念

作者想表達甚麼？

• 何謂暗數據？
• 面對仰賴數據的時代，該如何察覺暗數據？
• 過度拘泥於現有的線索時，就會忽視尚未揭露的訊息，產生錯誤的推論。

重點內容

暗數據（dark data）

• 將人們遺漏的資訊與數據稱為「暗數據」（dark data）
• 發想自「暗物質」

1. 科學家認為宇宙由 27% 的暗物質組成
2. 由於它不與光和電磁輻射作用，難以察覺其存在，但會改變星體的移動速度
3. 生活中有許多未察覺的暗數據，會無形中影響我們的判斷。

• 當我們過度拘泥於現有的線索時，就會忽視尚未揭露的訊息，產生錯誤的推論。

2011 年英國推出犯罪電子地圖

• 使用者可在地圖上查閱任一地點附近的治安狀況
• 民眾能在看似透明的資訊下，決定要在哪買房與租房，並在晚上避開犯罪率高的街道
• 犯案數相當高的街道，只有一家酒吧、停車場和一座公寓，沒有太多聲色場所，相對單純。

由於案件會顯示於地圖上，10% 民眾傾向不報案，避免房價下跌。

• 地圖顯示的可能是人們願意報案的區域，而非犯罪率高的地方
• 如果遺漏「10% 民眾不願報案」，誤以為地圖反映的就是真實，就會做出偏頗決策。

銀行瀏覽信用卡的交易紀錄

• 以為目標客群喜歡刷卡買電影票，因此積極找影廳洽談合作
• 部屬交給主管的資料，可能刪除了未開卡者的資料
• 資料僅反映刷卡購物者的習慣，遺漏偏好支付現金的人
• 假使未開卡者的比例高於開卡者，銀行就要調整行銷模式

從鞏固既有客戶，改為開拓新藍海市場，了解未使用信用卡者的需求，擬定新方案。

漂亮的數據也別輕信，多方汲取、爬梳資料

• 懷疑是防範暗數據的不二法則
• 改變詮釋數據的角度，能幫助我們快速判斷暗數據是否藏在裡頭

1. 某樣食品標榜「90% 不含脂肪」，改成「含脂肪 10%」，你還會想購買嗎？
2. 某療法宣稱能讓人的罹癌風險減半，但如果是從 2% 減至 1%，可能會覺得效果小到無足輕重

• 弄清楚數據怎麼來的

醫院透過 AI 預測肺炎病患的死亡率，出現驚人的結果

• 同時罹患氣喘和肺炎的死亡率，比單純罹患肺炎還低
• 檢視 AI 的判斷過程，會發現它忽視了不同治療方法的影響

醫師會判定氣喘病史的肺炎患者是死亡高危險群，將他送進加護病房，降低了他們的死亡率

• 醫生若相信 AI ，讓同時罹患氣喘和肺炎的病人只接受普通治療，患者死亡率可能會攀升
• 看到驚豔的數據別高興過頭，試著爬梳數據的調查方式，覺得「怪」就要探究下去

拒答、漏填也是一種資訊，加強隱私讓他們願意說

• 另一個依賴數據的現象，是企業為了追求更好的銷售表現，經常展開市調
• 強調隱私的時代，人們不見得願意透露個資
• 略過拒答者或問卷中沒填到的欄位，容易產生「倖存者偏誤」

調查結果往往只能反映願意填寫問卷者的狀況，與真實情形可能有落差。

• 針對漏填資料者進行訪談，了解他們拒答的原因，是避免倖存者偏誤的根本做法。
• 資料遺漏的另一種可能是， 受訪者認為揭露這項訊息令他們難為情

例如低收入者不願透露年薪、自認肥胖者對體重數字很敏感

• 蒐集資料時，必須注意受訪者的填答心態，微幅調整調查方式

1. 採用匿名填答
2. 受訪者填答完後，進行資料加密

• 取得一份正確資料並不容易

1. 除了要學會從既有資料覺察暗數據，還要留心調查過程的盲點。
2. 懂得隨時修正數據的意義，才能從中得到更多的啟發。

個人心得

• 看完文章，想買一本《暗數據》來看
• 許多企業想導入數據文化，卻沒有正確數據思維
• 從RAW DATA撈資料做分析，與問卷抽樣結果大相逕庭

兩者相互做對照與探討

• 數據無法反映當下的所有細節，只能事後道出公司想要知道的關鍵結果

通常都是老闆、主管認知下的關鍵數據，許多間接數據被忽略

• 倖存者偏差

1. 二戰飛機的彈孔位置
2. 成功創業家該有的人格特質

• 某地癌症死亡率特高，誤以為該地罹癌率高→旅遊醫療
• 當數據標準是人定的，沒有科學依據，合理與否誰判斷

採番茄速度 v.s 品質

• 找資料時，一直被問到這數據有什麼用？

1. 對數據的態度太狹隘
2. 當下沒用，不代表未來某一刻沒用