洪嘉松

《輕鬆搞懂數字爆的料：不需統計背景，也能練就數據解讀力》Keeping Up with the Quants:Your Guide to Understanding and Using Analytics

聯合報系媒體創新研發中心吳仁麟總監





中興大學應用經濟系講座教授、銷售預測專家林英祥博士





前台灣大學調查研究中心主任、選舉民調權威洪永泰教授











「在大數據時代，不管對於專業人士或是統計門外漢，本書都極為實用。戴文波特教授是享負盛譽且備受尊崇的學者和實務應用專家。」──林英祥，銷售預測系統BASES原創開發人











「數位資訊愈來愈多，認識量化分析也變得日益重要，本書是引導大家進入分析領域的最佳入門書。」──布林優夫森，《第二次機器時代》作者











「戴文波特是當今全世界最優秀的分析專家。不管是想把量化分析融入決策，或是希望和分析師有良好互動，都適合閱讀本書。」──莫瑞，休士頓火箭隊總經理











「分析帶來洞見。這本書可以教你如何在資料裡挖寶。」-李緒興博士，韓國Homeplus集團董事長及執行長











「分析專家深知，先進的分析技術是通往知識的道路。本書能讓你在這條路上加快腳步。」──古德奈，SAS共同創辦人及執行長











「本書提供了清晰且可行的路徑圖，只要按部就班，經理人就能懂得如何運用分析法架構並檢視問題，進而提出深入的商業洞見。」──拉夫曼博士，凱薩娛樂董事長及執行長

• 
  
  

  作者介紹

  
  
  
  
  戴文波特Thomas H. DAVENPORT
  
  在管理大師的名人堂裡，關於如何用數字管理提高經營績效和競爭力，絕對不能錯過的一號人物。
  
  知名管理大師及作家，專長領域為數據分析、企業流程創新和知識管理。哈佛大學訪問教授、貝伯森學院（Babson College）資訊科技暨管理學教授、麻省理工學院數位商業中心（Center for Digital Business）研究員、國際資料分析研究所（International Institute for Analytics）研究主任暨共同創辦人、德勤資料分析室（Deloitte Analytics）資深顧問。編、著或合著有16本著作，包括《魔鬼都在數據裡》（Competing on Analytics）、《職場必備的分析力》（Analytics at Work）、《大數據@工作力》（Big Data@Work）等。曾發表過上百篇論文，散見於《哈佛商業評論》、《MIT史隆管理評論》、《柏克萊管理評論》、《金融時報》等一流報章期刊，其中，〈決勝分析力〉（Competing on Analytics）一文曾獲提名為《哈佛商業評論》九十年歷史中十大必讀文章。曾獲選為《財星》雜誌全球50大商學院教授、《顧問》（Consulting）全球25大顧問、《優化》（Optimized）雜誌讀者評選全球前三大企業與科技分析大師。
  
  金鎮浩Jinho KIM
  
  華頓商學院博士。韓國國防大學商學及統計學教授、分析研究實驗室總監。在韓國出版六本著作，其中包括暢銷書《100個統計常識》（100 Common Senses in Statistics）以及《怪誕統計學》（Freak Statistics）。他研發並主持一門教育學程，幫助個人培養分析技巧；他也潛心鑽研如何以量化分析解決各種商業與社會問題。
  
  





• 
  
  

  譯者介紹

  
  
  
  
  
  錢莉華
  
  
  
  
  
  
  
  
  
  
  
  台大外文系、政大新聞研究所畢業。曾任《工商時報》記者、華視新聞部國外組編譯，目前為專職譯者。譯有《YOU你的身體導覽手冊》（合譯）、《熱情洋溢》、《派屈克的生死抉擇》、《星期三是藍色的》、《致命的醫學常識》、《尋找快樂之國》、《成功抗癌者的5個祕密》、《9個月，孩子大不同》、《那一年，我在重症照護病房》等書（皆由天下文化出版）。
  
  
  
  
  

輕鬆搞懂數字爆的料：不需統計背景，也能練就數據解讀力－目錄導覽說明

• 
  
  推薦序多吃「數」，有益健康？ 吳仁麟
  
  
  
  
  
  
  
  
  
  
  
  第1章 人人必備分析力
  
  
  
  
  
  量化分析與大數據的崛起
  
  
  
  
  
  量化分析對決策的重要性
  
  
  
  
  
  量化分析思考三階段與六步驟
  
  
  
  
  
  缺乏分析性思考的危險
  
  
  
  
  
  
  
  
  
  
  
  第2章 建構問題
  
  
  
  
  
  步驟1：確認問題
  
  
  
  
  
  步驟2：檢視既有發現
  
  
  
  
  
  案例：全視線光學
  
  
  
  
  
  案例：人民控訴柯林斯案
  
  
  
  
  
  
  
  
  在家賺錢
  
  
  第3章 解答問題
  
  
  
  
  
  步驟3：建立模型（選擇變項）
  
  
  
  
  
  步驟4：蒐集資料
  
  
  
  
  
  步驟5：分析資料
  
  
  
  
  
  案例：選擇權評價模型
  
  
  
  
  
  案例：孩子是誰的？
  
  
  
  
  
  
  
  
  
  
  
  第4章 溝通與行動
  
  
  
  
  
  步驟6：說明結果與採取行動
  
  
  
  
  
  用資料漂亮說故事
  
  
  
  
  
  案例：南丁格爾的成功溝通
  
  
  
  
  
  案例：孟德爾的失敗溝通
  
  
  
  
  
  案例：替婚姻算算命
  
  
  
  
  
  案例：FICO評分
  
  
  
  
  
  案例：超市尋找價值定位
  
  
  
  
  
  
  
  
  
  
  
  第5章 量化分析與創意
  
  
  
  
  
  創意分析思考四階段
  
  
  
  
  
  案例：阿基米德與真假皇冠
  
  
  
  
  
  案例：啤酒和尿片
  
  
  
  
  
  案例：語言能力與阿茲海默症
  
  
  
  
  
  案例：內線交易疑案調查
  
  
  
  
  
  
  
  
  
  
  
  第6章 鍛練數字分析腦
  
  
  
  
  
  量化態度
  
  
  
  
  
  量化習慣
  
  
  創業計畫書
  
  
  量化分析師
  
  
  
  
  
  案例：用分析力爭取獎學金
  
  
  
  
  
  案例：休士頓火箭隊的量化思考高手
  
  
  
  
  
  
  
  
  
  開店成本分析表
  
  第7章 與量化分析師共事
  
  
  
  
  
  商業決策者的分析責任分工
  
  
  
  
  
  對分析專家應有的期望
  
  
  
  
  
  案例：思科的需求預測分析
  
  
  
  
  
  案例：默克尋找最佳銷售陣容
  
  
  
  
  
  
  
  
  
  
  
  致謝
  
  
  
  
  
  各章注釋
  
  
  

台南網路行銷

（以下摘自本書第4章〈溝通與行動〉）
三階段六步驟架構的最後一個階段，就是跟利害關係人溝通分析結果。這個階段非常重要，就算前面的步驟做得再好，差這一步，一切恐將白費。那些關心自己的研究心血是否能付諸實行（亦即改變決策、影響行動）的分析師，非常看重這個階段，並在此投注大量心力。那些認為分析結果「自己會說話」而輕忽這個階段的分析師，在我們看來是不合格的分析師。

統計學教育新趨勢
長久以來，大家甚至不認為這個階段的內涵應該納入正式教育學程。傳統上，學術界（尤其那些在研究和教學方面有強烈分析導向的人）過於把焦點放在分析方本身，卻未能有效的透過溝通，讓大家了解這些方法。所幸，目前情況已然改變。哈佛大學統計系系主任孟曉犁（最近被提名擔任哈佛大學藝術科學研究所所長）曾表示，他將致力培養「能在統計方面有效溝通的人」：

近幾年，針對哈佛大學部的統計學教育，我們採取較為宏觀的態度，也就是把焦點從培育少數幾個人進修量化分析博士班，改成多幫助幾個人對統計的論述與觀點有基本的鑑賞力，使統計學融入文科素養，做為批判思維的訓練與經驗。有趣的是，我們抱持不懂釀酒的人也能成為美酒鑑賞家的理念，反倒比我們只想釀美酒時，培養出更多未來的釀酒專家。

基於這樣的理念，孟曉犁和同僚為大學部學生開設了一門課，名叫「生活統計學：快樂（悲傷）機遇」。課程單元包括，從統計觀點看「戀愛」、「酒與巧克力」、「財務」、「醫療」（包含臨床試用威而鋼）和「股票市場」。孟曉犁不僅想讓統計學「吞得下去」，還想讓它變成「人間美味」。
不管你是資料的分析師或消費者（換個說法就是，分析學的釀酒師或品酒人），都能夠從本章獲益。以分析師來說，他們可藉此讓研究結果變得更有趣、更吸引人，以促成更多後續行動。至於分析資訊的消費者，也就是負責分析專案的經理人，他們應該致力追求報告要有趣、內容要詳盡。
如果量化分析報告讓讀者覺得無趣、一頭霧水，恐怕錯不在讀者。資訊的消費者可以和量化分析師共同努力，讓研究結果更易懂、更好用。當然，一般來說，根據分析結果做決策的，通常是分析資訊的消費者。
本階段主要在描述問題與背後的故事，說明模型、取用的資料以及變項之間的關係。確認變項之間的關係後，就需要針對問題，在變項關係中找意義，加以解析並陳明。量化分析的結果說明得愈清楚，愈可能根據結果做決策並採取行動，畢竟，分析的目的就在於此。
說明結果時，需要簡述分析過程、摘錄結論，並針對問題建議解決方案（不一定按照這個次序），通常最好是先從摘要和建議說起。至於說明方式，最好是召集相關人士開會，透過問答說明，或者是撰寫正式報告。若你處理的問題和所得的結論有若干學術性，或可寫篇論文，發表至相關學術領域的期刊。
我們在第2章提過，黑白分明的數字表格最容易讓別人忽視你的分析結果，就算是最簡單的講古型故事，也是如此。其實，這類故事很容易以簡單圖示來表達，例如直條圖、圓餅圖、曲線圖，或者在視覺上更強烈的互動式圖示。確實有些人較喜歡看欄列數字，較不喜歡在視覺上較為刺激的資料呈現方式，但這種人不多。報告的呈現若能利用色彩和動感，讓結論變得更容易懂，都有加分效果。

用資料說故事
能用資料說故事的分析師，才是最優秀的分析師。我們在第二章講過幾個用分析資料鋪陳的故事類型，但不管是哪種故事、故事怎麼講，好的分析故事，基本元素大致類似，它們的故事性強，主軸圍繞著某個商業問題或目標。針對顧客忠誠度而寫的分析故事可以這麼開頭：「大家都知道，我們很久以前就想找出最忠誠的顧客，而且要把他們變得更忠誠，現在，我們辦到了。」
所謂的好故事，就