近年來,資料科學在各個領域都備受重視,大家對於「數據」二字應該都不陌生。只不過,數據話題雖然火紅,「數據」甚至成為大家與朋友、家人聊天時都可能會出現的詞彙,大家與「數據」的距離卻似乎沒有拉近。這裡姑且先把這個症頭稱為「數據與我無關症候群🙄,我們來看看下面這個檢核表所列的症狀中,你中了幾個吧!

Data_no-compressed

檢核完了嗎?若是勾選項目達二項以上,就代表你也是「數據與我無關症候群」的一員囉!事實上,之所以會成為這個群體的一員,很多時候是因為對於數據、分析存有一些迷思:

 迷思一  •  數據=大數據

有賴於媒體的推波助瀾,大家一聽到「數據」二字就直接聯想到「大數據」。事實上,數據有非常多元的型態,並不是只有龐大的「量化資料」才稱得上數據。其實就連我們對顧客的觀察、和顧客的對談也都是數據的一種,這種數據稱做「質化資料 / 小數據」

例如說,我們想知道某間咖啡店的淡旺季,那麼可以從系統資料分析不同時期、時段的「來客數」;若是想初步了解顧客來光顧這間咖啡店的原因,那麼,我們可以用問卷調查詢問客人來這裡的目的是「1. 地理位置方便 2. 咖啡好喝 3. 價格便宜 4. 燈光美氣氛佳…」;若我們想要將這間咖啡店做全新升級,打造更好的咖啡店體驗,那麼,針對咖啡店設定的目標客群,選擇一些有代表性的顧客進行深度訪談─「您什麼時候會光顧咖啡店?如何選擇咖啡店?過去在咖啡店有哪些好的經驗、不好的經驗?…」,能夠獲得更有意義的資訊。

Tips: 不同類型的數據各有所長,適合用來回答不一樣的問題。有時候不同類型數據搭配運用的效果更好!

 迷思二  •  數據分析一定得花大錢

執行數據分析到底要準備多少預算呢?這是沒有標準答案的。除了分析費用之外,成本的估算也會依營運問題、研究設計、數據蒐集、讀取、資料處理流程…等而有所不同。值得一提的是,數據分析的方案規劃是十分具有彈性的,能夠依照組織的階段性目標、營運問題、成本考量等而有所調整─要解決某個特定問題,可以規劃出「雄心壯志」的方案,也能規劃出「小而精省」的方案。擔任分析領導人15年以上的Piyanka Jain指出,簡單的分析其實就能解決70~80%的商業問題,成本還遠低於複雜的分析。因此,透過「小而精省」的方案,有時就已經能使問題得到很好的改善。

Tips: 如果要等到能夠負擔得起「雄心壯志」的方案時才要做數據分析,你已流失更多的機會了請給「小而精省」的分析方案多一點信心。

 迷思三  •  數據分析是專家才有辦法進行的事

如上所述,簡單的分析就能解決70~80%的商業問題,而這些簡單的問題,由經理人、決策者利用正確且簡單的工具與方法,就能夠妥善地處理。我們只要知道,何時需要借重資料科學家及分析師來處理複雜的數據或營運問題即可。這裡還要強調一個很重要的觀念,作為一位經理人、決策者,很可能無暇親自動手做分析,但要記得,不論如何一定要懂得如何判讀數據,並且善用數據協助決策

Tips: 經理人、決策者的觀察與直覺,搭配數據分析,便能形成「強而有力的洞見」,輔助做出好決策

 迷思四  • 我手中沒有任何數據 / 沒有值得分析的數據

試想看看,在我們日常生活中,有哪些數據持續在累積?這時大家可能會想,我又沒有做研究,也不是數據專家,怎麼會累積「數據」? 那麼,我們換個方式思考,大家是不是擁有以下這些類型的數據呢(至少其中幾項)?─消費明細、發票、信用卡帳單、通話明細、社群文章、LINE對話紀錄、體重、血壓、相片、影片、日記…。有發現了嗎?我們的任何行動,總是能夠留下一些蛛絲馬跡。你所經營的企業/生意亦是如此,如果是販售商品,會有訂單紀錄、顧客資料、進貨成本…等;如果是提供服務,也會有顧客資料、服務時間/項目/金額等訊息,甚至是顧客的讚美或抱怨

不要以為小樣本就沒有參考價值,也不要以為這些不花成本、力氣的「非刻意蒐集資料」就不重要。資料的價值,取決於你解決問題後所帶來的效益。

⇒ Tips: 當遇到營運問題時,先做個數據診斷吧,也許你手中的資料能夠助你一臂之力呢!

看完上面四個關於數據的迷思&解析,「數據」是不是不再遙不可及了呢?