文/張玉琦
統計的英文（Statistics）是從拉丁文的status（國家、政府）而來，指的是國家經濟狀態、人口統計等原始數據。「簡單說，統計學就是資料的科學，也就是用科學的方法問問題，處理、分析資料，進而做出推論。」乍聽之下，不管是統計學或資料分析科學，都像是特定專業人士的技能，但是對Code for Tomorrow基金會共同發起人劉嘉凱來說，這是任何人都可以學會，也應該要學會的能力。
Code for Tomorrow的願景，是以資料為基礎，提供對社會有益的資料服務。其中一項計畫，劉嘉凱戲稱為「開補習班」，補習科目是「看資料找故事」，教學員如何觀察資料、掌握架構、然後說出資料的故事。所謂的「看資料」，可以從資料的生命周期來理解，也就是數據產生後，一連串蒐集、整理、儲存和分析的流程；而「找故事」，則是依據分析資料的目的，評估現狀、預測未來、做出決策。結合看資料和說故事，就是把資料轉換成老闆聽得懂的語言，支援管理者的決策。
多做科學思考：問問題、做假設 : 面對數字不知從何下手，是許多經理人的煩惱。劉嘉凱認為，資料分析的第一步，先別急著分析或解讀，而是問問題。經理人必須先了解自己的管理目標──提高營業額、市占率、還是降低成本，才能提出達到目標的假設。
比方說，百貨公司專櫃店長的目標是衝刺營業額，店長便提出「下個月以降價促銷提高營業額」的假設。有此假設，店長才知道要怎麼觀察數據，從過去的數字找出實施降價的營業額變化，藉以預測促銷方案的結果。
另一種情況是，經理人還不知道要問什麼問題，就直接面對數據，就像每個月的損益表、進出貨金額、庫存狀況、銷售品項等統計數字。
此時，經理人必須先了解自己工作上的關鍵數字（例如來客數、營業額、採購金額、庫存量），運
用以下4個方法觀察數字，找出「和平常不一樣」的地方，針對不一樣的地方問問題，提出假設回答問題，再從數字當中反覆驗證假設。
1.比較（大小）：哪項產品賣得最好。
2.組成（占比）：產品組合如何，加上外部數字還可以觀察市占率。
3.關係（相關性、趨勢）：什麼產品總是一起賣出；產品銷售和天氣、地域的關係。
4.分布狀況（呈現常態分布或偏離）：實際數據與常態分布的落差，可以當作思考的起點。
「資料分析應該多花一點時間放在科學思考，也就是問問題的階段，這個部分更屬於管理的領域。」劉嘉凱舉例，某連鎖冷飲店店長看了報表後發現，台北市南區的店面紅茶賣得特別好。他可能要提出幾種「為什麼紅茶賣得比較好」的假設，並加以驗證。比如說，是菜單上的紅茶
類占比較高？咖啡的庫存太低？還是因為上個月來客數增加，營業額自然成長？分析這些統計數字的變化，店長才能做出相應的預測與決策。
由於預測從來不會只是一種，而是多種情境，每一種假設也都有相應的風險，因此，劉嘉凱表示，「統計數字可以告訴管理階層的是，對每一種scenario（情境）的預測有幾成把握。」另一方面，紅茶賣得好的這項統計事實，對冷飲店店長和總公司的管理階層來說，各自牽涉到不同的決策，表示「數字本身只是工具，重點還是管理者如何解讀、推論和下決策。」
抽樣和隨機對照，有力的決策工具 : 有別於經理人常仰賴的經驗法則和直覺，統計也有助於改善決策品質，舉凡抽樣、假設驗證和實驗設計等，都是管理者可用的決策工具。例如，下個月要上線的網站應該採用什麼樣的版面，才能吸引流量？這時就可以設計「隨機對照實驗」（又稱A/B Testing），以隨機出現的網站版本，測試哪一種編排最能達到網站設計者或經營者的點閱、註冊、購買等目標。抽樣則是常見於消費者意見調查，好的抽樣設計，可以兼顧市場調查的成本，與決策所需的市調準確度。
最後，劉嘉凱建議，經理人可多以團隊合作的方式解讀數據，因為同樣的數據交由不同的人來解讀，往往會得出不同的假設，有助於突破單一角度的盲點。
No comments:
Post a Comment