數據識讀者:數據素養教父教你如何用數據溝通、工作與生活
Jordan Morrow
第一章 數據的世界
- 一旦世界各地的組織不具備強大的數據與分析策略,數據技能差距就會擴大。
與其制定明確的策略,同時明文規定公司允許內部在軟體、科技和學習投資等相互流通,
公司卻寧可去購入數據與分析的軟體和科技來替他們完成所有的事。
如此一來,他們把科技當成策略、強迫人們使用,就無法透過策略明確地指出要用那些科技才對,
便可能導致內部人力不願採納、重回老路,以前怎麼做,現在就怎麼做。
一旦重回老路,新科技也就像擺在架上的玩具那樣,盡是沾染灰塵而以,毫無用處。
- 因此組織慘遭到致命的雙重打擊:
第一,內部人力並沒有有效利用與採納組織所投資的軟體;
第二,內部人力抗拒了組織原先為他們好所購入的那些投資與科技,在數據技能上不見成長,
反而更加落後了。
第二章 分析法的四大層次
- 分析法是以四大層次為前提,亦即:
- 描述性層次(descriptive)
- 診斷性層次(diagnostic)
- 預測性層次(predictive)
- 指示性層次(Prescriptive)
第三章 定義數據素養
- 在描述性分析法中,對組織內許多不同的人和部門而言,「用數據工作」可能意味著諸多不同的事。切記,描述性分析法就是為組織描述發生過甚麼事,或著正在發生什麼事。
當我們利用「用數據工作」的這項特點,「描述以往發生過什麼事」正好就是我們所在尋找的定義。
- 診斷性分析法-抑或找出描述性分析法背後的「原因」也是一樣,「用數據工作」四處可見。
- 在預測性分析法與指示性分析法中,人們用數據工作的方式很多,從協助建構出數據源的不同團隊,到用數據工作以建立分析和預測的數據科學家,乃至讀取數據的終端使用團隊,他們用數據工作的方式都不盡相同。
第四章 數據素養之傘
- 無論如何,即便公司在說服自己真的需要數據科學家後想方設法地錄用這些人,他們之後仍會為了如何使用這些數據科學家,或是如何把他們融入整體架構所苦,而這通常是公司本身缺乏數據與策略使然。
- 一旦論及要在組織文化中順利推動數據與分析法,提升內部人力在數據素養方面的技能將有助個人藉由眼前的策略取得成功。
- 組織若想在數據與分析法上取得成功,數據治理是不可或缺的,而數據素養則是協助賦予個人能力,使其透過治理獲得成功。
第五章 讀取並訴說數據的語言
- 組織中的數據暢流
第六章 結合數據素養及分析法四大層次
- 分析法的第一個層次即描述性分析法,簡言之,就是觀察性分析法,我們只要大致回顧過往事件,
即可從中獲得知識、取得理解。這是組織不可或缺的面向。
組織必須知道以往發生過什麼,才有助於規劃未來、了解銷售趨勢為何下滑、清楚行銷活動的表現如何,還有其它數不完的原因。
- 分析法四大層次的第二個層次是診斷性分析法;我想要稱之為分析法「原因」的層次。
一如大家所知,描述性分析法是一種觀察性分析法,它觀察正在發生何事,但卻不會告訴我們為何發生。
- 於是,我們進入到分析法的第二個層次,也就是數據素養的本質。能夠找出事情發生的原因可讓公司組織真正地催生Insight,Insight又可進而幫助公司找到解答與決策。倘若你思考一下,我們是能進行觀察,但唯有正在透過數據素養中的技能和能力深入探討時,Insight-或者「原因」才變的顯而易見。就來看看數據素養和診斷性分析法是如何搭配得天衣無縫吧。
- 數據分析師:數據分析師經由數據普及化、握有數據,而被賦予了數據的力量。數據分析師或許正是那個利用數據工作,建構數據視覺化,繼而篩查、掌控數據,以看出描述性分析法現況如何得人。
- 數據科學家:數據科學家會密集地用數據工作,以找出事物背後的原因。有了原因,我們才會在分析法的第三個層次中更深入探討這點,做出預測,並且設計模型。
第七章 數據素養的學習步驟
- 在通往數據與分析法的道路上,最大的路障和阻礙莫過於組織文化。
組織文化若還沒準備好接納數據與分析法的工作,投資適當的軟體、科技和數據就未必能發揮作用。
領導團隊必須確保公司正在正確的文化架構、文化結構上,同時強化賦權增能,這樣個人和公司才能妥善藉由數據與分析法獲得成功。
第八章 數據素養的三個C
- 數據素養的第一個C:好奇心
- 數據素養的第二個C:創意
- 數據素養的第三個C:批判性思考
第九章 數據啟發的決策
- 你有問題想用數據解答,同時明白或認為自己清楚想要哪種數據而且必須解決問題。
那麼,你能像幫你取得那種數據的團隊充分傳達這點也就變得無比重要。
你會希望取得並用以答題的數據必須具體,你的需求也必須明確等等。
數據的問題和要求模糊不清,不僅會讓你想在正確使用數據時感到挫折,還會嚴重妨礙你成功地透過數具啟發做出決策。
- 偏誤:基本上被定義為「相較於其它事、其它人或其它團體,人們對於某件事、某個人或某個團體之好的偏見,而且常被認為有欠公允。
- 我想要協助各位釐清得第一種偏誤,就是確認偏誤(confirmation bias)。
基本上,確認偏誤就是我們全找數據去支援既有的觀念、想法等等;
我們並沒有對所有的數據敞開心胸,而只是找到支持既有的觀念、想法等等。
這種偏誤隨處可見:在業務上、政治上,還有個人生活上都很普遍。
- 數據啟發決策。
- 受到數據啟發的決策架構之相關步驟
- 提問
- 取得
- 分析
- 整合
- 決策
- 重覆
第十章 數據素養和數據與分析策略
- 有時,我認為組織把工具或是有如神話、難以理解的數據驅動文化看作是一種策略。
請容我強調一下:工具和文化並非策略,而是促使事情成功的元件。
在此,我用蓋房子當作類比吧。想像一下,你想要蓋一棟超棒的房子,所以買了些許的木材和釘子、一把鐵鎚,可能還有一些其它的工具。你沒有畫出藍圖,但你預計這樣不會有問題、可以順利完成,於是隨便雇用幾個路人,對他們說:「為我蓋出一棟夢想中的房子吧。」這會有多麼成功?很遺憾地,你不會成功。
但如今想像一下,你畫好了藍圖、聘請專業的承包商,並讓人人都準備好為你蓋起這棟夢中的房子。
你的計劃具備了蓋房子的文化,而這就是數據驅動的文化。
第十一章 展開數據與分析法之旅
- 我們不能總是侷限在過去還有以往做事的方式,應該要有所警覺,
準備投入嶄新的事務並對此感到興奮。
- 本書不是要探討怎麼培養心態-這類的書已經很多-而是要探討為了在數據與分析法上獲得成功,我們人人都該小心、明白這個世界正在快速進化。我們越是了解未來、數據、一般的分析法和趨勢,將來在數據的旅途上也就準備的越充分。