被討厭的勇氣

 被討厭的勇氣

- 人並非受制於過去的原因而行動，而是朝向自己決定好的目的而行動。
- 重點不是你經歷了什麼，而是你如何運用它。
- 人生最大的謊言，就是沒有活在當下。

資料視覺化聖經

金融時報首席專家的資料視覺化聖經

第2章 用圖表傳達數據的九大關係

▷圖表更有效率，專注在呈現重要數字的規律或關係。

▷所說的「關係」是什麼？全看重要數字的脈絡而定。

Part I 剖析九類視覺化圖表

第8章 呈現流向

▷它顯示非常有用的見解，可以藉由顯示不同侯選人之間的選票流向，進而理解候選人拿到的選票都是來自何處。每個流向區段的寬度都依照比例調整大小。

Part II 讓圖表完美發揮作用

第14章 改變尺度，改變說故事的角度

▷乍看之下，這張圖可能會讓讀者覺得平淡無奇，因為接種率一項很高，而且近幾十年也都保持在高水準，只有一些小波動。但是花點時間想想，繪製疫苗接種資料的關鍵面向：

• 高疫苗接種率需要大量人數，才能實現有助遏制疫情爆發的群體免疫。就麻疹來說，世界衛生組織建議疫苗接種率要達到95%。
• 在英國這類已開發國家中，我們會期待疫苗接種率相對較高，而且一定部要低於50%。

▷上述兩點意味著，我們的圖表正隱藏如果讓縱軸從0開始將會透漏的資訊，因為圖表中有一大塊區域顯示空白。讓我們試著調整縱軸，不要顯示0到100之間的數值，而是顯示80到100之間的範圍。

請記住，這裡用到的資料還是和第一張圖表一樣，唯一差別是縱軸刻度，並且額外增添疫苗接種目標的資訊。在這張新版圖表中，就視覺上，我們現在宣告80才應該被認定是低的數字，這是因為從脈絡來看就是如此。

▷所以，什麼情況下可以只讓縱軸呈現特定區間的數字？

最重要的是，圖表中單位不能是簡單的計數，好比演員身高、人數、千美元、每桶石油等，

因為我們想要顯示的不是量的比較關係。我們是在檢視每100名兒童的疫苗接種率如何隨時間變化，在這種脈絡下，使用軸線當作鏡頭以便放大圖表，進而彰顯資料的正常、預期或「目標」範圍，是完全合理的作法。

▷當然，在報告或簡報裡同時使用這兩種圖表完全可行，

第一章圖表顯示概況，也就是「總體而言，接種率看起來相當高」，

而第二章圖表則凸顯細節，也就是「然而，如果我們放大來看就會看到問題」。

不過，如果你被迫只能選擇一張圖表做出重大決定，肯定要選後者。

▷這張圖表顯示，女性在國會的比率如何隨時間變化，並透露出一股趨勢：

從1997年近12%提高到2020年約25%。再次提醒，請忽略軸線數值，就視覺而言，它看起來像是全世界已經解決性別代表性的問題，因為數據成功地一路從圖表左下方延伸到右上角。

▷每當有人使用電腦軟體製圖，軟體通常都會針對如何定義圖表軸線做出「有憑有據的猜測」，尤其是這類自動產生的圖表。

▷軟體不太明白的是，正在對讀者顯示的資訊代表什麼意義，或是我們會什麼要製作這張圖表。接受軟體的預設值，就會因為產出一張誤導性的圖表。

▷我們一開始為什麼要製作這張圖表？是為了衡量國會中性別平等的進展。那麼平等應該是什麼樣子？關於這一點，或許是女性要取得過會近半席次(也就是50%)。

如果我們縮放縱軸(y軸)在這個水準，就會產出一張截然不同的圖表，有一側留下一大片空白，凸顯根本缺乏實質進展。請留意，新的尺度讓我們可以下一個完全相反的標題，就是依照這個緩慢而持續的速度進展，圖中的藍線要花費數十年才能觸及50%的刻度。

第15章 好圖表是「寫」出來的

▷對聚焦解釋事物的圖表而言，請考慮採用如何...或為什麼...的標題，這種做法有助於建立「承諾」。

▷有時候，可以先考慮圖表中的視覺化辭典關係，再找出適當的動詞。舉例來說激增可能暗示「隨時間變化」，而上升/下降則可能意味著我們在強調「排序」。

▷一個精心討選的主動動詞可以凝聚圖表焦點，提供達成目的的真實故事。

當數位轉型碰上生成式AI

當數位轉型碰上生成式AI：臺灣150家企業轉型的策略性思維和變革實務

第一章 AI的起源與前世今生

▷展望未來，真正具有創造力的生成式AI應該可以做到更專業的工作。

例如主動根據目前市場情報，預估各種商品未來一年需求、分析客戶的喜好進而做到精準行銷。

第三章 你了解的數位轉型，真的是數位轉型嗎？

▷AI就是電腦科學家先模擬人類思考過程，接著設計電腦程式來模擬，

如此一來，就提供了一套以電腦做決策的簡單方法；接下來的二十年之間，

AI專家又發展出利用少量已知答案的樣本，透過演算法的方式自動學習(又稱作「機器學習」)，

由此而預測未知的樣本，更貼近人類的決策模式。

第四章 傳產業數位轉型必勝密技

▷正因為數位轉型的實質意義在於企業重新定義商業模式，營運流程與客戶體驗，

並且進一步找到提升競爭力與創造營收的方式，所以勢必會從「商機」中發現新的商業模式與服務。

第五章 產業數位轉型案例解析

主題4：如何熟悉消費者偏好，建立產品口碑以累積忠實客戶

▷任何產業都應該實地做消費者心理分析，深入了解大眾或小眾市場的需求，

透過週期性和不定性的市場研究，做消費者調查、重點小組討論和數據分析，

企業能深入了解消費者的偏好和行為，把握市場趨勢，調整產品和市場策略。

▷同時進行廣泛的潛在受眾生活習性分析、網路聲量排行、忠實客戶數據分析比對，

辨識高熟度的熱門菜或主廚推薦私房菜，讓消費者在進入餐廳前，有熟悉及對焦後的清晰感。

▷透過與消費者互動、分享有價值的健康議題內容，回應消費者問題。

最後，透過監測閱讀者指數的成長與衰退，精準投放擴散至有效社群，計算曝光量，創造口碑聲量，成功提高餐飲品牌能見度。

主題5：如何建立有感的優質服務，在對的時間點提供最好的服務？

▷隨著數據的不斷增長和分析技術的進步，服務業勢必更加重視數據的應用。

透過收集、分析和利用客戶數據，企業可以提供更加個性化的服務體驗，精準滿足客戶需求，並建立更優良的客戶關係。

主題6：如何進行分眾行銷，以互動擴散粉絲群？

▷具體想像並提出像是該如何提供給客戶這個商品最有價值的內容，以及用什麼樣的方式提供。

這其實早就是服務業常用的概念：為什麼客戶要買我這個東西？

接下來，才是要清楚地知道目標客群在哪裡。

▷一般行銷，常會將市場分為不同的細市場或分眾，每個分眾或是族群應該找出共同的特徵，

例如年齡、性別、地理位置、興趣、行業、收入水平等，然後才在企業的粉絲群中分享有價值的內容，如文章、YouTube、圖片或獨特的資訊，確保這些內容與產品的粉絲群的興趣相關並具有吸引力。

▷使用關鍵績效指標來評估每個分眾的表現，並根據成效調整短期策略，為每個分眾制定特定的行銷策略。這個策略可能包括產品定價、宣傳活動、產品設計、分發鋪貨和促銷方式。

重點是，企業必須確保能夠持之以恆地更心和管理粉絲群，不斷提供新的內容和活動，以保持成員的參與熱度。

▷若是沒有引進足夠的IT資訊技術進行數據整合，就稱不上是數位轉型，只能說是數位優化，就是門市零售之流程優化，這就是前面提到的-低估了自己的能耐。

▷真正的數位轉型，是希望透過自動導購的概念，在經過精密計算後提供每一位客戶最佳化商品推薦，以提升潛在客戶從線下瀏覽行為轉換至線上實際消費，或是導引線上會員帶著電子折價券前往實體門市消費。

▷簡單來說，AI推薦系統所採用的方法，是結合用戶過去的行為(例如以前購買過、選擇過、評價過的物品等)與其他用戶的相似決策，以建立特定族群的推薦模型，再用來預測哪一類用戶對哪些物品可能感興趣；也就是說，AI推薦系統會根據用戶對物品的感興趣程度，推薦給他類似性質的商品，例如保養品、美妝用品和睫毛膏等，就屬於「相似」的商品。

▷用更簡單的話說，就是要用演算法清楚地描繪出消費受眾的樣態；消費者及會員輪廓可以透過業者內部資料而整理分析出來，但在網友最常用的社群LINE或FB上，卻無法這麼清楚地探知社群會員的輪廓，所以常採用無差別的方式推播訊息或廣告，這一來，不僅廣告成本增加了，還常會使社群會員覺得垃圾訊息太多而封鎖社群推播。

▷解決這個問題的高階演算法方式，其中一種是透過LINE問券活動、會員點擊圖文訊息的回饋，然後從系統後台去對消費者貼標，定義該消費者的屬性，也就是「AI演算法標籤」。

這些更明確的標籤，例如喜歡的東西類型、嗜好的運動、購買價格區間、新品資訊，或是喜歡情侶款、熱銷排行榜等，眾多關鍵詞組或標籤都可以直接分析出社群會員的輪廓，再由精準的分眾演算法技術接手，讓行銷部門可針對特定消費者喜歡的東西(或是主題)去投放廣告，或推播地區性熱門主題廣告，鼓勵消費者到實體門市憑券消費。

主題7：精準行銷-為什麼老闆始終覺得我們離顧客有點遠？

▷近年來，許多零售業的管理者不但逐漸了解，同時也已巧妙地善用銷售數據來預測消費者的行為偏好，例如購買A產品的客戶也會購買B產品，或者促使客戶購買C產品的是什麼動機。

但是，創造全新的客戶體驗卻不僅僅是以數位科技收集大量的消費數據而已，還得在更多的情境下都能夠精確提供個人化的客戶體驗。