預測分析時代

 預測分析時代 Predictive Analytics

Chapter 1 起而行吧！要預測就要採取行動

▷推動預測分析，表示要依據預測採取行動，把從資料中學到和發現的事情實際應用。

Chapter 3 資料效應──資料多不見得有用

▷資料科學家在進行預測分析專案時，一而再地看到這種情況。把一些資料加以彙整，

雖然你不確定自己能發現什麼，但你可以確定在解讀資料及分析資料時，一定會發現寶貴的關聯性。

▷預測變數(predictor variable)是預測分析的基本元件，預測變數指的是針對個人進行衡量的單一數值。

▷以時近性(recency)為例，上次個人購買、犯罪或出現醫療症狀迄今的週數，通常會透露出近期再發生此類行為的可能性。從許多方面來看，不管是行銷活動、犯罪調查或臨床評估，以最近可能發生此類行為的人為優先標的，是有道理的。

▷同樣地，頻率(個人出現某種行為的次數)也是一個常見又有效的衡量。

經常出現某種行為的人，就更可能再出現同樣行為。

▷在應用預測分析時，我們通常不知道因果關係，而且我們通常未必在意因果關係。

以許多預測分析專案來說，目標比較著重在預測，而不是了解世界和弄清楚其中原因。

Chapter 4 有學習能力的機器──大通銀行如何預測房貸風險

▷決策樹是將一系列if-then(如果...就...)商務規則進行編碼的一種方式，從根部到樹葉節點的每個路徑就是一項規則(亦稱為模式，因此以資料探勘的術語來說就是模式發現(pattern discovery)。

▶當決策樹越長越大越複雜，預測績效越來越好，會出現報酬遞減的情況。

▶比較預測模型績效的單一衡量就是：增益值(lift)。增益值這項常見的衡量，

是一種預測增值(predictive multipier)。

增益值可以告訴你，跟不用模型相比，使用模型能多找出多少目標顧客。

▷資料分析就跟訊問嫌犯一樣，嚴刑拷打夠久，它就會招供。-Ronald Coase

▷機器學習的目的是歸納(induction)：歸納-從詳細事實到一般通則的推論。

演繹(deduction)則恰好相反：演繹-從通則到特定個案的推論(或說是從因到果的推演)。

▷歸納是一種藝術形式，我們手中握有世界如何運作的縮影：資料把發生過的事情詳實記錄下來。

我們設法從資料中尋找概論，獲得重要推論，找出在未知的情況中一樣適用的模式。

✫預測分析的設計宗旨是要依據相關風險替個人進行評等，而不是對經濟環境何時將出現重大轉變的絕對風險進行衡量。預測模型是依據跟個人有關的變數進行運作，比方說：年齡、教育、付款紀錄和資產類別。這些因素在個人周遭環境改變時，也不會跟著改變，因此個人預測分數不會有所不同。

▷為了偵測出全球景氣變動，這類工作必須利用一套新的變數，也需要不同的分析方法。我們畢竟沒有那麼多黑天鵝事件可當成訓練資料集，讓預測分析可以從中學習。換句話說，生活中最罕見的事，最難以預測。

Chapter 5 集成效應──奈飛公司、群眾外包和速效預測

▷廣義自由度(Generalized degrees of Freedom)

Chapter 7 數字最具說服力──歐巴馬選戰如何精心設計，創造影響力

▷哪些顧客可能流失，但是只要我們跟他們聯繫，就可能留住他們？

👉預測分析的應用：利用回應建模進行目標行銷

1.要預測什麼：如果聯絡的話，哪些顧客會購買。

2.要做什麼用：聯絡那些更可能購買的顧客。

▷儘管回應建模(response modeling)被認為是預測在商業上最由來已久的應用，但是因為這種作法只預測一種行為，所以目前來說顯然效益極其有限。

▷預測目標：行銷宣傳商品目錄能說服這類顧客嗎？這樣做只用一個預測問題，就符合企業的目標，因為這個問題問到這名顧客是否會購買，也問到跟這名顧客聯絡是不是一個好主意。

預測影響力，讓預測這件事也受到影響。原本是預測行為，改成預測對行為的影響，讓預測分析大幅改變。

▷預測影響力就能提高預測分析的價值，因為組織不僅想知道各人會做什麼，也想知道自己該如何因應。這種作法讓預測分析變成組織行動的準則。

▷能依據個人行為會受影響之可能性來作評分的模型，我們需要一個增益模型(uplift model)。

▷增益建模如何運作：宣傳活動的回應率跟由宣傳活動產生的業績，兩者有所區別。

▷增益樹(uplift tree)：一般決策樹設法找出許多回應或極少回應等極端回應率。

增益樹利用變數用同樣的方式將「向下細分區隔」機械化，但試圖找出不同處理方式產生的極端區隔，也就是那些特別容易受影響的區隔。

▷增益建模讓組織不必接洽所有目標顧客，就能取得超高回應率。

▷影響力跨越產業

▷真正的權力來自影響未來，而不是臆測未來。

▷預測跟預測分析之間的真正差異。預測計算美國每一州的加總概觀，預測分析卻產生行動導向的精闢見解，也就是針對每位投票者進行預測。

▷選舉文宣也以可說服的選民作為發放對象。跟登門拜訪一樣，選民會收到選舉文宣是因為模型預測這位選民會受影響，可能改變心意投給歐巴馬。傳統行銷是依據接洽的觀點，而非因為接洽來寄發廣告郵件給預期會購買的顧客。這當中有一個微妙的差別，但是這個差別關係重大，換句話說，說服建模不是決定接洽是不是一個好主意，而是決定接洽是不是比不接洽來得好。

👉個案研究：美國國家銀行

企業個案：針對現有顧客寄送信用房貸廣告郵件。

做法：利用一個增益模型找出目標顧客。

跟先前傳統分析方法相比，新作法產生的改善如下：

1.跟先前宣傳活動相比，投資報酬率增加超過5倍(從75%增加到400%)

2.宣傳活動成本節省40%。

3.營收增加超過300%。

👉案例：協助手機業者留住顧客

預測分析的應用：利用流失增益建模留住顧客

1.要預測什麼：哪些顧客能被說服留下。

2.要做什麼用：針對能被說服的顧客提供優惠宣傳。

【預測分析的應用】

👉找出直銷的目標客戶

要預測什麼：哪些顧客會對行銷接洽做出反應
要做什麼用：接洽更可能回應的顧客

👉預測目標廣告

要預測什麼：每位顧客最可能點擊哪則廣告

要做什麼用：依據點擊可能性及廣告商每次點擊率的付費金額，秀出效益最佳的廣告

👉影片推薦

要預測什麼：顧客會給應片怎樣的評分

要做什麼用：依據預測推薦顧客可能給予高評分的影片。 

👉詐騙偵測

要預測什麼：哪些教義或信用、津貼、理賠、退款的申請是蓄意詐騙

要做什麼用：利用預測，由稽核人員過濾最可能出現詐騙的交易和應用

👉利用顧客流失建模留住顧客

要預測什麼：哪些顧客會流失

要做什麼用：努力留住可能流失的顧客

👉利用流失增益建模留住顧客

要預測什麼：哪些顧客能被說服而留下

要做什麼用：針對能被說服的顧客提供優惠宣傳

【預測分析實例】

一、行銷、廣告與網路

(一)、預測項目：採購-為進行目標行銷

(二)、取消服務：為能留住顧客

(三)、成功銷售：將銷售線索排出優先順序

(四)、產品選擇：以便進行個人化推薦

(五)、滑鼠點擊：選擇該顯示什麼內容

(六)、無效廣告：依此提醒付費廣告業者

(七)、虛擬推文和貼文：將宣傳最大化

(八)、垃圾郵件：寄到垃圾郵件資料夾

(九)、暢銷歌曲和電影

二、金融風暴與保險

(一)、提早繳清房貸

(二)、貸款違約(風險)

(三)、拒絕付款

(四)、股市(黑盒交易)

- 衍生閱讀：黑天鵝效應、隨機的致富陷阱

- ID3、CHAID、CART

MIT麻省理工資料變現入門課

 MIT麻省理工資料變現入門課

▷組織想要從資料資產獲得財務回報，可以投資的三種提案類型：

1. 改善工作內容
2. 用資料導向的功能和體驗來包裝產品
3. 銷售資訊解決方案

第一章：資料變現

▷組織在「從資料創造價值」這方面已經擁有許多收穫，但最重要的收穫是：

若享用資料創造價值，個人或系統必須採取原本不會採取的行動。

資料需要被用來改變做某事的方法或創新事務。創造新價值的是更好的流程和產品，而非資料本身。

這個概念是資料價值創造過程的核心，通常被稱為「資料-洞見-行動」(data-insight-action)。

▷在這個過程中，人(或著系統)用資料得出洞見，而洞見指引行動，行動則帶來有價值的結果。

▷組織從資料資產獲得的收益，應該超出產出和管理資料資產的投資：這是基本的商業原則。

第二章：資料變現能力

▷五種資料變現能力的進階狀態：

1. 資料管理(data management)：精通資料>>整合資料>>策畫資料
2. 資料平台(data platform)：先進技術>>內部存取>>外部存取
3. 資料科學(data science)：報表>>統計學>>機器學習
4. 客戶理解力(customer understanding)：意義建構>>共同創造>>實驗
5. 妥當的資料運用(acceptable data use)：內部監督>>外部監督>>自動化

▷只有在得到運用的時候，在開始利用企業級能力之前，組織不該花太多時間或精力發展這些能力，未被使用的企業級能力只是沉默成本。

▷改善、包裝和銷售這三種資料變現策略仰賴不同的能力配置。

• 專注於改善業務流程的組織需要有聚焦內部的能力，如可供搜尋的共享資料術語和定義的目錄，讓員工能找到可用來分析營運成效的資料資產。
• 專注於包裝提供物或以全新方式服務新客戶的組織，則要著重在關於客戶如何使用客戶資料資產的治理政策和流程。

第三章：用資料來改善

▷從改善提案中創造和實現價值的成果如何？

在改善策略中，價值創造的過程是由組織掌控(不像包裝和銷售手段會涉及客戶)。

這代表-至少在理論上-組織能直接主動管控自身所需的調整，以確保能夠創造並實現價值。

▷工作流程或項目的改善，範圍包含預測設備故障、預測乘客需求，以及辨別實驗室圖片的異常等。

▷所有的改善都聚焦在啟動創造價值流程的三個步驟之一：

1. 提供資料(資料改善)
2. 提供洞見(洞見改善)
3. 採取某些創造價值的行動(行動改善)

▷這些名稱點出改善的影響範圍：

• 只會提供資料的資料改善，得仰賴接收者對資料重要程度的理解，以及他們如何根據理解採取行動並創造價值。
• 洞見改善為任務提供指引，對接收者必須根據指引才取行動以創造價值。
• 透過行動改善，組織會因提案有採取(或幾乎採取)行動前確保能創造出預期的價值。

▲改善的種類：

一、用提供資料來改善

• 但更常見的情況是，組織要做的不只是向聰明的決策者提供高品質的資料，還必須積極確保人們能夠並願意使用這些資料。訓練不足的使用者無法參與(資料素養計畫和分析能力培訓是解決這種技能障礙的絕佳方法。)此外，當使用者信任不足或滿足或過於忙碌時，也不會參與。

二、用提供洞見來改善

• 改善提案提供洞見的方式包含基準分數、異常報告、通知，以及各種視覺化的形式和警示。雖然提供洞見並不保證會被使用，但至少是往價值創造邁進一步。
• 採購人員和設計師開始運用關於暢銷式樣、區域需求和有效銷售手法的洞見，他們省下過去浪費在解讀有著難懂商品編號的表格報表上的時間，因為每個人都對關鍵產品的銷售趨勢「擁有共識」。靠著這些容易取得和理解的洞見，他們將時間集中在開發和展開新的銷售、管理需求和銷售策略(即採取創造價值的行動)。
• 如果洞見能夠傳遞給負責行動的人，就最有可能促發行動並創造價值。

三、用觸發或促使行動來改善

• 以美國最大的醫療服務系統之一的三一健康為例，一項協助護理人員更快反應並降低病患跌到風險的作法。在傳送自動化警示之前，團隊必須完成許多工作：明確制定出要發給哪些人、以哪向順序和在哪種狀態要發出警示的日常作業規範；清除病患資料並為跌倒風險準備評分；重新設計護理人員巡房流程；教育員工遵守新的流程和程序；以及創造誘因使員工認同新的策略和程序。

四、用改善來創造價值

• 在眾多可能的改善成果中，組織必須先釐清其最希望從提案中產出哪些價值。提案團隊有時候會不確定是否真能創造出想要的價值種類和規模，在這種情況，他們得大量仰賴先導試驗和實驗，他們可以利用小規模或在可控條件中研究改善的成果以確認提案所擁有的價值潛力。
• 用改善策略創造價值的最大風險是無法付諸行動。

五、用改善來實現價值

• 以奇異公司為例，AI改善提案省去專業人員在辦公室審閱文件的時間，讓他們能專注投入在更高價值的工作上，像是到現場尋找和解決工安問題。

第四章：用資料來包裝

▷運用公司資料強化客戶體驗的企業，將能降低替代性產品的威脅，因而創造永續的利潤。

▷當你使用資料為產品創造新功能或體驗，且帶有取悅客戶的目的時，就是在使用包裝策略。

你並非產出獨立的資訊解決方案，而是強化既有提供物的價值。

▷組織從聆聽客戶意見的過程中，可能會發現它們的提供務不容易購買、笨重且難以使用，或是很難退貨。包裝提案前來救援！包裝提案能在客戶旅程的任何階段提供協助。

有助解決提供物相關問題的包裝提案，能增加提供物對客戶的價值。

▷實用且吸引人的包裝具有四個特徵：

1. 預料(anticipate)，代表包裝能事先理解客戶的需求
2. 適應(adapt)，代表包裝能量身訂做以滿足客戶需求
3. 建議(advise)，代表包裝能支持基於證據的決策模式
4. 行動(action)，代表包裝能採取對客戶有利的行動

▷資料包裝的本質，就是會高度仰賴客製化的功能。

資料包裝會運用客戶限定的資料，產出為既有客戶量身訂造的資訊，在「4A」的得分越高，就越能提升資料變現在客戶(價值創造)和組織(價值實現)的表現，

因次，組織會很自然地逐漸將資料包裝發展為洞見包裝，進而發展成行動包裝。

▲用包裝來創造價值

▷當客戶認為包裝使提供物更有價值時，他們願意為產品付更多錢。

▷提供物的價值主張是否有提升？

可以透過追蹤客戶使用情況、A/B測試、進行對照實驗或問卷調查等各種技巧來監控提升的幅度。強化後的價值主張，能讓組織吸引新客戶或激勵現有客戶付更多錢、消費更多或停留更久。

第五章：銷售資訊解決方案

▷原始資料(最小程度處理的資料)很難像經過清理、標準化、驗證、加強並準備好進行分析的資料一樣賣出高價。

▷提供洞見的資訊解決方案會運用分析來協助客戶做出更好的決策。

評分、基準、警示和視覺化圖表，能協助客戶根據自身的特定情境檢視和理解資料，並幫助他們避免或解決問題。然而，客戶必須運用這些洞見-採取某些行動-才能從中獲得價值。

▷因此，組織透過提供有關連且明瞭易懂的洞見，進而將洞見提供物的價值潛力放到最大，而這些洞見也能自然融入客戶的工作流程裡。

▷有能力實驗各種解決方案來發掘客戶的需求與不足，進而持續用具吸引力、且高機率能創造客戶價值的提供物來服務新興市場的需求。

第六章：建造資料民主組織

▷當人們重複使用(而非重新發明)那些利用資料資產和能力的創新時，擴散就會發生。

在類似的組織脈絡中重複使用改善流程，是增加改善提案所創造和實現價值的方法之一。

第七章：資料變現策略

▷策略是傳達組織想要達成哪些目標。以及如何達成這些目標的高層次計畫。

策略將資源、精力和注意力集中在特定目標上。

▷四種資料變現策略的原型

1. 營運最佳化(operational optimization)
2. 客戶為本(costomer focus)
3. 資訊業務(information business)
4. 迎向未來(future ready)

▷營運最佳化的策略優先考量成本效率，而客戶為本的策略則優先找到提升銷量的方法。

第八章：將你的數據變現

▷你無法管理你無法測量的事物。

當你受到激勵而開始行動去推動變革時，將會需要一種方法來追蹤你的資料變現進度。

▷你的參與為資料變現的飛輪提供動力、創造動能，進而啟動正像強化循環：

更多資料帶來更多使用、更多價值、更多資料資產、更多使用...如次循環下去。

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。

桑基圖（Sankey Diagram）

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。

上班族必備的工作數字力：數字力是職場最強武器

上班族必備的工作數字力：數字力是職場最強武器！

第四章  靈活運用資料，輕鬆讀取數字的七項基本規則

🔺利用「標準差÷平均數」做相對評量

▸變動係數=標準差÷平均數，相對評量不同資料的離散程度時，就可以使用變動係數。

▸更進一步地，如果使用這個比率，也能夠清楚明已經改善、尚未改善的研討會。

例如再次舉辦研討會A與研討會A之後，得到如下圖的結果。

▸研討會A與B的平均數都有增加，標準差也都有變小。

目標是達到研討會C的程度，看起來兩者都有改善。

就像這樣，計算平均數與標準差的比率，能夠獲得相對評量的數字，也能夠簡單說明多筆資料之間的比較結果。以零售業來說的話，就類似針對多家店鋪評量今年與去年的業績一樣。

🔺任何人都能使用的解讀數據資料「五步驟」

• 步驟1 先把數據資料轉換成圖表，掌握「傾向」與「異常」
• 步驟2 計算數據的平均數與標準差
• 步驟3 若有必要，排除「異常」，重新計算平均數與標準差
• 步驟4 利用「平均數±標準差」掌握「大致的分布範圍」
• 步驟5 利用「標準差÷平均數」相對評量

第五章  連前輩也不見得會！使用數字與圖表製作資料的訣竅

🔺利用瀑布圖一眼看出「進」與「出」的狀況

▸如果想呈現「有多個加與多個減，最後得到這樣的情況」之訊息，瀑布圖可以發會強大的威力。

▸在商場上，一定會發生金額或人數的「進」與「出」，所以商務人士一定有機會用到瀑布圖。

第六章  「沒有傳達」等於零！使用數字做簡報的技術

🔺以「3-1-3」架構準備簡報

• 3:三分鐘結束(短時間)
• 1:鎖定一個主張傳遞(主張明確)
• 3:該主張的依據不超過三個(對方能夠理解)

★區分「呈報資料」與「補充資料」

▸職場上兩種資料：資料是簡報的附屬品。

職場上使用的資料大致可分為兩種：「呈報資料」與「補充資料」兩種。

☆呈報資料：資料中只針對自己的主張放入需求的數字。

☆補充資料：為了因應對方提問，隨身帶著參考用的數據資料。

★ 資訊量與成功率成反比

▸主管指出「這份資料很難懂。」「長話短說，你到底想說什麼？」「現在說明的資料是哪個部分？」⇢由於太擔心主管的指正，所以把所有可能相關的資料都放入簡報資料中，諷刺的是，這麼做反而招致負評，完全預想背道而馳。

▸「這個參考資料的這個數據對嗎？這份資料的內容到底正不正確？」⇢該錯誤並不影響簡報內容，現在想想，或許一開始就不應該發那份參考資料才對。

▸總之，並不是把所有「可能必要的資料」都放入呈報資料就是對的。

請記住，呈報資料的資訊量與簡報成功率呈反比。

▸洽當的「呈報資料」就如同手機或壽險的廣告一樣。

廣告本身可以說就是一場簡報，廣告裡應該不會放詳細的受費標準或合約內容給消費者看吧。

廣告只會鎖定最想傳遞的內容與依據來製作，消費者若想進一步瞭解廣告中沒有提供的資訊，就會主動上官網確認詳情。

▸製作呈報資料的標準就是就算沒有口頭說明，光看資料也能懂你的主張。

另一方面，補充資料就是假設對方聽了簡報後可能會提問，為此而做的準備。

簡報成功與否在於你如何想像簡報的進行，並做好適當的準備。

★ 「供閱讀」與「吸引對方」的資料

▸「呈報資料」還可以進一步分成兩種：

1. 書面的「分發資料」：分發資料是「供閱讀」的資料。
2. 「PowerPoint投影片的『投影片』資料」：「吸引對方」用的資料。

▸經常看到商務人士把分發資料當成投影片資料，拿來在PowerPoint上撥放。這種做法原則上是不行的。

• 投影片資料是用來「吸引對方」，稍微施點淡妝以協助訊息順利傳遞。
• 供閱讀的資料，只要簡單放入有確實根據的資訊即可。
• 補充資料只是供自己參考使用，所以無需做得太過華麗。

★為誰簡報？如何運用？任務為何？

▸工作中使用的資料各有不同的任務。請確實瞭解各種資料的不同用途並且區分使用。

如果覺得「因為太麻煩了，我靠一份資料走天下」，

這樣想表達的主張就不容易傳達給對方，反而解釋起來更費功。

▸甚至在簡報一開始就要先表明：「假如所需的詳細數據沒有放入資料裡，簡報後我再用電子郵件傳送給各位。如果提問，我也可以在現場口頭說明。」這樣一來，對方就能夠與你站在相同立場聽簡報，你也能夠開始進行理想的簡報。

▸數字分為實數與比率兩種，同時透過比較，更可發揮強大威力。因此，商務人士會頻繁使用<公式一>與<公式二>的傳遞方式。

外商必修圖表力

 外商必修圖表力：150張圖例即學即用，新手也能提出顧問級簡報

【圖表】傳遞數字重點

- 直條圖與折線圖是最容易透過橫向與縱向的比率縮放，表現出些微差異或劇烈差異，

只要能在正確傳達出訊息的前題下進行，都是沒問題的。

- 繪製散佈圖時，縱軸與橫軸的刻度間距最好一致。

- 直條圖是透過面積大小來比較數量的多寡。

- 所謂圖表，是一種用戲劇化手法呈現數據的方法。想發揮戲劇化的效果，圖表就要更簡潔、單純。

- 「用直條圖來表現數量」的基本規則，但並不是沒照基本規則走就一定是錯誤的。

更重要的是，哪種表達手法最能清楚傳達你想說的訊息。

- 橫條圖基本上是用來顯示排名的圖表，因此項目的排列順序會根據排名而改變，

這是它與直條圖最大的不同之處。直條圖通常都用來比較數量，

原則上會隨著時間變化或特定的項目順序來排列。

舉例來說，如果要表示各分店的營業額時，利用直條圖時，必須根據分店名或地域名稱來排列；

利用橫條圖，就根據營業額的高低來排名。

- 請記得圖表不是做完就好，要有意識地把應該讓人解圖的重點，以及下一步應該進行的對策，

一併於簡報中給予建議或暗示。提出的圖表中，若沒有給予某項建議或暗示，

也會讓圖表完全沒有任何意義。只是用一大堆無意義的圖表把簡報塞滿，看起來很有份量，

實際上卻毫無價值。

- 表示排名就用橫條圖，這就像一種基本定律。

而其中若含有負數資料，負數會從基準線開始向左延伸。

值得注意的是，當負數資料不多時，用這樣的方式呈現不太會有問題；

但當負數資料一多，讀者會搞不清楚向左延伸是好的狀態還是向右延伸才是好的。

- 一旦出現負數資料很多的情況，請運用改變視角的技巧，將橫條圖轉個角讀變成直條圖吧！

變成垂直方向後，負數會向下延伸，這種視覺呈現方式讓讀者一看就知道惡化的程度是輕微還是嚴重。

【基本】「製作」資料前的準備工作

*用標題業吸引注意

- 思考標題的時候，有一件事必須注意，那就是

「這樣的標題能否讓對方產生即使花時間也想一窺的念頭」。

- 關於製作封面的標題時，請檢視以下三點：

一、論點是什麼

所謂論點，就是資料所陳述的重點。

論點會出現在會議記錄的事項內，或是透過「什麼是OO？」的問句形式來表現論點。

問句能吸引對方的興趣，會讓人產生想趕緊往下閱讀、找出問句答案的效果。

二、利益在哪裡？

請在標題中明確告訴閱讀資料的人：這份資料有什麼魅力、能解決怎樣的問題。

別再使用「最佳的」、「迅速地」這一類定義模糊的形容詞或副詞，

而改用「所短1/3的時間」這一類嵌入具體數字的句子，更能提高標題的訴求力。

三、自己的頭銜

如果對方完全不認識你的話，這一點尤其重要。

即使是製作公司內部的資料，也要寫上部門名稱與負責業務。

另外，你若擁有跟資料相關的證照或頭銜，最好也寫在封面上。

一旦對方對你產生興趣，當然就會特別看待這份資料了。

*透過目錄，讓對方在大腦中描繪地圖

- 目錄的項目並不是由圖表或概念圖的標題等層級不一的資料拼湊而成，

而是為了製作出整份資料的地圖所勾勒出來的架構，目的是讓資料的邏輯走向明確。

- 不易理解的資料還有另一個特徵，那就是很難從封面、目錄或每頁的標題推估實際的內容。

最典型的例子，莫過於以「OO分析」等把做過的事拿來當標題的資料了。

因為對方即使看了這個標題，還是不知道「分析的結果是什麼？想傳達的究竟是什麼？」。

如果能為標題或主題添加「Plus Alpha(附加價值)」就能讓對方在閱讀之前，

先從標題、主題推測可能是提及哪一方面的內容，進而加速理解的速度。

從事知識生產的你，最好也經常意識自己的附加價值在哪裡。

- 以分析等行為當成標題或主題的主架構，再加入想傳遞的訊息、特徵與啟發等附加價值元素，

就能讓一個標題或主題變的更完整。

*寫出讓人想採取行動的內容

- 希望對方接受你的請多時，請把握三大重點：

一、讓對方同意你的請託理由

二、提供充分的資訊讓對方判斷是否接受請託

三、為對方著想，讓對方欣然接受

*做好準備，讓決策一次OK

- 希望對方做出決定的時候，要事先消除對方的疑問，或把能夠剷除的問題先剷除乾淨，

就不會出現不必要的疑慮。幫對方把各種條件放進選項裡，成為對方決策的依據，

也能省去對方思考或回應時的麻煩。別問對方「該怎麼做？」這種莫衷一是的問題。

最好以「有A、B、C這三種選擇，我推薦A，理由是OO。要不要朝這個方向做做看呢？」

等方式提給對方，讓對方更容易做出回應。

- 這種手法，又稱為完美幕僚法(completed staff work)，主要是以能盡量縮短上司核准案件的時間，

讓工作完美落幕。應用此手法之前，請準備包含最佳策略在內的幾個選項，

甚至是最極端的作法，並透過事前規劃，讓對方能馬上回答YES或NO。

- 如果目的是「迅速集合所有重要關係人，透過會議來表決」，

就應該在資料裡提示會議的目的與討論的方式，讓必須與會的人確實都能撥空參加，

並透過協商決議。事先做好準備與調整，讓對方花最少的精力下決定，

是著手製作資料前應具備的心態。

厚數據的創新課

 厚數據的創新課：5大洞察心法╳6種視覺化工具

Part I 厚數據創新思維：10個視角・5個心法・4種路徑

Chapter 1 大數據與AI 時代，我們更需要「厚數據創新思維」

- 在創新過程之中「解決問題」或是「期待的未來」，往往不是人類學與人文社會科學在研究時所習慣考慮的，但對於厚數據的研究者而言，卻是引導創新非常重要的切入點。

- 使用厚數據時應該要不停地問自己「我的創新挑戰是什麼？」。

- 在<消費者行為市場分析技術>(Marketing Analysis)一書中，作者Mike Grigsby對於「洞察」的定義很具有啟發性。提到好的洞察有以下特點：

1. 洞察必須要有新的資訊，這些資訊可能會與直覺背道而馳。
2. 洞察需專注於理解消費者行為。
3. 洞察必須量化因果關係。
4. 洞察必須提供競爭優勢。
5. 洞察必須傳達財務意義。

- 本書的目的與<消費者行為市場分析技術>並不一致，本書更加傾向看見人的「創新需要」，

後者更加傾向「理解市場」。「厚數據洞察」應該要有以下特點：

1. 厚數據洞察必須要有第一手資料，這些資料打破我們的刻板印象。
2. 厚數據洞察必須要提出新的(元)問題，這些問題可以帶出新的視角。
3. 厚數據洞察必須要能從「文化」或是「心理」等面相解釋現象之間的因果關係。
4. 厚數據洞察必須能夠提供發展創新的優勢。
5. 厚數據洞察必須能夠看到人對於意義的追求，以及其所帶來的商業或視事業可能。

- 綜合來講，「厚數據思維」即是以創新為目的、以元問題為出發點、以「洞見」為主要價值，

並以最有效形式完成資料的交付。

- 掌握厚數據創新思維六大重點

1. 以「人」為本
2. 善用不同學門的質性研究方法
3. 以創新為目的
4. 從元問題出發
5. 以洞察引導話術
6. 有效完成資料的轉譯與交付

Chapter4  問對「元問題」：重新定義的力量

- 真正困難的往往不是找到新的定義，而是找到重新定義的對象。

Chapter 5  厚數據創新10個視角：以人為本，看見角色、場景與脈絡

- 發展創新，不能只看到問題的本身，更要看到人群及問題之間的關係，也要能進一步想像有哪些重要的因素造成了問題的發生。這樣的想像會需要社會學、人類學、哲學、語言學與心理學，透過這些思維的訓練，可以幫助我們得以見樹又見林地來思考問題。

- 馬克思(Karl Marx)重視從權力與經濟的角度來解釋社會現象的發生，涂爾幹(Emile Durkheim)強調要去看到各種社會現象或是組織所發揮的功能，而韋伯(Max Webber)則更強調「意義」對於理解人類社會文化現象的重要性。

- 場景(scenario)是把「空間」要素納入觀察的視野之中。場景不只是抽象的「空間」，而是一個特定的時空，這個時空有發生的原因，在其中每個人也有不同的角色，以及自己在這個場景之中對於事物的期待。對於厚數據創新者來說，看見場景，即是看到人在不同的場合之中有不同的社會角色，也有不同的隱藏需求，而理想的創新即是看到舞台上的人心中的理想劇本，協助他們完成在舞台上的演出。

- 「脈絡」(context)的視角是再加上時間的向度來幫助我們以人為本進行觀察與思考。看見「脈絡」就是看見一連串「決定的鏈結」，也看到促成人們下決定的各種條件。而厚數據創新者即需要看到這些決定與行為背後如何形成一條長鏈，而在這條長鏈上又有哪些外部因素正在影響著人們。從脈絡的角度發展厚數據創新，是要讓人們更容易做出決定與行動，進而完成他們想要的目的。

- 因此，和不同專業的人合作，用人類學家的話來講，也就等於進入了一個全新的田野，勢必會碰到摩擦與衝突。面對這樣的挑戰，人類學家作田野調查的態度，把自己的身段放低，嘗試去理解對方的理解，同樣能夠有助於雙方的溝通，進而帶來合作的實質效果。

Chapter 6  厚數據創新5個心法：換位、解構、翻轉、修補拼貼、融合

•心法1 解構：看見構成元素與可能性

- 人類的語言、社會、行動其實都是有結構的，而人類學家的訓練有助於掌握這些結構組成的元素，甚至是結構之間的連結方式，進而去「解構」(deconstruct)。

•心法2 換位：主動切換到不同角色的位置來思考

- 「換位思考」(empathize)也就是要能夠有同理心地回到問題的發生脈絡，用正在面對問題的人的視野，來觀察問題、解決問題。事實上，這並不只是一種同理心的運用，而是有意義地嘗試讓自己練習用不同的視角來思考。這種能力，非常仰賴一個創新者平日對於厚數據的觀察是否有足夠的積累。

•心法3 翻轉：在現有結構的基礎上進行反向思考

- 你可以想想看，當一個問題發生時，誰往往是最弱勢或最底層的人。而創新的工作往往就是要協助這些最弱勢、最底層的人，針對他們進行賦能的工作，希望能夠翻轉他們的社會位置。

- 另外，「翻轉」也可以是直接針對現狀進行相反的發想，試著刻意把各種事情反過來想，進而增加想像與創意發會的空間。比方說，可不可以翻轉洗衣店「無聊」的印象？可不可以翻轉洗衣店只能「洗衣」的想像，像是讓洗衣店變成一個可以刻意把衣服弄髒的地方？順著這個思路，你就能想到或許可以在洗衣店提供「染衣服」的功能，幫助大家改變衣服的顏色。

•心法4 修補拼貼：不預設立場的隨意連結

- 「修補拼貼」(bricolage)，也就是手邊有什麼就用麼來發揮創新。

- 這就是發揮創意過程之中最不可或缺的特質，不去預設立場，先做隨意的連結，先試了再說。

•心法5 融合：連結不同厚數據資料發展新的系統

- 不同的厚數據系統之間看起來毫無相關，但是如同世界各地的文化都會有機會「融合」(huse)，也能透過連結不同的厚數據資料，交融混合成為新的系統。

- 厚數據創新的五個心法

1. 解構：看見構成元素與可能性
2. 換位：主動切換到不同角色的位置來思考
3. 翻轉：在現有結構的基礎上進行反向思考
4. 修補拼貼：不預設立場的隨意連結
5. 融合：連結不同的厚數據資料，發展新的系統

Chapter 7 厚數據可視化4種路徑：讓你的厚數據被看見

- 當我們想要推動真正有價值的創新，往往需要異質性的成員相互合作，而且異質性越高、差異性越大的合作，所帶來的創新效果往往也越顯著。然而，如何「溝通」往往成為跨領域合作創新的難題。

Part II 習以不為常，理所不當然：像人類學家一樣思考

Chapter 13〔電玩上癮〕數位科技產品6大成癮要素

- 遊戲的四種類型：

   第一類 暈眩遊戲

   第二類 模仿遊戲

   第三類 競爭遊戲

   第四類 機率遊戲

- 美國心理學家亞當·奧特(Adam Alter)博士在<欲罷不能>一書中提到了六個常見的讓人行為上癮的方式：

1. 達不到但吸引人的目標
2. 難以抗拒且無法預測的正回饋
3. 不斷發展與進步的感覺
4. 越來越困難的任務
5. 有待解決的緊張局面
6. 深厚的社會連結

Part III  厚數據・商業創新最前線

Chapter 18〔金融創新〕AJA大予｜用田野調查助力數位轉型

- 數位轉型需要看見「人」，這裡的「人」，也不光單指消費者，還包含了組織內部的成員們。正因為轉型創新並不只是單點的革新，而是整個系統的升級演化，所以考慮到的絕非只有數位領域本身，更需要顧及到服務過程中所有會與數位系統互動的「人」。

Chapter 20〔跨域創新〕青年志｜在大數據與厚數據之間轉譯

- 青年誌認為人往往表現出來的僅是「關鍵需求」可見的「體驗型態」，但這其實也不可見的部分需要去探索。除了要能捕捉整體社會型態的變遷外，不可見的部分包含：「身分認同」，即人們對於當前生存狀態中自我身分的理解與定位；「價值觀」，即人們在具體展開自我認知與發展、日常生活以及社會關係等具體行為時，所持有的觀念與態度，用以指導自己生活及生存的行動；「品類意義」，即人們在身分認同與價值觀之上，如何在目前市面產品與服務品類上所能做的消費，以及當中獲得的意義。這種分析的方式除了能夠在一般的使用者經驗之外掌握到研究對象更多、更真實的資料，也能從中掌握到消費者關鍵需求的生成條件，進而做出更精準的需求挖掘與判定。

Chapter 21〔旅遊創新〕睿丛文化｜從生活誌挖掘意義與趨勢

- 在之前，市場都會先把人做分類，會想像市場上有一種人屬於我們的市場，找到他們的需求，然後針對他們去滿足需求。這是一種比較固定化的思維。但我們逐漸發現，有時不應該先做人群定位來找到他們的需求，有時候人群的需求反而是場景或其他因素決定的。人在某些場景下，或是人有某種特定的需求，這個需求是跨人群共存的，所以他們成為某個產品或是服務的消費者，而不是反過來的順序。這也就意味著，當我們做定位時，有可能是人群定位、需求定位、場景定位，也有可能是綜合形式的。我們一直在和客戶溝通應該怎麼看待市場，而不是用一套理論就把市場說死了。

創新工具篇  挖掘厚數據：7個視覺化工具

第一類：厚數據思考視覺工具

•    使用者基本維度圖

o    基本資料：使用者基本描述

o    創新課題：針對使用者進行的研究有何新的挑戰

o    行為特徵：針對創新課題的可見行為特徵

•    元問題圖

o    WHAT：什麼問題正在發生？帶來什麼困擾？

o    HOW：問題是怎麼發生的？過程如何？

o    WHY：為什麼問題會發生？連續問三遍或更多次

數據化之鬼

 數據化之鬼

第1章 從大量實行開始著手──關於「行動量」
- 計畫這種東西，必須伴隨著實際行動才有意義。
- 最重要的莫過於，比較計畫中的數據和實際嘗試執行出來的數字，然後迅速採取行動以彌補缺陷。
- 雖然設定了為達成大目標而設定的小目標，亦即「KPI」，但處理「KPI」時必須要非常小心。

因為這也會發生，錯把「手段」當「目的」的危險性。

第3章 該做的事與不做也沒關係的事──關於「變數」
- 將工作的「內容」分解成細項。能夠找出「變數」的重點在於，依時間順序來組織要做的事。
此外，能夠由此再進一步成長的人，會整理各個步驟的問題。
- 如果要靠自己注意到變數的話，最簡單的辦法，就是必須不斷反覆地問「為什麼？」
「為什麼客戶無法從拜訪階段到試用階段？」
「為什麼試用期間結束後，沒能達到簽約階段？」
像這樣，必須將工作流程切分為細項，狠下心來面對自己才行。
- 如果發現了有效的做法，就繼續下去；如果沒有成果，則停止，再想下一個辦法。

第4章 不斷拋棄過去的成功──關於「真正的變數」
- 明明已經很努力了，卻沒反映在目標的數字上，那就該意識到這「變數」已成了「常數」。
- 所謂「懂得變數」的概念，就是認知世上存在有自己無法控制的事物，並且不去想這些事情。
- 要像這樣從各式各樣的角度觀察，將之切分為細節元素。
- 如果新客戶沒什麼變化，是老客戶減少了，那就必須聚焦於「避免客戶離開」的問題。

換言之，「與老客戶之間的關係建立」就是變數。
- 只要像這樣逐一分解、切分至細節，就能找到解決的線索。
- 像這樣尋找「變數」，便能夠決定「優先順序」。當銷售額下降、業績滑落的時候，有時會無法冷靜地做出判斷。與其如此，應該做的其實是要「找出數字」。例如，若是開店做生意的，要試著查出這類數字-來客數有多少？單價是多少？顧客回頭率是幾%？
可切分的元素應該是要多少有多少。像是，可觀察現場的改善行動，所導致的銷售額趨勢變化；還能匯整總部所收到的問卷以找出優勢；收集客訴紀錄來分析問題與缺點。
此外，對於是什麼影響了銷售額這件事，要一邊問：「為什麼？」一邊分析思考。
建立「這個KPI與銷售額直接相關」的假設，只專注於這一點，接著予以實行，並驗證是否能獲得數值成果。
- 變數，是需要持續尋找。別在緊抓著一直以來的做法不放，要接受失敗，並能夠改變下一步的行動才行。

第5章 從遠方的自己倒過來推算—關於「長期」
- 這些的共通必要條件，就是所謂「從長期來看，選擇未來的利益」。
- 當然，沒必要特定去選擇損失；但是，在工作上，經常會出現短期看似吃虧，長期卻是有利的情況。