會分析是基本功,看懂結果才最強-所有工作都離不開數據,一張Excel教你如何提預算、估風險、分析市場,
配送方式
-
台灣
- 國內宅配:本島、離島
-
到店取貨:不限金額免運費
-
海外
- 國際快遞:全球
-
港澳店取:
內容簡介
大數據時代,所有資料都能被分析,
但分析出的結果,是否符合你原本目的?
輸入資訊,0.5秒就跑出圖表,
但這是該加碼還是該收手的訊息,你看懂了嗎?
所有工作實務都脫離不了數字,
會解讀就會活用!
本書用一張Excel教你輕鬆搞定!
本書特色
•AI時代必備的數據分析力,絕不能錯過!
•從蒐集資料、分析應用到簡報提案,上班族必備技能一次學會!
•強化數字力,就等於培養多樣化思考能力!
名人推薦
專業推薦
•齊立文 《經理人月刊》總編輯、鄭宗記 政大商學院副院長
專業審定
•胡智超 國家華語測驗推動工作委員會測驗統計分析師、國立彰化特殊教育學校教師
目錄
前言 數字力,就是你的超能力
序章 善用數字做企畫,就能變成正式提案
﹝序 幕﹞先有目的,才開始蒐集資料
鎖定範圍,培養分析時的思考力
設定假設,分析就不會走偏
分析必須符合目的,否則再厲害都沒意義
4個重點,成立有效的假設
利用「金字塔結構圖」,讓邏輯更順暢
﹝專 欄﹞廣泛網羅資料,找出關聯性
第 一 章 有目的地蒐集資料,數據才有價值
﹝第一幕﹞資料不是蒐集到就好,重點在於如何使用
清楚真正需要什麼,就不怕假設錯誤
資料蒐集重點① 連假設範圍周邊的資料也蒐集
資料蒐集重點② 鎖定「主軸」,蒐集到的資料才派得上用場
資料蒐集重點③ 選擇適當範圍,才能得到精準結論
資料蒐集重點④ 出現「離群值」,不代表錯誤結果
為資料加工,讓分析角度變寬廣
﹝專 欄﹞比較資料時,要以「相對值」表示
第 二 章 創造收益前,務必分析大局
﹝第二幕﹞擬定策略前,先掌握市場大方向
市場規模有多大?該怎麼算?
平均數不等於最讓人安心的中位數
「中位數」是瞭解自我市場定位的關鍵
如何讓平均數發揮最大功效?
﹝專 欄﹞使用公開資料時,須留意可信度
第 三 章 風險不是愈小愈好,重點在於精準掌控
﹝第三幕﹞數據可視化,發現潛在風險
透過標準差計算風險
利用Excel算出標準差
標準差在實務上的意義是……
風險有多大?離散程度會告訴你
離散程度具體化,就用直方圖
2步驟製作直方圖,數據意義一目瞭然
以向上(下)擺動值,預估風險範圍
考量2因素,風險狀況更準確
6個理由,說明標準差如何活用於實務
﹝專 欄﹞2個公式,簡單分析母體資料
第 四 章 錢要花在刀口上,靠相關分析就對了
﹝第四幕﹞利用過去的資料,思考未來的策略
什麼策略能花最少錢,創造最大效益?
相關係數:決定資料的強弱關聯
捨棄複雜公式,Excel能輕鬆解讀分布圖
怎樣的相關係數,才叫有相關性?
如何分析相關性,最大化利潤?
避免分析做白工,你得注意……
電視廣告V.S.折扣券,哪個最能增加營業額?
﹝專 欄﹞這樣做,一次能分析多種組合
第 五 章 達成目標需要多少預算?
﹝第五幕﹞做出判斷的關鍵,在於「反推」思考
單一迴歸分析,導出X、Y的關係
成立迴歸分析法,前提是……
簡報時,直線分析圖最容易被理解
雷聲大也可能雨點小,相關係數和斜率沒有絕對關係
迴歸分析法應用① 從斜率值看出成本效應
迴歸分析法應用② 看清非原因造成的結果
迴歸分析法應用③ 分解資料後再進行分析
迴歸分析法應用④ 當作計算KPI的工具
﹝專 欄﹞單一迴歸分析與多元迴歸分析,哪個較好用?
第 六 章 為什麼簡報要這樣做、那樣表達?
﹝最終幕﹞不能只是秀出資料,還要清楚傳達
分析和傳達,就是不同兩件事
3個方法,簡潔傳達重要訊息
將分析資料視覺化,放大效果
使用「可以比較」的軸別,作為依據
邊執行邊確認,才不會偏離主軸目的
﹝專 欄﹞鎖定範圍於影響度最高的資料
結語 拿出數據,一擊就中
序/導讀
序
所謂的資料科學(Data Science),就是利用數據分析來解決問題。
面對龐雜的數據,該怎麼做才能將之消化成能進行決策的關鍵?
別以為只有統計專家或數理高手才做得到,
就算沒學過統計學,抓住本書6重點,你也能立刻上手,讓數據產生真正實用的價值。
1.先有目的,再開始蒐集資料,順序不能顛倒
被數字包圍,埋首於分析時,經常會演變成追求分析「結果」。但不管最後得到多詳細、多明確的結果,如果不符合「目的」,其實就是白忙一場。你得學會「成立假設」,抓住4個重點,蒐集過程才不會走偏。
2.加工資料、適度分解,重點就會跳出來
蒐集到的資料通常是絕對值,不妨透過「比例形式」加工,和其他資料組合對比,就能變成更實用的情報。然後再依基軸(例如時間、性別、地區)分解,原本隱藏住的特徵就會清楚浮現,分析角度也會變得更寬廣。
3.發揮「平均數」的功用,掌握市場大方向
投入一個新商品時,最先考慮的是是否有發展希望。這時可以將「平均數」當作代表值,再乘以其他變數,就能大致掌握市場規模,並且判斷投入資本需多少年才能回收,倒過來計算時,也能得知多少銷售量才能達到收益目標。
★小撇步:在Excel中輸入=AVERAGE(),或直接選取函數公式,即可算出平均值。
4.將數據可視化(圖表化),才能發現潛在風險
光靠平均數還不夠,透過「偏差值」更能檢視營運狀況。利用直方圖將離散程度視覺化,推估風險衝擊程度,就能做出合理假設並模擬最壞狀況。如此一來,不僅能提升資料質感,說服力也瞬間倍增。
★小撇步:在Excel中輸入=STDEV(),或直接選取函數公式,即可算出標準偏差值。
5.善用相關分析,把錢花在刀口上
花了錢宣傳,自然希望大有成效。假設現在有三種促銷策略可選:電視廣告、送折價券、店內舉辦特別活動,哪種方案的效益最高?該怎麼評估?確認資料的「相關性」強弱關係,就能找出利潤最大化的方案。。
★小撇步:在Excel中輸入=CORREL(),或直接選取函數公式,即可算出相關係數。
6.拿出數據加上清楚表達,簡報才不會功虧一簣
拿出數據,會增加簡報的可信度,但「分析」和「傳達」可是兩件不同的事。若只是將所有分析資料都秀出來,容易讓重點失焦,恐怕聽眾也會一頭霧水。建議你可用簡短句子引導出重點,並同時展示出自己和競爭對手的比較關係,才有機會讓簡報變成正式提案。
試閱
整理以假設為前題的思考模式優點:
(1)省略不必要的分析
如果一開始就想好「該調查哪些資料」,就會知道需要什麼樣的資料、該如何取得資料,並減少摸索的時間。同時也能省略修正、無謂的分析等步驟,縮短作業時間。如此一來,就能利用多餘的時間進行多面相的分析,完成更加精準(品質更優)的報告。
(2)確認分析目的
即便是多麼明確與精準的分析結果,如果不符合目的,將毫無意義。被一堆數字包圍,終日埋頭於分析作業,等回過神時,才發現根本忘了「因為想知道什麼而調查」的原始目的,只是一味追求分析結果而已。不知在什麼時候,已忘了「分析目的」是什麼。
假設要找出營業額變少的原因,辛苦調查某商品的銷售資料,發現三十歲世代男性消費者,與二十歲世代女性消費者的消費行為趨勢類似。如果以此為依據進行分析,搞不好會出現好結果,可是對於當初所設定「找出營業額減少原因」的目的,將成效不彰。
(3)從大局著想,利於制定論述
假設也可以說是為了達到目的所使用的手段。譬如,以「調查營業額下滑原因」為目的時,可以透過假設,針對商品、店鋪、整個市場等幾個線索(觀點)架構假設理論。將多項假設的分析結果予以組合,就能針對目的提出多面相、多方位的觀點,導出更具說服力的答案(論述)。
•2個重點,做出完美假設
看似完美的假設方法,也有必須注意的重點:
(1)錯失課題的風險
假設方法的第一步是設定目的或課題。換句話說,如果是相同的資料,當其中隱藏著更重要或更有利的情報時,可能會在最初階段就忘了要成立假設,因而沒找出其他重要的情報。
「假設方法」與「網羅方法」是對立的概念。網羅方法不會限定目的或課題,而是從片面,開始針對蒐集到的情報進行網羅式分析。相較於假設方法,需要花費更多時間與心力,但是能意外發現答案的可能性更高。
假設方法的焦點只鎖定於與目的有關的事物(只是假設的理論),這些事物就是分析範圍。因為方向明確,很可能會有錯過遺落於路邊的寶貴情報之風險。
(2)偏差風險
假設不過是檢證前的「想法念頭」而已。這樣的假設多少會夾雜個人的主觀想法,難免會有受到當事者成見或偏見所影響的風險。
譬如,現在要找出營業額下滑的原因,如果只針對商品問題或賣場問題等,只限「自家公司」問題範圍設立假設,而忽略了競爭商品的影響及整個產業動向,可能會遺漏了根本重點。
如圖0-2所示,就算已經學會好幾項分析技巧,如果在前面階段的假設失敗,蒐集到的資料及分析方法都會變成不適合(有時候會變成錯誤資料),最後變成最差勁的報告(圖0-2的「結果說明」部分),品質大幅降低。
尤其分析者對自己的假設有強烈成見或過度自信時,分析結果會有所偏頗,變成只是為了「證明該假設是正確」而分析。也就是說,完全無視於資料不適合該假設的現實。如果沒有找出符合假設的結論,就會一再分析、舉例,結果卻告訴你,資料蒐集的方向根本是錯的。
更糟糕的狀況是,本人完全沒有察覺方向已經偏頗。這是容易犯錯的陷阱之一,心理學稱為「確認偏誤」。
不過,如果能知道確認偏誤的存在,提醒自己養成自我檢視的習慣,就能避免這項風險。從資料蒐集階段到分析階段、結論成立的最後階段,都可能發生確認偏誤,所以一定要養成經常檢視的習慣。
◎資料蒐集重點④
出現「離群值」,不代表錯誤結果
所有數據當中,有一個擁有異常數值,明顯與其他數據不同的數據點,稱為「離群值」(outlier)(如圖1-9)。
一個離群值會因它的異常方式,對分析結果造成巨大影響。有時候會讓你得不到原本想要的結果,所以不能輕忽離群值的影響力。
譬如,現在要算出在某日、某個時段藥妝店來客數五十人的平均營業額,結果算出的數字是2,640日圓。假設在同一時段,只有一人的消費額是20,000日圓。結果因為這個人,讓平均營業額變成3,040日圓。比較兩者結果,一人平均消費額有了400日圓的差距。
如果只問結果,一人平均消費額的數據可能會有400日圓的差距(風險)。這純粹是一名特定顧客造成的影響,如果拿這個結果去捕捉其他顧客的消費行為特徵,一定會得到錯誤的訊息。
不過也要牢記這一點:「出現離群值,不見得就是錯誤的結果。」分析作業時最重要的就是知道「離群值是存在的」這件事。如果沒有任何正當理由,卻出現離群值的話,在分析資料前,必須把出現離群值的資料移除。
•視覺化資料,就不易錯過離群值
雖然也可以透過資料數尋找離群值,可是若只是瀏覽原始資料,有時候會錯過離群值的存在。最好將資料製成分布圖之類的曲線圖,予以視覺化,才能有效率地找出離群值。關於不自然的偏離部分,要確認其之所以存在的理由。
舉之前的藥妝店為例,將資料圖表化後,注意到突出點。假設將焦點鎖定在兩萬日圓的購買者,調查了這個人的購買物品內容,假設其購買的商品是好幾年才賣出一個的,售價兩萬日圓的健康器材。而我們的目的是「推算一般的平均購買額度」,如此一來,便無從判斷這樣的資料是否妥當。
重複分析好幾次,卻仍然得不到想要的結果時,就代表有被遺漏的離群值在擾亂結果。通常這時候才會察覺到離群值的存在。不過只要有意識可能會有「離群值」存在,就很容易找到離群值。
此外,關於離群值還有一件事務必要提高警覺:絕對不能為了得到「更完美」的分析結果,無條件地或有意圖地將離群值排外(實際上這樣的誘惑比想像中大)。
◎風險有多大?離散程度會告訴你
標準差和標準化係數都不是只要算出數字是多少就好,要用於實務上,才能成為真正有價值的情報(在解說統計學時,常常只是算出指標數據就結束了,不會想該如何運用於實務上)。
那麼讓我們從風險觀念,挑戰以下兩種應用方法。
(1)相對評價:比較其他資料,看哪一方風險大
與其他資料的離差做比較,進行「大」、「小」的「相對性」評價。如果要以商業語言解釋離差,「風險」二字是最恰當的解釋,可以說「離差大=高風險」。
一般說來,風險二字常被視為負面字彙,因此多數人總認為風險低比較好。可是在商業領域裡,風險不是只有負面涵義,也有正面意義(因為「離差」是正負兩邊都有)。也會有高風險、高報酬的時候,所以風險未必是不好的象徵。
(2)風險衝擊程度的推估:將可能會發生的離差影響予以數據化
推估離差會造成什麼樣的影響?譬如,透過售價的離散狀況,能計算總營業額會出現什麼樣的差異。
首先,使用A先生的例子,進行相對評價。
圖3-10是競爭對手在B國賣出五百臺旋風吸塵器的售價實錄資料,依據這份資料算出平均售價及標準差。使用先前介紹的STDEV函數(81頁),輕鬆算出標準差8,937日圓,平均數依舊是42,948日圓。
因為自家公司產品沒有進入B國市場銷售,A先生想使用,有銷售自家公司旋風式吸塵器產品的D國資料。因為是以D國資料取代B國資料,為了安全起見,至少必須事前確認售價是一樣,而且風險相近。
因此,也一樣準備了其他競爭公司在D國的同期銷售業績資料,總共五百份,得出如下一頁圖3-11的結果。雖然這是概略的競爭企業售價資料,但至少看不出來兩國之間的售價有太大的差異,而且風險也相近,沒有太大的落差。
如果認為這個結論自家公司也適用,A先生就可以稍微安心地使用自家公司所蒐集到的D國資料。假設B國與D國的平均售價一樣,如果標準差(=售價的離差)有明顯差距,表示這兩個市場的風險性大不相同,一方的市場資料就無法適用於另一方。
•定量化離散程度,模擬最壞狀況
到目前為止,都是使用標準差計算離差,雖然標準差是離差的指標,但也必須清楚瞭解這個結果對於業務會造成多大的影響。就經營者立場來看,要知道最糟的狀況是賠一百萬日圓,還是一億日圓。如果不知道影響有多大,就無法判斷風險狀況。
因此,如果要知道標準差對離差造成多大影響,一定要予以定量化。所以,如果能掌握離散範圍,就可以合理假設最壞的狀況與平均狀況,並且進行模擬。作法就是下一個直方圖單元的風險評估第二項應用:(2)風險衝擊程度推估。
◎相關係數:決定資料的強弱關聯
那麼,試著具體分析「相關性」吧!說的更嚴謹一點,兩項資料的相關性,指的就是比例關係。請各位回想國中的數學,如果以公式表示,資料X與資料Y的比例關係就是Y=aX+b(a、b是常數)。資料X和資料Y的關係會因為常數a正數或負數而有所不同。如果常數a是正數,當X增加,Y也會增加;當a是負數時,X增加,Y就會減少。相關性程度有強與弱。強弱程度是以當一方的資料到達什麼程度時,會連帶影響其他資料的動向來決定。資料之間的相關性強弱度,是以名為「相關係數」的指標來表示。相關係數會因相關性的強弱程度,和兩項資料的增減方向相同或相反,數值介於-1至+1之間。如果相關係數是正數,就表示是正的相關性(兩項資料的增減方向相同),數值愈接近1,相關性愈強。+1的話,就是完全比例關係;如果是0,表示完全沒有相關性(請見圖4-3)。
相反地,當兩項資料的增減方向相反,呈現負數相關性,就是負數的相關係數,數值愈接近-1,負向相關性愈強。
•相關程度無關數值大小
舉個具體例子。假設每週記錄某間小兒科診所在流感盛行期間的平均等待看診時間。等待看診時間應該會隨季節或疾病的流行而有所變動(當然與星期幾和時間也有關係)。
另一方面,政府機構會發表流感的盛行情況,盛行情況與小兒科的等待看診時間有一定的關聯性。雖然未必是完全的比例關係,但如果有「某方增加(減少),另一方也隨之增加(減少)」的關係,(正數)相關性便成立。如果計算這個例子的相關係數,數值應該是在0以上、1以下(可能更接近1)吧。
相關分析不在意兩項資料的單位或數值大小的差異,就像這個例子,任何方式的資料組合都是可行的,因為只會顯示數據比例關係的強弱程度而已。我認為這就是相關分析的魅力,其應用範圍無限寬廣。因為只要準備兩項資料,就理論而言,不管如何組合都可以進行相關分析。
訂購/退換貨須知
退換貨須知:
**提醒您,鑑賞期不等於試用期,退回商品須為全新狀態**
-
依據「消費者保護法」第19條及行政院消費者保護處公告之「通訊交易解除權合理例外情事適用準則」,以下商品購買後,除商品本身有瑕疵外,將不提供7天的猶豫期:
- 易於腐敗、保存期限較短或解約時即將逾期。(如:生鮮食品)
- 依消費者要求所為之客製化給付。(客製化商品)
- 報紙、期刊或雜誌。(含MOOK、外文雜誌)
- 經消費者拆封之影音商品或電腦軟體。
- 非以有形媒介提供之數位內容或一經提供即為完成之線上服務,經消費者事先同意始提供。(如:電子書、電子雜誌、下載版軟體、虛擬商品…等)
- 已拆封之個人衛生用品。(如:內衣褲、刮鬍刀、除毛刀…等)
- 若非上列種類商品,均享有到貨7天的猶豫期(含例假日)。
- 辦理退換貨時,商品(組合商品恕無法接受單獨退貨)必須是您收到商品時的原始狀態(包含商品本體、配件、贈品、保證書、所有附隨資料文件及原廠內外包裝…等),請勿直接使用原廠包裝寄送,或於原廠包裝上黏貼紙張或書寫文字。
- 退回商品若無法回復原狀,將請您負擔回復原狀所需費用,嚴重時將影響您的退貨權益。
商品評價