沒有大數據分析力，AI就不存在！如何用一張Excel找出數據價值，做出更精準的商業決策？：從蒐集、分析、解讀、應用到傳達，培養企業最需要的AI資料科學力一本就夠！

∖Amazon 4顆星好評推薦∕
「最強AI」ChatGPT問世
背後仰賴的正是龐大的數據資料庫
資料與資料間的關聯性如何化為商業價值？
本書帶你探討背後的核心基礎

追趕AI前先培養大數據分析力！
人工智慧說白了就是統計學，會分析就會活用。
做企劃、提預算、估風險、分析市場……，
一張Excel教你搞定所有工作實務。

STEP 1：目的→假設→方法，順序不能顛倒
大數據時代，所有資料都能被分析，但得到的「結果」是否符合最初「目的」？不想到頭來白忙一場，本書教你：
 提案前這樣思考最終目的，後續才能產生連結。
 成立假設4重點，避免一步錯步步錯。
 網羅資料4方法，讓訊息「可視化」才易於比較。

STEP 2：沒學過統計也沒關係！這樣做讓數字發揮真正價值
數字資料不是拿來就用，「分解」、「比較」都有訣竅，實務應用時才有意義：
 單位、屬性、時間等基軸的交叉組合，會得到各式的觀點。
 比較資料時務必確定「基準點」，否則將有天差地別的解讀（例如，Ａ點到Ｂ點呈上升型態；Ｂ點到Ｃ點呈下降型態，那麼到底是市場擴大了，還是業績停滯了呢？）
 無法取得資料時，也可以「創造」？讓作者教你該怎麼做。

STEP 3：定位市場 + 管理風險，懂這些數據就夠
當一項商品要投入市場前，得先推敲規模（例如，買氣如何、價格怎麼訂、多久才能回本、營運風險有多大等等），才能擬定策略：
 平均數：將平均數乘以其他變數，就能大致掌握市場規模，倒過來計算，也能知道多少銷量才能達到收益目標。
 中位數：有時特定區域會拉大平均數，讓人誤判現實，所以最好搭配中位數來檢視。
 標準差：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。

STEP 4：善用相關係數，讓錢花在刀口上
輸入資訊，0.5秒就跑出圖表，這是該加碼或該收手的訊息？怎樣才能花最少錢創造最大效益？廣告vs折價券，哪一個能讓營業額提升？算出相關係數，確認資料之間的強弱關係，就能找出利潤最大化的策略。特別注意：
 相關程度無關數值大小，只是顯示強弱程度。
 就算不具相關性的資料，也能算出相關係數，7技巧教你避開陷阱。
 愈是重要的資料，愈要製作成分布圖，以便觀察整體狀況。

STEP 5：提出假設，邊思考邊修正目標計畫
用國中生都學過y=ax+b（單一迴歸分析）公式，就能看出資料間的關聯性。如何從斜率值看出成本效益？怎樣計算KPI目標值？答案就藏在一張EXCEL裡。

STEP 6：轉換思考模式，簡報才不會功虧一簣
辛苦分析了半天，當然希望提案能被認同，切記，分析和傳達本來就是兩件事，別只是丟出一堆圖表和訊息而已，你應該：
 要以分析結果當作結論的依據。
 將資料圖表化，並以簡潔文字歸納出重點。
 註記資料來源，更能提高可信度。

――本書特色――
 不諳統計分析的初學者也能輕鬆上手。
 情境式模擬實務狀況，解決你的職場痛點。
 不必死背硬記，什麼狀況下該套用什麼函數不藏私大公開。

――專文推薦――
張維元│「資料科學家的工作日常」版主
鄭宗記│政治大學商學院專任教授
賴彥甫│創創集團執行長／共同創辦人
（依姓氏筆畫排列）

――專業推薦――
蘇書平│先行智庫執行長

*本書為《會分析是基本功，看懂結果才最強》的全新增訂版

作者／柏木吉基
1972年出生，日本神奈川縣人。慶應義塾大學理工學部畢業後，進入日立製作所工作。取得美國Goizueta Business School的MBA學位。2004年進入日產汽車工作。任職於海外行銷＆銷售部門後，成為組織開發部企業改革小組經理。在董事的領導下，參與「新公司、新組織的成立方案」、「全球業務流程分析、評價、改善」、「人才養成計畫」、「人、物等的全球資源最適化」等的經營課題解決企畫案。平日就在推廣思考決策論（Decision Science）。走遍全世界120個國家，舊東海道五百公里。


專業審定／胡智超
經歷：
1. 台南大學教育系測驗組。
2. 台南大學測驗統計研究所碩士班。
3. 台灣南部地區資優學生甄選（含縮修）題庫資源之擴充與管理：96/03/01～98/06/30負責自然科（可google「資優 GISA」， 7/1到隔年2月在國小實習和考教師檢定）。
4. 99-101年度攜手計畫課後扶助方案學生評量計畫：99/03/01～99/07/31負責英文科（3月回研究所完成論文時加入此計畫。於8月初去當兵，離開計畫）。
5. 國家華語能力測驗電腦適性化題庫研發計畫（華測會）：100/09/07～101/08/14（退伍後隔天便進入華測會擔任測驗統計分析師）。
6. 國立彰化特殊教育學校：101/08/22～迄今，擔任國小部導師。


譯者／黃瓊仙
輔仁大學日文系畢業。熱愛文字工作的專職譯者，希望讓讀者感受輕鬆、愉悅的閱讀經驗。

前言 ／一張EXCEL，輕鬆看懂分析結果

「我想成為數字解讀能力很強的商務人士。」
這句話背後涵蓋了許多事。要將腦海裡知曉的事物，與每天工作的自己連結在一起，確實很難。應該很多人有這種感嘆吧？
數字只要再加點東西，就能獲得看不到的情報，這種「數字加工法」就叫做「統計」或「資料分析」。
不管你手邊有無資料，如果不懂這個加工方法，在許多情況下，其實你已經錯過了寶貴資訊。
那麼，如果有訣竅和技巧能降低整理數字的難度，可以更有效地使用統計數字或資料分析數字，不是很棒嗎？
可是應該有不少人，就算閱讀過坊間多本傳授統計和分析方法的書籍，卻還是無法加以活用吧？
　
統計或資料分析只是一個名詞稱號，其實個中方法所涵蓋的範圍很廣，沒有真正的極限標準。
不過，除了部分專門行業，還是要學會，商務人士在一般商業現場會用到的基本知識。
首先將焦點鎖定於方便使用的方法，學會有效的應用訣竅及思考模式後，慢慢地，你會覺得學會這些方法是「值得」且「聰明」的。
基於這樣的考量，本書傳授的方法從「平均分析法」到「單一迴歸分析法」都網羅在內。只要透過一張Excel，就能輕鬆活用每個方法，並可以立刻得知分析結果。
本書重點如下：
（1）看到眼前的資料，如何跨出第一步並加以利用。
（2）有效利用「分析出來的結果」。
（3）透過分析，創造具說服力的故事情節。

整體而言，本書以「製作事業計畫書」為例，介紹資料的實務使用方法。不過，本書並不是事業計畫書製作方法的教學指南，請各位諒解。
如果本書能成為，讓你變成「擁有優異數字解讀能力之商務人士」的入門書，深感榮幸。

2013年4月
柏木吉基

專文推薦1（張維元│「資料科學家的工作日常」版主）
專文推薦2（鄭宗記│政治大學商學院專任教授）
專文推薦3（賴彥甫│創創集團執行長／共同創辦人）
前言 一張EXCEL，輕鬆看懂分析結果

第1章 培養數字力，就等於養成企劃力
第1幕 ／先有目的，才開始蒐集資料
你的數據資料，是否具說服力？
成立假設，分析就不會偏離目的
組合多項假設，引導出最有力論述
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1 ／ 廣泛網羅資料，找出關聯性

第2章 蒐集資料4重點，讓數據發揮價值
第2幕 ／ 資料不是蒐集到就好，重點在於如何使用
弄清楚真正需要什麼，就不會受到思考限制
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 鎖定不同「主軸」，會帶出不同觀點
資料蒐集重點③ 界定不同時間範圍，多方分析比較
資料蒐集重點④ 出現「離群值」，不代表結果錯誤
為資料加工，讓分析角度變寬廣
專欄2 ／比較資料時，「基準點」很重要

第3章 創造收益前，先判斷市場規模
第3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？
平均數不一定是中位數，可別搞混了
中位數是什麼？2個特徵告訴你
先決定好目的，才能讓平均數發揮最大功效
專欄3／使用公開資料時，須留意可信度

第4章 數據可視化，才能有效管理風險
第4幕 ／數據必須可視化，才易發現潛在風險
評估風險不能憑感覺，不妨利用「標準差」
利用Excel算出標準差
標準差在實務上的意義是……
風險如何推估？答案就在離散程度中
善用直方圖，將離散程度具體化
2步驟製作直方圖，數據意義一看就懂
以向上（下）擺動值，預估風險範圍
考量2因素，更準確掌控風險
6個好處，說明為何要採用標準差
專欄4 ／2個公式，簡單分析母體資料

第 5 章 善用相關分析，讓錢花在刀口上
第5幕 ／ 思考策略時，要多方比較、分析相關資料
如何花最少錢，創造最大效益？
無關數值大小，相關係數是用來檢視關聯性
套用函數，0.5秒就跑出有用資訊
怎樣的相關係數，才叫有相關性？
這樣分析相關係數，才能擬定最適合的策略
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5 ／這樣做，一次能分析多種組合

第 6 章 達成目標，需要投入多少預算？
第6幕 ／ 提出假設，邊思考邊修正目標計畫
單一迴歸分析，導出X、Y的關係
迴歸分析如何解讀？又有什麼意義？
簡報時，直線分析圖最容易被理解
相關係數和斜率有什麼關係？
迴歸分析法應用① 從斜率值看出成本效益
迴歸分析法應用② 模擬分析收支關係　
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6 ／ 單一迴歸分析與多元迴歸分析，哪個較好用？　

第 7 章 為什麼簡報要這樣做、那樣表達？
第7幕 簡報怎麼show，才能創造最大價值？
分析和傳達，本來就是兩件事
3種傳達方式，最易讓聽者理解
在圖表中加入訊息，聚焦重點
比較相同的軸別，更能凸顯彼此差異
邊執行邊確認，才不會偏離主軸目的
專欄7 ／先鎖定範圍，再進行分析
　
結論 拿出數據，一擊就中

成立假設，分析就不會偏離目的

本章節將介紹各種課題皆適用的成立「假設模式」。
在分析資料時，「假設」是非常有效的方法。透過成立假設，可以連結實現目的與分析資料的方法。只要學會步驟訣竅，就可以自由搭配各種資料或分析方法，實際操作遇到問題時，也不會再手足無措。
此外，假設也可以視為解決一般課題的步驟程序。它是分析必要資料的最適當方法，也是讓分析內容不會偏離目的的強力武器。

 遇到問題，先思考「為什麼」

假設一直接到客訴：「送貨時間延遲」，這時候最先想到的問題應該是：「為什麼會延遲呢？」那麼，你會採取以下哪個行動？

● 詢問送貨負責人
● 確認過去的配送紀錄
● 調查送貨司機有無問題
● 調查是否是特定顧客（承辦人）來客訴

你心中是不是已經有好幾個選項了？
請先暫停，試著想想為什麼你會出現這些選項呢？應該是基於過去的經驗、感覺、常識，認為「問題可能出在這裡」，才有這些選項吧。
這種想法就稱為假設。如果換個說法，說是為了達成目的的關鍵或重點，是不是更容易理解了？

 假設，就是進行分析的首要步驟

假設帶有「未加思索」的涵義，因此必須確認（驗證）其正當性。假設說法中有著不確定的因素，在這個案例中，就是指「商品寄送延遲」或「配送延宕」，如果能確認原因為何，這個假設理論就能成立。
如果想確認原因，必須使用數字（資料）進行分析。譬如，當你認為原因可能出在商品寄送承辦人身上，就會比較多位寄送承辦人的處理件數；如果認為是現在的體制有問題，就會比較過去的配送紀錄，找出問題。
也就是說，你會配合自己的假設採取行動，證明是否正確。透過分析，就可以客觀判斷是否合理，或者需要再進一步調查，讓你的判斷更具「說服力」。
為了確定分析標的，首先要「予以假設」，這是分析時的第一個重要步驟。如果確定因為「我想做XXX／想知道XXX」的目的而設立了假設，為了確認該假設是否正確，而實施的方法或使用的情報，都會變成具體的資料。
所謂的分析，就是假設方法中的確認流程，也就是「驗證假設」的作業。萬一在第一個分析階段就一直沒有結果，你必須再一次冷靜地確認，是否你的內心真是這麼想：「我想做XXX／想知道XXX」，如果只是大概想想，或一直改變心意，也可能是導致分析作業不順利的原因。

 目的→假設→方法，順序很重要

再舉個例子具體說明。假設上個月的營業額是3,000件，如果沒有任何目的或假設，計算這個平均營業額將是毫無意義的事。
如果要算出平均數，為了知道上個月銷售成績佳的原因，通常會先設定「想大致瞭解上個月降價活動狀況」的目的。
為了達到目的，提出「比較去年度或前兩個月的營業額，發現是因為降價促銷的關係，讓營業額提高了」的假設。然後很自然地就會想到，「大致比較營業額，算出過去與本月平均數」的分析方法。於是，目的與方法就能合理產生連結了。
如果將「目的」→「假設」→「方法」的流程牢記在腦海，就不會不知道該選擇哪個方法，也不會在中途出現問題，還可以避免在作業過程中迷失目標。




資料蒐集重點④ 出現「離群值」，不代表結果錯誤

所有數據當中，如果有一個擁有異常數值，所在區域明顯與其他數據不同，就稱為「離群值」（outlier）（如圖2-9）。一個離群值也可能會對分析結果造成巨大影響，所以不能輕忽它的影響力。
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，算出的結果是2,640日圓。假設在同一時段，只有一人的消費額是20,000日圓，結果因此讓平均營業額變成3,040日圓。比較兩者，一人平均消費額有了400日圓的差距。
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，一定會得到錯誤訊息。
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，但卻出現離群值，在分析資料前，就必須把出現離群值的資料移除。

 將資料圖表化，就不易錯過離群值

如果只是瀏覽原始資料，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，才能有效率地找出來。至於不自然的偏離部分，要確認之所以存在的理由。
舉之前的藥妝店為例，將資料圖表化後可注意到突出點。假設將焦點鎖定在消費20,000日圓的購買者，調查此人的購買物品。假設其購買的是好幾年才賣出一個，售價20,000日圓的健康器材，但我們的目的是「推算一般的平均購買額度」，便無從判斷這樣的資料是否妥當。
當重複分析好幾次，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，我們通常在這時候才會察覺到離群值的存在。不過只要有這層意識，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）。



評估風險不能憑感覺，不妨利用「標準差」

不是只有商業界會發生計畫行不通的事，在世上難免會遇到不順利的時候。在擬定事業計畫時，事先設想計畫行不通時的因應對策，乃是相當重要的環節。因為就算是經過精密計算所擬定的事業計畫，實際執行時也不見得會照當初所預想的情況發展。
剛才所舉的例子中，A先生覺得算出平均數就萬無一失，上司卻對他的這個想法提出警告，之所以這麼做也是理所當然的。
第三章所舉的，使用平均法來推估大概市場規模的例子，著眼點不在於每份資料，而是如何有效率地使用歸納整理後所得的「平均數」。
不過，將大小範圍不一的數據歸納出一個平均數，雖然方便以此為依據概略掌握整體狀況，但是在歸納平均之前，每個數據所散布的範圍都不一樣。
這些大小範圍不一的數據是如何形成（分布）的，要透過「零散無序」的資料才能知道。請看圖3-5 ∼圖3-7，假設平均數都一樣，透過原始數據零散分布的情況，可以催生出各種不同的想法或觀點。
A先生在擬定事業計畫時並沒有考量到，將可能會以比當初設想平均售價還低的價格販售，最後讓這份事業計畫變成「背負著看不見風險的『畫大餅』計畫」。
為了回應上司所提出的質疑：「真的能如計畫所想進行嗎？」必須點出這個風險是潛藏在計畫的哪個部分（譬如營業額），還要清楚表明會是什麼樣的狀況，以及對於結果會造成什麼樣的影響。
因此，一定要讓數據零散程度可視化，才能表達出來。

 偏差值要以平方計算，才能避免誤差

如果有好幾個數據，標準差是可表示各數據零散分布狀況的統計方法之一。
「數據零散範圍大」是指從小數值到大數值之間，各數據的間隔範圍大的意思。將之視覺化就如圖4-1所呈現。
從這個圖表可知，各數據與平均數的差距頗大。各數據與平均數的差值就稱為「偏差值」，寫成公式就是偏差值＝各數據－平均數。
接下來介紹分散量數，這是表示所有數據零散分布狀況的指標之一。各數據偏差值的平方總合除以數據個數，得出的結果就是分散量數。
為何會提到平方？這是計算上的問題。有比平均數小的數據，也有比平均數大的數據，如果只是單純加上偏差值，再除以數據個數的話，可能會出現誤差，因為偏差值是合計每一個數與平均數的距離，所以有正數也有負數，因此要用平方來計算，而不是將其與平均數的差值加總計算。
譬如，如果平均數是4，6 與2 的偏差值總和就會變成0 ﹝＝（6-4）+（2-4）﹞，這就是誤差了。
如果是平方的話，使用起來不是很順手，因此，可以將分散量數開根號（方均根／root），就能排除± 的影響，順利算出平均數的差值總和，也能清楚標示出「該份資料的整體分散程度」。以下是整理出來的公式。

偏差值＝各個數據－平均數
分散量數＝（偏差值）² 的總和／數據個數
標準差＝√

 左右對稱的常態分布就代表……

請看圖4-1和圖4-2，接近平均數的資料數量多、與平均數差值愈大的位置，資料數目呈遞減，這樣的資料分散情況就稱為常態分布（或也稱為常態分配，常用來說明標準差）。這樣的圖形幾乎左右對稱，呈現美麗的吊鐘形，乃是理想的資料分布圖，最適合用來計算標準差。
當資料分布狀況接近常態分布時，全部資料中約有三分之二，分布於平均數往左右一個標準差的範圍裡。換言之，如果標準差是15，全部資料的三分之二集中於從平均數開始算起，正負15 的範圍裡。
「分散間距小」是指多數資料集中於某個數值周邊的意思，就像圖4-2。相較於圖4-1，大約三分之二的資料集中範圍比較狹窄。也就是說，可以假設標準差是比圖4-1的分布範圍更小的數值。

舉個具體的例子。
某家小型商店準備使用監視器追蹤每日來客數，這項作業的執行期為三十天。計算從監視器追蹤的資料後得知，該月份的每日平均來客數是34.5人，標準差是14.6人（圖4-3）。
如前所述，如果這份資料的分布狀況是常態分布的話，所有資料約有三分之二集中於平均數左右±14.6人之間。換言之，可以直接使用標準差的值差，調查「容納大約三分之二資料的範圍」，也就是19.9（＝34.5－14.6）至49.1（＝34.5＋ 14.6）之間，聚集了大約三分之二的資料。
這個狀況就說明了，在以常態分布為前提的條件下，三十天中約有二十天，來客人數的範圍介在19.9人至49.1人之間。

 標準差比平均數更能檢視營運狀況

在實務上，標準差什麼時候能發揮功用？
標準差的最大特色在於，讓你可以概略掌握，平均數所無法顯示的資料分布狀況。
譬如，透過標準差可以幫助你做出如下的判斷：「這份資料的分布範圍極大，如果只仰賴平均數，將會非常危險。」或「這間店的營業額，在平均額方面並沒有太大變化，不過與去年相比，每週的分布範圍遞減，顯示銷售狀況趨於穩定。」（圖4-4）
再舉個例子，假設有間每月平均營業額為500萬日圓的店。只聽到平均營業額為500萬日圓，會覺得這是一間營運穩定的店。可是如果這間店的標準差是350萬日圓，會是什麼情況？標準差350萬日圓，表示多數資料集中在500萬日圓正負350萬日圓的範圍裡。

如果是我（對500萬日圓而言，350萬日圓的偏差範圍很大），會認為這間店的營運狀況存在極大的風險，甚至會想「這間店的營業額，真的能以500萬日圓作為基準計算嗎？」
相反地，如果標準差是30萬日圓，是不是就會覺得這間店的營業額為500萬日圓沒有什麼問題呢？而且相較於標準差350萬日圓的店，這間店的營運狀況顯然穩定多了（因為無法針對350萬或30萬進行縝密評價，只能憑感覺來評論）。