[哈佛商業評論] 戴文波特帶你入門數據分析: 數據時代中，數據決策的掃盲指南！

「我們先做卡方檢定，接著把類別資料轉為順序資料，再跑邏輯迴歸──」你或許覺得你的計量人員同事，剛說了一串克林貢語。然而，在數據逐漸主宰商業世界的年代，你的確該懂一些基本外星語言。（見〈大數據和分析〉影片）

提出大數據DELTA模型的湯馬斯‧戴文波特，因此為非計量人員寫了許多實用入門指南：


數據導向決策掃盲

你不必是精通大數據分析的專家，但必須懂得如何找到能為公司所用的專家，更重要的是，要知道如何聰明運用他們的專業，為公司做出資料導向的有效決策。

若要避免成為大數據的門外漢，你應該要盡到與計量人員共事的5個責任：

責任1：學一點統計的基本知識，以及了解做分析決策的過程。
責任2：和合適的計量人員培養互信關係，讓你們能溝通無礙地交流資訊與想法。
責任3：把你的焦點放在開頭和結尾，像是「構思問題」和向其他人「溝通分析結果」。
責任4：在過程中提許多問題，監督分析方向。
責任5：培養探究而非倡議的文化。（詳見〈打造專家級決策〉）

 

數據分析掃盲

目前有太多數據、硬體和軟體可供運用，但這些東西能讓使用者實現哪些可能性，人們對此卻普遍不太理解。

為了瞭解數據分析，你需要知道的5大入門原則：

1. 妥善的量化分析，首重先定義、建構出「要解決什麼分析性的問題」。
2. 與你的計量分析師、量化人員，建立緊密的工作關係。
3. 理解不同類型的數據和它們的涵義，例如「小數據」與「大數據」的不同。
4. 理解不同類型的分析和它們的涵義，例如敘述性分析、預測分析，與規範分析。
5. 探索分析的內部與外部運用。（詳見〈五大原則，了解數據分析〉）

 

預測分析掃盲

「預測分析術」不同於總結過去資料的敘述性分析，它使用過去的資料，並建立模型來預測未來，而每天都有組織在運用這種方法。

關於預測分析所需的3大要素，你需要知道：

1. 資料：蒐集品質良好，可以使用的資料，是組織最常見的障礙。
2. 統計：不同型式的「迴歸分析」，是經常使用的工具。
3. 假設：要構成預測模型，就要知道假設為何，並且監測假設是否仍然正確。（詳見〈「預測分析術」入門指南〉）

資料來源: https://www.hbrtaiwan.com/blog_content_988_1.html