戴文波特教你大數據

在大數據時代，企業的競爭力往往取決於從舖天蓋地的資料中尋找意義的能力。因此，現代的知識工作者，或許不必具備高深的統計分析技巧，但一定要懂得數字分析背後的邏輯和原理，並學會如何完善傳達分析結果的意義，做為行動的依據。

在大數據時代，企業的競爭力往往取決於從舖天蓋地的資料中尋找意義的能力。因此，現代的知識工作者，或許不必具備高深的統計分析技巧，但一定要懂得數字分析背後的邏輯和原理，並學會如何完善傳達分析結果的意義，做為行動的依據。本書沒有艱深的算式推演，而是側重觀念的理解、實務的應用與判斷，讓非統計專業的讀者成為聰明的資料消費者。以下是本書精彩書摘。很多人因為害怕數字，而對量化分析敬而遠之，這不但不必要，也令人遺憾。因為量化分析能力的優劣不是取決於數學技巧，而在於思考的邏輯。有專家甚至認為：「數學知識和量化思維是兩回事……稱職的量化分析思考者，並不太需要用到小學六年級以上的數學。」不相信？以下是真實案例。小四生科展作品躍上一流專業期刊1998 年4 月，享譽全球的《美國醫學會期刊》上有一篇探究觸摸治療（Therapeutic Touch, TT）的文章， 作者羅莎（Emily Rosa）年僅九歲，以科學期刊論文年紀最小的作者留名金氏紀錄。為什麼小學四年級的科學作品，能得到專業期刊的認可呢？羅莎偶然得知「觸摸治療」這種具爭議的療法：治療者以雙手在距離患者皮膚幾公分處來回偵測所謂的「遲滯能量」（病因），以能量磁場移除它，治癒患者。羅莎覺得好奇，想一探虛實究竟，於是找到21 名接觸治療師接受測試。羅莎讓治療師雙手手心朝上，在看不見的情況下，感應羅莎的手在他們哪隻手的手心上方；羅莎並以丟銅板決定受試者的左手或右手做為該次測試目標（隨機分配）。21 名治療師總共接受測試280 次。所有治療師都聲稱自己有感應力，但在280 次測試中，正確次數只有122 次（44％），甚至低於隨機猜測。羅莎的結論是，治療師既然無法證實接觸治療的基本原理，就證明該療法並無根據。羅莎不是天才兒童，她只是具備敏銳的觀察力及分析思維。根據《美國醫學會期刊》編輯藍伯格（George Lundberg）表示，羅莎的這份報告，方法如此簡潔、結論如此清楚，讓學會裡的統計學家驚豔不已。建立量化分析思考素養量化分析是從資料萃取訊息的工具，而羅莎的例子證明，掌握這項工具的關鍵，不在於數學知識，而是分析性思考。要鍛練數字分析思維，可以從培養下列習慣做起。用數字確認想法。有人提出意見、直覺想法、觀察心得時，練習反問：「有資料能佐證你的說法嗎？」缺乏充分資料時，別遽下結論。在你提出想法之前，也如此反問自己。沒有資料，就動手做實驗。在想法完全成形之前，要有盡力尋找確實資料的心態，藉此才能透過審慎的量化分析，讓自己的想法更扎實，也更有機會說服別人接受你的想法。絕對不要相信數字的表象。面對數字就像面對陌生人，更深入了解之前，千萬別信任它。任何數字都不能光看表面。有時會有人利用數字說謊，或是故意曲解，迎合真正的隱藏議題；數字可能因為過時而變得不正確；數字也有可能來自不正確的樣本。數字讓你驚訝或感覺不尋常時，尤其應該持批判態度。對因果論述存疑。切記，關聯不等於因果，尤其因果關係的確立本來就有難度。例如，有報導說「為期十年的追蹤研究發現，酗酒導致癌症」，這時你可以思考，受試者能否隨機分組、連續十年酗酒或不喝酒？似乎不太可能。事實可能是研究人員經過十年監控，在某群組中發現酗酒（可能是自述）和癌症相關。對此，研究人員可能會審慎表示，還有其他諸多變項可解釋該相關性，如酗酒者可能也是老菸槍，但是新聞撰稿人引述時不會如此審慎。提問。如果你對某個數字不理解，那就放膽發問吧！不要害怕別人覺得你蠢，其實發問會讓人覺得你勇敢而可敬。此外，有些數字自然會有延伸問題。例如，一看到平均數，就該問標準差（離散度）；看到平均值，就該問中位數。深入發問的習慣，是建構量化技能的重要環節。（本文摘自本書第6 章〈鍛練數字分析腦〉）