4. 三個重點，建立你資料分析的基本概念！

大家好，歡迎你與我們一起出來玩行銷，我是李伯彥，今天是我們地球上最有趣的資料分析的特別放送，為什麼有這個特別放送呢？

因為我前幾次再跟大家分享講座內容的時候，我總是滿懷期待，想著今天的內容很精彩，應該有很多人看了以後會有很多問題來跟我討論，或者是會很熱烈的回應吧。結果呢，剛好相反，雖然在講座一開始的調查有三百多個人，說老師，我很想要學好資料分析，接下來我再問大家的興趣優先順序的時候，又是資料分析第一名，有一百多個人認為資料分析應該要放在最前面，但是很奇怪，我們講座一開始，這些回應好像通通不見了，如果大家只是看而不發問，那也就算了，可是真實的狀況是，看的人還很少，這實在太傷感了，明明很多人說想學，也很多人真心誠意的想要把資料分析搞好，那為什麼我花了那麼多心血寫出來，我覺得那麼簡單，那麼直覺，那麼有趣的文章跟音頻的內容卻沒人聽、沒人看。

後來我發現一件事，原來如此，因為我自己在做企業輔導，我就發現，常常這個禮拜我們講的重點是：你要做這些事情在蒐集那些資料，接下來就可以得到什麼樣的結果，在會議上大家都談得非常愉快，好像一切都已經有了定見．結果下個禮拜我再來開會的時候，卻發現大家還是停留在上次會議之前的狀態，久而久之我就不免覺得很好奇，開始想要知道到底為什麼大家都這麼樣的被動？
 

後來我終於理解了，因為有人跟我說，顧問，其實你講的東西我們聽的不是很懂，原來如此，原來大家的先驗知識跟對資料分析的基本概念並不一致，所以有時候我在講一些跳脫他們思考框架或認知系統的東西，他們表面上不好意思說：我不知道，所以就順著我的話一直說好、好、好，我們就這樣辦．

這樣的結果，當然最後我們提的所有建議都很難落實到現實的工作中，那你自然就看不到好的結果反映在你工作的成效上了

既然有這樣的問題，那我們就來面對、一起來解決，所以接下來的這幾講，大家就辛苦一點，我們就把它當做是資料分析的 101，就是假設這是資料分析的第一堂課，好吧，第一堂第二堂

、第三堂，就算要到第十堂也沒關係，我們先就一些基本的東西來跟大家分享，希望幫你建立基礎的概念，中間你有任何問題都可以隨時把我打斷，直接提問就好。當然啦，如果你在收聽音頻或看文章，你是沒有辦法打斷我的，但是你永遠可以在文章下面留言給我或到社團裡面來提問。接下來我會把我們基礎的課程分成三個部分。

第一個資料有關的就是資料維度

大部分的人對資料的認識都太過貧乏了，我們對資料維度有一個基本的認識之後，你至少可以先去想一下我現有的、我想要的、我缺乏的、接下來我應該蒐集的，你不需要一定做的很全，但是至少知道現在自己在哪裡很重要。

第二個就是我們可以預期什麼樣的結果

可預期的結果，目前我知道你實在很難想像，因為你很難想到這些資料分析完了以後到底可以用來幹嘛？為什麼那麼難想像，因為你缺乏所必要的先驗知識，事實上，在資料分析的領域已經有非常非常多成熟的應用，這些應用我們現在都不需要自己來發明，就像算法一樣，很多算法都已經非常成熟，甚至連程式碼都有人幫你寫好了，有的時候只要你會用直接拿來套用就可以了，其中有非常多的效益完全超越你現在所能想像的，但是這些應用一定是要你對資料維度有一定認識以後你才能想像的到，如果沒有底層的認識跟概念，就算有人跟你講了應用可能帶來的效益和結果，你也很難聽懂，就算你聽懂了，你也就會覺得我是不可能做到的。

舉例來說，假設我今天跟你講Netflix的算法是怎麼設計的，或是airbnb它的用戶跟房源的匹配是怎麼設計的，你聽了只會有一種感覺，哇，好厲害哦，但是關我什麼事？我又用不上，為什麼你會有這樣感覺，因為他距離我們感覺太遙遠了。可是，Netflix跟airbnb都不過只是近代這些年才出來的公司，沒有幾年而已，他們這些算法是怎麼算出來的？難道他們的創辦人都是算法科學家，資料分析師嗎？

當然不是，就像airbnb，它的創辦人根本就不是什麼算法科學家，而且比起你，搞不好他對統計對數據的概念還比你差呢，那這樣的人，為什麼他們可以在這麼短的時間之內利用算法的幫忙而讓自己的事業變得那麼大呢？

當然不能以偏概全，就像amazon中的CEO貝佐斯，他剛剛下台，他在創立amazon之前，他就是在財經領域做資料分析相關的工作，但是像他這樣的人老實說並不多，現在很多S&P500大企業的老闆，他們的出生也都不一定是科學家，程式設計者，但是他們一樣有辦法利用算法的幫忙，在短短的時間之內，讓他們的事業得到極大的成長。

在這裡跟你分享一個數字，在1920年的時候，美國S＆P500，他們的平均壽命是67年，那你知道在2021年，美國 S&P 500，前500大企業，他們的平均壽命是幾年？

我要告訴你，都已經快不到十年了，可是你回去看看台灣前十大創匯產業、前十大的企業，他們的平均壽命這幾年呢？我跟你講，你還沒念幼稚園的時候，他們的創辦人就出來打拼了，到現在那些七老八十的人都還是創業楷模的，你不覺得有點怪怪的嗎？

第三部分就是我們的重頭戲了，我要跟你分享的就是算法

算法是所有資料分析裡面的靈魂，但是我們現在大多數人，大多數公司，他們在談論的事情包含我今天在做企業輔導、做教學的時候，我都很少聽到人真正在談算法，他們在談的算法搞不好也都是別人的，自己用在自己實務工作中的事少之又少。

下次你聽到人家在談算法，你不妨也像我一樣做個判斷，他們講的是虛無縹緲的東西，還是真的能用在工作中很生活上？我老實告訴你，在台灣，很多的場合大家講得很愉快，但是你只要來談到算法，談到algorithm，談到演算法這種東西，很快這個會議就解散了，為什麼？

因為算法總是跟數學有關，在台灣很奇怪，大家學了一輩子數學，但是卻很少人願意跟你談數學，更不用說把數學用在工作中跟生活上，可是算法最妙的就是什麼？就是你不需要懂高深的數學，你大可以從國中學的數學開始，因為算法實際上沒你想的那麼難，如果你真的要運用到非常高妙的算法，老實跟你說在台灣幾乎是不可能的，因為台灣大部分的企業根本沒有那麼大的資料量，可是如果你對這些東西完全不去碰觸的話，這樣你做資料分析，再怎麼分析呀，你都是在垃圾裡面撈金，算不出所以然的。

記不記得我們之前講過跟業務有關的成交機率的公式，還記得嗎？零percent、20percent、40percent、60percent、80percent後面分別代表什麼？有參加行銷社團的同學應該都要會背了吧，如果不會背，沒關係，趕快去社團裡面複習一下之前的講義之前的相關內容，如果你連複習都懶，那沒關係，再往下我一樣會講到市場開發、業務銷售，那個時候你再回顧一下就好了

如果你沒有那麼陌生的話，你就會知道從我每個月可能可以收進來的案子，看可以預期的收益裡面去把它分階段乘上可以成交的機率，最後加總起來就是我到月底可以預期的銷售收入，

這樣子做其實就是一個算法，這只需要你用到國中所學非常簡單的聯立方程式，所以你對算法應該不會那麼陌生，接下來相信我一步一步你會愛上算法

既然如此，我們就先從資料維度開始，我們要做資料蒐集的對象，我們暫時把它分成兩大類，第一大類來自於人，第二大類來自於商品，因為現在大部分的企業都是先從客戶資料管理開始，暫時，我們就把商品放一旁吧，但你聽到後面你自己也可以開始跟著聯想老師在講的這些內容，當你把它放到商品上的時候，在商品的資料維度應該怎麼進行？你自己立馬就可以開始聯繫了。

我們過去的商品，我們給他下的維度，你不用告訴我，我也曉得你下的維度是非常有限的，根據我對你的猜測，我猜妳過去收集商品的資訊，可能都是一些規格與說明，你很難聯想到其他的維度，這我知道，所以我們從人開始，因為一講到人，大家馬上腦筋就活了

接下來就讓我用人來舉例，假設這個人是你客戶的話，基本上我們要蒐集的資料維度，我們把它分成三塊，第一塊就是大部分公司、大部分企業，或者是你現在小腦袋裡所想到的社會相關指標，什麼是社會相關指標，是年紀嗎？是是居住地嗎？還是性別、職業、收入，這些都是嗎？

這些都是通通都是，就是類似這樣這些東西是社會性的，只要有一定的公允標準，你就可以分類記錄，但是這些指標你收集了再齊全，你也很難說你真正了解了這個用戶為什麼，因為這些指標很可能跟這個人，他的特質沒有什麼太大的關係。

同樣住在台北大安區年收入200~300萬的男性，請問他們的偏好有可能都一樣嗎？看她完全相同的社會屬性，有的人會開賓士，有的人買新的altis，有人坐捷運，有的人他收入不到200萬，他開的是勞斯萊斯，當然很可能是中古的，也就是說，在相同社會性的指標之下，人的偏好可能不一樣，甚至完全不一樣。

至於在完全不同的社會屬性的分類下，有沒有可能兩個人的偏好是完全一樣的？

當然有，我再舉個比較特別的例子給你聽，就像買賓士汽車的人，請問是台北的賓士比較多，還是彰化田中的賓士比較多，不用想，當然是台北比較多，因為台北人多嗎？可是如果有人再問你，如果是最高級的s class，他佔全部保有車輛的比例中是台北比較高，還是彰化田中比較高？你的答案會不會改變？是不是一定台北比較高呢？

我知道你腦袋裡的直覺是一定是台北比較高，也許你會說也不一定哦，不一定，我看是一定不吧！為什麼？

因為台北買車的人很多，多樣化達到極致，各種車輛都有，可是到了彰化田中，他們買的車款相對於台北就少了，買車的人總絕對數比較少，買的車款絕對數也比較少，他比較可能集中分佈在什麼農用車輛、工程車輛、商業車輛，或者是現代Toyota這一些大眾品牌的基本款，但是最高級的賓士也很多，為什麼？因為在彰化田中的職業類別比較單純，可能是自耕農、小商販，伙計，剩下的搞不好通通都是老闆，老闆的比例反而比在台北高，所以那邊選兵士s class的比例會比台北高，這樣大家聽得懂嗎？這就跟人的偏好有關

問題是我今天要去調查人的偏好，通常調查不出所以然，比如說如果有人問你喜不喜歡你電腦的D槽裡面有很多美少女的照片，其中我們還把美少女的照片分成五類，問你喜歡哪一類，這種問題你會回答嗎？

你絕對不會回答的，誰會去回答這種問題呢？當然沒人會回答，因為他會覺得被冒犯，所以只要是根據偏好的資料收集，都要來自於什麼？來自於行為的記錄，行為記錄就是你看到什麼東西會行動，又採取什麼行動，看到這一個畫面，請問你點了嗎？看到這個標題，你按下超鏈接了嗎？

在西元2000年之前我們要收集到人的行為，老實說是比較困難的，因為在西元2000年之前，大家都沒有在使用行動網路，但是如果我們把時光倒回20年前，你只要符合幾個前提，你一樣可以蒐集到很完整很好的資料來幫你做分析，讓你的事業蓬勃發展，這些前提就算放到今天還是一樣非常管用。至於有哪些前提呢？這就是我們明天下一講要跟大家分享的內容了

我是李伯彥，謝謝你與我們一起出來玩地球上最有趣的資料分析，我們明天再見。