二次大戰期間，戰況激烈，各國想要提升軍機在砲火下的生存率。當時，美國一群科學家記錄了倖存回來的飛機上留下的彈孔，有人主張要在彈孔密度最高的區域，加強防護裝置；有人認為應該先強化油箱與駕駛所在的關鍵位置。
正當大家爭論不休時，哥倫比亞大學統計學教授亞伯拉罕．沃爾德（Abraham Wald）卻說了句，「這些彈孔統計數據毫無參考價值。」因為能夠安全飛回來的飛機，表示機身上的彈孔落點，都不足以致命；真正有致命危險的彈孔數據，早就已經隨著飛機葬身海底了。
這個例子說明，從錯誤的假設出發，蒐集到錯誤數據，再怎麼分析也得不出結果。
《用數字做決策的思考術》提到，數據蒐集有 2 個目的，一個是驗證你預設好的「假說」、一個是建構原先沒有的假說，兩者要交互運用，來回驗證說法的準確性。譬如，在執行一項專案時，你可能會先藉由訪談建立初步假設，再發放問卷驗證自己的假說是否正確。
換句話說，數據分析是圍繞著問題意識打轉，蒐集數據的目的，是用來驗證問題、產生行動。因此，在蒐集數據前，第一步要先定義商業問題。
5W1H 讓問題具體化，才知道該蒐集什麼資料
《只要 Excel 六步驟，你也能做商業分析、解讀數據，學會用統計說故事》表示，可以適當運用 5W1H（who 誰、when 時間、where 地方、what 什麼事、why 為什麼發生、how 如何發生），針對問題提問。
假設公司業務部營業額下降要思考對策，但「營業額降低」只是問題呈現出來的結果，不能只就這個結果設想解決方案，應該先思考，發生的原因是什麼？
如果你認為主要原因是「新客戶開發數量不夠」，新客戶開發數量的問題，加入 5W1H 後，重新整理成「是否因為某地區（where）的業務離職（what），導致該區域新客戶量較少？」讓問題愈來愈具體。
所謂的「具體」，是指能運用資料分析來回答的問題。當我們懷疑「開發新客戶數量」與「營業額」有關時，就要觀察「業務陌生拜訪次數」、「拜訪後成交率」、「各客戶消費金額」等指標。
接著進行分析比較，觀察兩者走勢：比方從折線圖觀察，是否拜訪次數增加、成交率也跟著增加？或者，即使拜訪次數增多，成交率也沒有太大差異，藉此驗證假設是否正確。
不是根據數據提出假說，而是有了假說才蒐集數據
有時現有資料無法釐清問題，或者資料有限，你得蒐集更多資料，或者修改假設，不見得分析一次就會成功。你也許會發現原先的假設與問題可能毫無關聯，但是依照結果，可以修改假設，一步步逼近問題核心。
《簡單用數據，做出好決策》表示，很多人以為，要觀察數據才能產生假說，但其實最佳來源是接近業務現場的人，產品經理、客服與銷售人員，因為他們才是在決策方針之下，實際行動的人。最好召集所有利害關係人，召開腦力激盪會議，分享他們認為什麼因素可能會造成目前的狀況。在這個階段，目標是要產生好幾個可能的假說。
美國數據管理顧問公司 Aryng 曾為一間金融服務機構諮詢，解決近期客戶流失的問題。在假說會議上，有業務員提出，風險政策改變，可能會導致某些潛在客戶失去資格，最後證實假說正確，但如果沒有業務相關經驗的人，只看數據就不會有人探究這項問題。
因此，在激盪會議上不該排除任何假說，更好的做法是，你可以依據假說的合理性、可行性，排定先後順序。在排序時，可以分派給每位參與者 100 點，讓他們分配點數投給每個假說，再根據每個假說獲得的總點數，排定優先順序。
在進行數據分析時，是採用「逆向思考法」，也就是先設定好目標再進行分析，有點類似先射箭再畫靶，而不是看到任何資料，就要立刻分析得出結論，在取得共識之後，才開始蒐集資料，減少過程中花費的時間與精力。
從證明或推翻假說的標準，界定該蒐集的資料範圍
在蒐集資料時，要先定義能證明或推翻假說的標準，界定每個假說所需的資料。這個階段常發生的錯誤是，每個人對問題的定義不一致。舉例來說，轉換率下降，是指這周、這個月，還是這季？下滑是與去年同期比較，還是與上個檔期比較？轉換率，是指顧客點擊、還是顧客必須完成交易？
因此，填寫資料規格時，就需要確定與這次分析有關的數據精細度，包括，時間（周、月、季、年）、地域大小、市場區隔（依消費特徵分、依人口統計特徵分）。根據你想要的結果，設想好資料格式，不同資料間才有比較基準，也方便後續彙整。
蒐集資料先以少量的資料進行驗證。留意資料中的空值（不存在於資料庫的資料，代表無意義的數值）與特殊數字，舉例來說，顧客資料裡的職銜名稱，顧客可能因為找不到符合選項，填寫「其他」，雖然不屬於空值，但是在做資料分析時，無法獲得更進一步的洞察。因此，在開始蒐集前，要先比對資料類型與你期望的是否一致。
數據不怕少，而是怕不好
除此之外，也要檢測你的資料是否正確，《以 MARTECH 經營大數據會員行銷》提到，企業蒐集數據常遇到幾個問題：
1. 沒有資料（no data）： 以前沒有設定目標，因此沒有保存所需的資料。
2. 過時的資料（out-of-date data）： 雖然有保存資料，但資料已經過時，例如 5 年前的會員資料，不確定現在是否正確。
3. 不完整的資料（incomplete data）： 資料欄位不完整，導致只有部分可以應用。例如，有姓名、電話、地址，但缺少交易項目與金額的欄目，須補齊才能運用。
4. 遺失的資料（missing data）： 某些資料欄位空白，例如，某些地區的交易資料空白，無法確定是否發生交易、或者交易金額為零。可以選擇填入平均值，以降低對整體資料的影響；若是資料數夠多，也可以選擇刪除。
5. 稀少的資料（sparse data）： 該記錄到的資料都有，但數據非常稀少，較不具分析價值。
6. 不精確的資料（inaccurate data）： 因為定義不同，而產生不一樣的數據。例如，線上廣告透過不同監測軟體如 Google Analytics、Double Click、Tracking Pixel，出現的數據就不一樣。分析前，應該先了解衡量方法的差異。
整理過後，往往你會發現，很大一部分資料缺乏利用價值。不過作者高端訓指出，數據不怕少，而是「怕不好」。如果數據的用途，是運用在預測分析，即透過機器學習，預測出個別客戶還有可能會買什麼，愈多數據預測愈準確，因此企業需要持續蒐集資料；但如果是用在商業分析，了解顧客過去的消費行為、購買的原因，少量且精確的數據，比大量、未經整理的數據還要有分析價值，假使資料有問題，再怎麼分析，也難以解決問題。
延伸閱讀
想做資料分析，不能只靠工程師！管其毅：建立數據團隊前，主管必懂的 2 個觀念
掌握資料科學的四大分析步驟，啟動 AI 專案
留言 0