如何用正確的方式看數據
身為一個產品經理，自己產品的相關數據幾乎是每天都要花一點時間來關注的。
而這週聽了尹相志老師在商業思維學院的分享的「如何以數據管理思維問對問題」講座後，覺得對於數據要如何看，又有了多一層的體認。以下就簡單分享一下我覺得最重要的三個要點。
了解領域知識 (Domain Knowledge)
首先，在開始分析資料之前，要先了解領域知識 (Domain Knowledge)，不然分析出來的結果可能會是一些這個領域裡面大家都知道的常識。
例如，一個電信合約可能會是兩年，所以如果在分析客戶流失率的時候沒有意識到這點，那得到的結論可能就會是：在合約的第 24 個月的流失率最高。但這其實是必然的結果，也是倒果為因了。
另一個倒果為因的案例則是在保險業，發現客戶更改地址後就會申請理賠。但事實是，客戶在搬家時不會想到要去更改地址，會是在需要理賠時才發現地址需要更改；而改地址的申請又會比理賠的申請先完成，所以造成了改完地址就會申請理賠的假象。
所以，我覺得在分析資料時，有沒有先了解領域知識，是最基本、最重要的一點，可以確保你真的了解這些數字背後的意義，不會只是分析出一些理所當然的常識。
關注人的行為，而不只是單一事件
單一事件最有名的案例，大概就是尿布啤酒這個經典案例了；而這其實是運用購物籃分析 (Basket Analysis) 所得到的結論，發現買了啤酒的人，有蠻大機率也會同時買尿布。
但，試想一個情境，如果今天我買啤酒是要參加聖誕趴，但系統卻還是無腦推薦我要不要順便買個尿布，那這顯然不是個太聰明的系統。
所以，講者也提到要專注的其實是人的行為，從他過往的行為來推測他是什麼樣的人。可能有些人買啤酒時會搭配尿布一起買，而有些人則是會搭配冰塊、或是下酒菜一起買，所以應該要從過往的行為，來決定要推薦什麼樣的商品。
而這個思路其實也可以同時用來處理一些比較特別的案例。例如媽媽的信用卡但其實都是兒子在刷，所以消費紀錄看起來就會完全不像持卡人的媽媽的行為；但如果有從消費行為進行分析的話，其實就會發現，依照這樣的行為模式應該要把這個持卡人視為青少年、而不是媽媽。
隨時保持敏感度、並多想一想
講者在這部分提到了，數據的走勢通常不會一夕之間驟變，如果有，那一定是發生了什麼狀況。
而狀況的類型，我覺得又可以分為兩種
- 外部因素：這部分需要去思考在那個驟變的時空背景之下，是不是有什麼重大事件會造成數據產生變動，例如 2008的金融海嘯、或是這兩年的 COVID-19 等等。
- 內部因素：通常會是數據的計算方式或取得方式產生了改變，造成數據產生變動，而這是有可能會在原始數據資料上面揭露的。這邊要特別注意的是，因為計算方式或取得方式有改變，所以改變前後的數據，可能會是無法直接比較的。
這篇文章提到的就是一個數據計算方式產生改變的案例：造神型的數據分析：解析政府真的降低「兒虐」人數？
心得
整場聽下來覺得講者提到的案例都很平易近人，不論對於剛接觸數據的初學者、或是已經有一些相關經驗，應該都能夠有些收穫。
但稍微比較可惜的是，當初報名的其中一個原因其實也是看到講座內容有包含「學習到數據視覺化如何輔佐做出正確的商業決策」，但講座最後 Q&A 時，講者提到視覺化這塊的確因為時間關係被刪減了大半，也希望以後還有機會聽到這部分的分享了。
(4/27：補上另一場數據視覺化的講座心得如下)
謝謝您看到最後！
若您喜歡我的文章，歡迎留下一些留言、按下「拍手」給我支持、或是「Follow」我，讓我提供更多文章給您。