《使用數據的技術》數據分析的第一步該如何下手?

身為數據工作者，每天處理各種數據報表，我們面臨的有以下幾種情況:

1.簡單: 已經有了方向跟分析數據，只要把數據處理完畢、整理跟呈現就好。

2.中度: 知道問題，例如為什麼這麼月業績突然掉下來可能是因為行銷策略改變? 但需要用既有已經蒐集好的數據去做分析原因。

3.困難: 完全沒有任何數據或方向，不僅要用數據分析原因，還要先想辦法蒐集數據。

《使用數據的技術》提供了我們在面對第二種情況(中度)時，該如何下手的方向索引，針對第三種狀況也有初步的建議。作者有說明本書是寫給新手的，但其中方法仍值得提供靈感，不論新手老手，每一次陷入不知道從何切入數據時，都可以有個靈感思考方向。

拆解問題語句: 讓定義更清楚

假設我們提出的問題是「這個月業績大幅跌落，是哪裡做錯了嗎?　還是有其他原因？」，可以先拆解問題細項，讓問題的輪廓更清晰:

1. 這個月業績衰退: 跟何時比較呈現衰退? 上週? 上個月? 每周固定比嗎? 另外業績包含哪些品項?　是所有品項都衰退嗎？衰退的是否有特定的時段趨勢?

可以透過蒐集每日、甚至每小時的銷售數據，用簡單的圖表看出來。比較的基準很重要，也因此，一開始確認衰退的比較基準點，在後續做分析時會有更清楚的目標。

2. 是哪裡做錯了：所有因素都相同？有新增的廣告嗎? 或是人員異動? 

列出店面內可能異動各項因素清單，例如產品/服務/人力/消費者反應，分別針對各項清單做盤點，看哪邊有異動。

3. 有其他原因嗎: 是否有其他影響因素? 例如說周遭開了競爭者商店、或是因為因為天氣改變而影響?

商圈資訊人口流動的資訊、不動產相關資訊，可以幫助我們判斷是否有消費者流動的線索。另外競爭者的清單也必須密切掌握。

拆解問題的細項，有助於釐清與定義問題。「定義」是數據分析的第一道核心，當我們把概念轉化成數字時，每個操作細節都需要非常清楚的定義，也就是說，定義清楚，才有辦法執行。拆解問題，也有助於進一步釐清方向，篩選出那些是真正需要蒐集與分析的資料，否則一味投入執行面，常常會覺得「見樹不見林」。拆解問題更可以避免模稜兩可的敘述，「感覺銷售掉了」「感覺房價漲了」這種似是而非的論述，都可以透過拆解後執行的數據分析而無所遁形。

如何從數據拼圖到明確的解決方案?

本書對於這個步驟並沒有提出明確的步驟，我想原因是因為這是數據分析裡最難的一步。從數據中，我們可以看到的是事實: 「銷售減少、XX品項突然增多、XX商圈人流突然特別多..」，然而將事實連結到原因，原因連結到行動，需要「大膽假設，小心求證」，也就是先提出一個可能的方向，然後再用數據深入證實自己提出的方向正確。

但如何提出可能方向呢? 書中提出以下可以參考方向:

(1) 檢視原顧客與新顧客的變化: 

銷售變化來自於原顧客的變化還是新顧客的變化? 即使銷售增加，若分析發現原顧客離開的狀況，可以針對原顧客制定回購率提升計畫。

(2) 檢視顧客時間流變化: 

同一個客人，在不同時間點是否有不同消費變化? 例如，書中提到大學附近咖啡廳，觀察到很多客人在考試前vs 考試後，考試前常出現單人點雙份濃縮咖啡+冰塊的奇特現象，解析後進一步發現為了考試唸書提神要在圖書館久待，希望咖啡風味不變，到圖書館後在加水慢慢喝。觀察到這樣現象，就可以針對考試前推出特別風味較不容易變化的咖啡。即使同一個人在同一家店，消費背後動機不同，也可能做出不同的消費行為。

(3) 檢視顧客地理區域變化: 

同一個客人，在不同地點的消費力也不一樣? 日常上班的客戶，跟來觀光的客戶，消費的品項跟金額都有可能大不相同。相同一塊蛋糕，觀光地區可以用特色容器裝飾，而上班地區的客人因為時間很趕，可能喜歡簡便但快速拿到的流程。

(4) 檢視客層分布，要深入背後不同行為條件: 

研究客層一般最常想到的是年齡、性別，例如客層集中在30~40歲女性; 40~50歲男性。 然而試想我們自己的身邊朋友的經驗，即使同樣年齡同性別，每個人的個性與消費喜歡都大異其趣，所以年齡與性別不一定能正確描繪客層的樣貌。年齡層出現類似的行為，是因為性別與年齡層剛好有行為條件相似，例如30~40歲職業婦女有小孩，可能會有同樣的生活習慣，如果只用年齡與性別鎖定客群，會錯失不在該年齡層，但背後也有相同需求的客戶。

例如，設計咖啡豆產品時，不以年齡性別為設計產品的依據，而是依據新手/有研究/有明確偏好的三種客群，分別在在咖啡豆包裝上強調不同訴求: 新手強調名氣; 有研究者強調多種風味的咖啡禮盒; 有特定偏好者深化偏好咖啡豆的客製化。

心得: 數據分析也是一門藝術

數據分析看似科學，但每種科學需要發揮到極致，就有藝術的成分。尤其在與人相關的分析領域，人的偏好和消費習慣變化率非常大，有時候看到數據時有一套自己猜想，但實際詢問客人，得到卻是意想不到的答案。

這本書的拆解問題語句我覺得非常實用，在分析資料時我們很常不假思索就開始動作，但開始做之後才發現各種定義不清楚，又要回頭確認。如果能再一開始就把問題拆解清楚，思考好方向與定義，對於後續分析的連貫性與提出方案都有幫助。

從數據分析到提出解決方案，因為沒有既定的答案，沒有SOP，是最困難也最有價值的一步。作者提出的參考方向，是依照過去他在星巴克的經驗，也因此可以觀察到「同一個客人，在不同時間/地點」的資料，一般的店也許拿不到如此詳盡的資料，也無法做出如此全面的分析，從這個觀點看，作者的問題分析法稍顯單薄，如果沒有數據該怎麼處理? 該如何判斷數據展現的結果是否偏頗? 皆不在書中探討議題。

書中的給出的方法很簡單，但不代表執行上很容易。當我們沉浸在數據海中，回到簡單的思考架構，也許能夠有些不一樣的收穫與方向。