搜尋結果
2021年9月13日 · 觀念一：數據分析不只是提出預測，能幫助下對決策才有價值. 「比起關注 data science（資料科學），經理人更該思考如何借助數據做好 decision science（決策科學）」管其毅解釋，資料科學主要能分成 3 個階段： 首先是描述型分析，也就是透過累積、蒐集來的數據，了解已經發生的事，像產品銷售狀況、現有顧客樣貌等。 再來是診斷，釐清現狀有哪些問題、哪些地方應該做更好。 最後則透過機器學習、演算法，針對問題，提出預測及未來應採取的行動。 資料科學的 3 階段. 但即便是預測階段，都還是只停在資訊洞察的階段，沒有對公司產生實質助益。 管其毅指出，資料科學真正價值應在預測後的最後一哩路，下決策。
- 數據分析流程 1. 定義有效的商業分析目標：繪製商業圖表草圖，建立團隊的共識
- 數據分析流程 2. 資料收集與清洗：以 No Code 工具建立自助清洗流程，減少人力支出
- 數據分析流程 3. 展開細部的資料提問：善用金字塔方法，建立有效的分析自我提問
- 數據分析流程 4. 以資料視覺化有效展示成果：巧用視覺化工具，提升圖表製作能力
許多人一開始就收集了過多的數據，導致管理上花費了許多無謂成本，好的數據分析成果建構於有效的商業分析目標：優先確認最後目標為何，想給誰看？這些人想看到什麼？怎樣呈現能把故事說得最清楚？大多數的數據與想要回答的商業問題是脫鉤的，若能有意識性的收集進行，通常能取得較好的分析成果。 此外，不同的產業與職業可能有截然不同的商業目標。例如行銷人員更在意如何找到下廣告的高 CP 值目標，業務與 PM 可能希望第一時間掌握相關產品與業務的推進進度，財務人員則希望能找到有效的財務指標等，導致分析過程不同人的視角容易產生衝突。 若要有效溝通，能 在整理數據前就討論分析目標，像是「希望能看到 110 年度 XX 類別的歷史數據排行」，甚至繪製商業圖表草圖，能有效透過視覺化的方式展開溝通，大幅提升團隊的分析共識。
以核心商業問題開展的資料收集任務，通常相對有效率，也能分配更多資源給重要但較難取得的數據來源，然而「資料雜亂」是分析初始階段所必然面對的挑戰。由於多數數據都是不規則的，常需要花費 80% 時間來收集、整理，才能推進到分析與視覺化任務。這項任務難以避免，但是否有較高效的技巧？ 大多組織依賴工程師來整理數據，但最懂得如何使用數據的人往往並非工程師，且非所有組織都有能力雇用或培養此類的技術人員。如何讓非技術專才的人，也擁有清洗資料的能力？其實現在有愈來愈多工具讓使用者透過非程式化的方式，完成資料清洗甚至建構自動化流程，像 Tableau Prep就能透過圖形化介面建構自動化數據清洗任務，並能處理千萬筆的資料量。
整理完數據後，許多人仍會困惑於要分析什麼。遇到這樣的問題，能善用金字塔思考法，透過「最大目標」>「子分類目標」>「分析任務」等多層式的問題框架，快速整理出有效的分析提問。金字塔法的層數沒有固定，常見的是分成 3 個階層，分別是： 1. 第一層：描述分析的大目標願景 2. 第二層：描述分析議題中的子分類 3. 第三層：描述每項子分類中，列出明確的分析提問 以新冠肺炎（COVID-19）的數據分析任務為例，第二層的命題可能是「各國的狀況？」、「案例數的變化情形」、「台灣的狀況」等，而將子分類視覺化之後，就能再展開一層細部提問，以一張圖展開所有的分析問題。
最後階段是將數據產製為資料視覺化圖表，根據目標選用正確的圖表相當重要，許多人只會使用像是長條圖、圓餅圖等常見圖表，但在某些情境之下，還有其它圖表更適合描述分析問題，了解圖表的使用場景，或是能靈活搭配使用更多圖表種類的工具，就是每個人的競爭力所在了。 視覺化工具是此環節的關鍵能力，不同工具能製作的圖表也有差異，除了 Excel 之外，現在比較知名的還有 Tableau、PowerBI、Google Data Studio 等。其中 Tableau 是公認最彈性且最漂亮的圖表製作軟體，PowerBI 則是微軟針對大數據場景所推出的產品，也受到許多人好評；Google Data Studio 則可透過瀏覽器就直接開始製圖，相當方便。 此外，許多人擔心自己不具備操作程式化工具的能力，像 Python...
2015年12月10日 · 經理人熱門 八分生活熱門. 分享. 收藏. 「幾乎所有企業和職位都需要用到Excel，學會正確地使用它，工作效率可以倍數來計算！ 」企業內部訓練講師、Microsoft MVP微軟全球最有價值專家王作桓，一句話說明了學Excel的好處。 在超過20年幫企業做電腦培訓的經驗裡，他發現，許多人只知道個別公式和功能的用法，不懂得整合運用，或是根本沒搞懂過Excel運作的邏輯，所以才總是選錯工具和方法，導致事倍功半。 其實，「只要觀念正確，很多報表是幾分鐘就能做好的。 如果你常常用到Excel，卻抱怨它很複雜、難操作、浪費時間，可能得回頭想想，究竟是Excel的錯，還是你的觀念出錯了！ 以下是王作桓每次講課時，一定會提到3個必備觀念： 必備觀念1：分析資料一定要是資料庫格式.
2019年1月15日 · 經理人熱門 八分生活熱門. 分享. 收藏. 大多數的業務、行銷人員都知道要產生最大投資效應，必須根據80/20法則做好客戶的分級，因為80%的業績來自於前20%的重要客戶，但要如何做好客戶分級，產生最佳的投資報酬率呢？ 我認為應該做好「全方位客戶分析」，包含以下四個方向： 1. 目前業績 vs. 未來業績潛力. 在我面試業務人員的經驗中，問到如何做客戶分級時，大多數業務人員都知道要分A/B/C級，但再問下去，那你是如何判定A/B/C級時，就會聽到很心虛的答案。 有些人用目前業績的比重來分A/B/C級，有些人知道考慮未來潛力，但對於如何判定潛力卻說不清楚，原因是多數業務人員少了策略思考的能力，知其然而不知其所以然。 如果對於不同級別客戶如何落實不同策略不清楚，就無法對有限的資源做有效的應用。
2021年5月3日 · 一個完整的資料科學團隊，除了要有特定領域的專家之外，還需要以下 3 種角色組成：資料科學家（Data Scientist）、資料分析師（Data Analyst），及資料工程師（Data Engineer）。 延伸閱讀： 消費需求藏在數據裡！ 以人類學視角洞察數據的 3 種工具，幫你看穿消費者情感、思維. 資料科學家發現問題，提出問題然後設計方法，並且對可取得的資料進行分析。 資料分析師配合進行統計方面的工作，如實驗設計，數據分析等。 資料工程師配合程式實作方面的工作，如大數據的收集與整理，算法的部署等。
2024年4月1日 · 2024-04-01. 經理人編輯部. 邏輯力訓練｜5W2H 七何分析法：從各種角度思考、有效解決問題. 經理人熱門 八分生活熱門. 分享. 收藏. 5W2H 是什麼？ 七何分析法（5W2H analysis）怎麼用？ 七何分析法應用於決策規畫時，旨在檢查思考的周延性，依序可分為 7 個步驟：為何（why）、何事（what）、何時（when）、何地（where）、誰（who）、如何做（how），以及多少錢（how much）／多少（how many）。 vol:57-60 column:主題學習 title:七何分析法 des:七何分析法. 經理人. 邏輯思考法｜七何分析法（5W2H analysis）是什麼？ 怎麼用？ 銷售成績為什麼一直無法提升？ 產品為什麼賣不出去？
2016年6月22日 · 經理人熱門 八分生活熱門. 分享. 收藏. 想要將你的想法與觀點完整地向溝通對象傳達時，必須透過「企畫書」來達成溝通的目的。 可以說，企畫書就等同於一部說帖，在現代商業行為中扮演成交催化劑的角色，其重要性不言而喻。 製作企畫書前，必須先確認「閱讀這份企畫書的對象誰？ 」以商業企畫書而言，通常提案人就是撰寫者，閱讀與溝通的對象是客戶，公司高層則是負責核可與把關的角色，因此提案人的任務便是將客戶的需求與想傳達的溝通目的結合在一起，然後再用以下 7 個步驟進行企畫作業： 點圖可放大. 1. 掌握問題本質： 若是無法釐清問題的本質，後續的討論與作業都將淪為浪費時間。
