數據分析就像蓋樂高，簡單五步驟找出數字洞見

以前的我天真的以為會 Excel 和畫圖表就是會數字分析

在職涯初期時，我喜歡賣弄我的 Excel 技巧，用複雜的公式加上華而不實的技巧做出很漂亮的圖表。

當時的我覺得只要圖表做得漂亮、直觀，大家就會認為我的報告是有價值的。

直到有一次，在一次重要的報告中，我被我的主管電。

主管指出我的分析缺乏洞見，我只是把一堆數字加在一起然後畫出一堆線條的圖表，他根本不知道到底該看什麼。

圖表看似很完整，但最終並沒有幫助到他做決定，花了時間看完之後，他還是不知道行動建議是什麼。

那次的挫折讓我好一陣子上台報告都會害怕，報告時都會覺得很無力，不知道該則麼做才能做到主管想要的。

我才意識到，原來我根本沒有受過什麼數字分析的正規訓練，以為以前 Excel 比大學同學厲害然後懂一些圖表的製作就是會分析了。

但這也讓我開始思考，數據分析到底是什麼？什麼是好的數據分析？我該如何從數字裡頭找到洞見？

所以我開始去市場上找資料，從基本功開始學習，看看其他人是怎麼定義數字分析然後找出洞見的。

從整理數據到找出洞見來理解什麼是數字分析

其實數字分析不需要會 SQL 或使用複雜的數據庫工具，而只要掌握 Excel 最常用的 20 來個公式就足以應付 90% 的分析需求。例如 Sum、Average、Count、If、Vlookup、Index + Match、Query、Importrange、Text、Substitute、SORT、And、Or、Sparkline、Max、Min、Asc、Transpose 等。

關鍵不在於使用多複雜的工具，而是如何用清晰的邏輯整理和理解數字。

“我最喜歡的比喻方式是數據分析就像在玩樂高。”

當一整個盒子包含各種顏色和大小的樂高全部混雜在一起時，就像是髒亂的 raw data。

當我們把樂高按照顏色分類，就像是我們把髒亂的 raw data 分到不同的欄位，有些是時間戳，有些是員工編號，有些是員工表現。

樂高分類好顏色之後，就可以按照大小來排序，找到不同的用途。就像是整理出乾淨的數據之後，按照數字的順序安排。

數字分析不僅僅是製作圖表，而是要找到數據背後的故事，通過圖像和敘述將這些洞見展示出來。

真正的數據分析是發現數字背後的故事與模式，而不是單純地呈現數字本身。

數據分析就像在玩樂高

帶著新的觀點重新站上台報告

在了解到數據分析背後的邏輯後，我重新從基礎開始練習，認真的看待每一個環節的步驟，從如何整理數據到如何從不同的角度來切入觀點。

幾個月下來，同事們都開始會信任我，把視覺化數據和找出洞見的工作交給我，讓我再次有機會上台報告。

有兩個上台報告的案例後來讓主管印象深刻，因為這兩次我都帶著行動建議上台報告。

案例一：分類數字，發現使用者的 80/20 法則

那個時候我們公司推出新的產品功能，因為推出的產品功能還在磨合期，所以有些顧客會給予非常低分的反饋。

為了能夠彌補這些不滿意的用戶，我們首先得先找出他們是誰，然後才能知道需要補償多少金額。

我利用了簡單的數字分類，像是第一個欄位放使用者，第二個欄位放客訴的頻率，並按照客訴多寡由大排到小，最後一個欄位利用公式計算前面幾位客人的客訴量，占總客訴量有多少。

例如：有 4 個客人，客人 1 每月客訴 12 次、客人 2 每月客訴 3 次、客人 3 每月客訴 2 次、客人 4 每月客訴 1 次，總客訴量有 18 次。

(第一列用 C2 去除於總客訴量) 客人 1 每月客訴量占總客訴量的 66.67%。

(第二列開始用 C3 去除於總客訴量加上 D2 的百分比，就可以慢慢疊加，此案例指出 83% 的客訴來自於前面兩名客人) 客人 1 和客人 2 的客訴量相加，占總客訴量 83.33%。

用這種方式，我最後找出了我們顧客滿意度的規律，發現 80% 不滿意的抱怨來自於 20% 的用戶。

所以建議如果我們針對這 20% 的用戶去提供補償機制，那麼就可以提升顧客滿意度。

案例二：重新排序，發現最強國家表現如何 

那個時候我們的計程車產品依照不同的國家需求慢慢推廣，有些國家顧客滿意度比現的特別突出，有些國家則還在慢慢磨合。

我們想要分析這些成功國家的策略和做法，希望能夠將它們的成功經驗複製到其他市場。

我簡單的將主要的三個指標拉出來，分別是顧客滿意度，客服回覆速度，客服回覆品質。

然後按照不同的市場來去切入，排序哪些市場的滿意度高，以及和回覆速度和品質是否有相關性。

假設這是一份原始檔案：

我第一次就會按照第一欄排序，找出顧客滿意度由高到低，然後得知回覆速度慢的市場 A 滿意度 4.5，然後回覆速度快的市場 C 滿意度 3.6，所以相關性不高。

然後第二次就會按照第三欄排序，由客服品質高到低看，得知客服品質高的明顯顧客滿意度高。

這樣一來就可以發現到顧客滿意度高的國家和客服品質是呈現正相關，但是和回覆速度沒有太大的關係。

所以建議我們重新訓練客服人員，而不是要求他們要趕快解決問題。

-

看起來在基本不過的技巧卻帶來了正向的反饋，那時候老闆在聽完我的報告之後非常滿意，還誇獎我說有進步。

現在，當我面對一堆數據時，我不再感到困惑，而是能夠一步一腳印的從整理，分類，排序到視覺話去找到有價值的洞見，並提供具體的行動建議，創造商業價值。