如何提高判斷數據的能力？

Q：公司計劃在今年推出新產品。過去，行銷團隊在預估新產品銷售量時，會習慣性地上網搜尋市場趨勢，參考產業相關產品的銷售情況，以及公司產品過去的銷售成績。

但是過去，公司曾經因為蒐集了錯誤資訊，高估市場需求，造成過多的庫存量。為了避免再出現同樣的錯誤，公司應該如何提高判斷數據的能力？

A：作家馬克吐溫（Mark Twain）曾說：「謊言有三種：謊言、該死的謊言、統計數字。」他並非否定統計學的價值，而是要提醒大眾，解讀數據的態度必須很謹慎，要常自問：「支持這個結論的數據，有符合邏輯嗎？」來降低誤判數據的風險，以及公司可能產生的損失。

在判斷數據時最基本的認知就是，沒有所謂「正確」的數據，只有經過個人合理判斷而接受的數據。例如統計學，數值只要在誤差範圍內，都能被接受。但很多人習慣追求準確數據，然後再忠誠地相信數據。

此外，一般能蒐集到的次級資料，通常都是經由他人再整理的資料，往往隱含特別的立場，因此，當你面對大量數據時，不應反射式地思考，這些數據正確與否，你真正需要判斷的，是哪些資料對公司有使用價值，且最符合目前決策的需求。

小心落入數據的陷阱

以下是一般人判斷數據時，經常會落入的陷阱：

╳樣本數量過少，出現抽樣偏差

基本上，普查是最佳方法，但是數據蒐集往往因受限於成本與時效，沒辦法做到普查。雖然不論樣本數多寡，都能運用統計方法驗證推論信效度，但是仍不能忽略樣本數這個課題。

接著，如何看待抽樣數據就很關鍵了。譬如，馬克吐溫曾感嘆自己的文字創作量遞減，從每天寫三千字，下降到每天寫一千四百字。不過，他發現兩次統計的單位不相同，被統計單位（每日VS.每小時）誤導了。年輕時，他每天能寫八到九個小時，年紀漸長，寫作時間就下降到每天四到五個小時。儘管數據顯示，總體生產力減半，但他的單位生產力卻差不多。

另外，有時抽樣調查會落入「抽樣偏差」的陷阱，也就是一直去看既有樣本的特色。過於分析現有的資料庫，有時就忘記，還有些樣本遺漏在公司的資料庫外。例如，公司想分析十年以來市場有什麼需求，但可能只會分析既有的顧客資料。這麼一來，可能無法了解新產生的需求，因為沒有分析到非公司顧客的資料。

此時，可暫時排除既有顧客的資料，觀察還沒成為公司顧客的消費群需求，就可能用新點子和新產品吸引新顧客。

╳將數據的相關性誤認為因果關係

許多事情有相關，但不一定代表前後有因果關係。最典型的例子是，抽煙可能致癌（有相關性），但抽煙的人並不一定會得肺癌（沒有因果關係）。

數據也是如此。數據間的相關性，並不代表有因果關係。即使數據的可信度高達九九％，也不能代表這是個「準確」的數字，只能說有很大的相關性。譬如，若想了解薪資和員工的認同度是否有關，統計問卷調查的結果後發現，可信度有九九％，提升薪資和拉高員工對工作的認同度，有很顯著的關連性。但這卻不代表提高薪資，就能提升員工對工作的認同度。

╳被過去經驗誤導，產生「捷思偏差」

由「捷思法」（heuristics）產生的「捷思偏差」是指，人類大腦會根據過去的經驗產生思考捷徑，覺得哪些數據就是對的，就去相信它，但事實不一定是如此。例如，人們看到售價較貴的紅酒，往往會認定那瓶酒的品質比較高；開車的人，總是會覺得旁邊的車道比較順暢。

這種思考方式，會讓人們覺得做決策很有效率，但卻可能會判斷錯誤。因此，在判斷數據時，要避免單憑過去的經驗法則，直接判定哪些數據是「正確」的。

找出對你有用的數據

面對數據需謹慎的另一個原因是，數據還能以「選擇性表述」呈現，也就是人們會根據數據的用途，而選擇如何解釋。

舉例來說，眼前有一筆資料，記載著某家咖啡廳業者的顧客數量，其中包括：上午九點到十一點，有兩個人；中午十二點到下午一點，有五十五個人。你可以說，這家咖啡店生意很好，因為中午都客滿；但你也可以說，這家咖啡店生意很不好。這兩種說法都沒有錯。因此，拿到數據後，要盡量避免直接評斷，要再三確認，它們是在什麼背景下推導出的結論。

本文未完，全文請見EMBA雜誌413期