如果心得只有一句話
人生有不確定性，完整的數據思維是幫助我們提高勝算、降低不確定性，並且看見事物更多面向與可能性的強大武器。
為什麼分享這本書？
作者是劉奕酉老師，經常在社群發表相當令人深刻的文章，並且也曾擔任微軟的顧問，而這是他出版的第四本書籍。本書中有他過去的統計學背景，讓「高勝算」有完整的科學脈絡可循；同時，老師豐厚的實務經驗，讓許多案例說明都能讓人馬上產生「沒錯，這就是我遇到的痛點！」的認同感，像是：
- 「我明明把資料都轉化成圖表，為什麼主管還是不知道我想表達的？」
- 「明明做了很多分析，為什麼還是無法解決或回答問題？」
- 「需求方給的問題範圍太大、太模糊，我是不是要通靈才知道，到底該搜集哪些資料？」
這些是許多人在工作上曾經碰過的問題，尤其是第三點：通靈，更是我經常聽到許多資料分析師提到的痛處。為什麼會產生這些問題呢？我認為書中給出了很好的答案，這也是為什麼在「如果心得只有一句話」中，我會提到「完整」的數據思維。
書中提到數據思維包含了兩大部分，「數據敏銳度」與「數據洞察力」。而數據敏銳度又包含了「問題診斷」與「脈絡拆解」；數據洞察力包含「分析判讀」與「論點表明」。而這四個階段，就是一個完整的數據思維應該要經歷的流程。
- 數據敏銳度：能自在的在數據與問題之間切換的能力。看見一個數據可以見微知著，意識到問題的存在從而展開進一步的思考；聽到一個問題也可以化虛爲實，梳理脈絡並轉化數據問題的觀點來思考。
- 數據洞察力：能夠從大量數據中獲得洞察並提出見解的能力。包括懂的搜集與整合數據，善用數據來進行分析與判讀，以及利用視覺話技巧與有說服力的表達方式，來展現數據中蘊含的洞見與價值。
許多人認為不清楚定義的問題，需要自己通靈去找到方向和答案的問題就來自於，通常企業中提出需求的人在「問題診斷」或「脈絡拆解」的階段；然而，需要找出洞察的人通常在「分析判讀」的階段。在溝通的過程，從「脈絡拆解」到「分析判讀」的資訊並沒有好好被傳遞，導致進行分析判讀的人無法清出知道需要哪些數據。
這是在企業中的情況，而回到日常生活，也時常出現沒有善用數據思維產生的問題。像是家人說：「幫我買一顆西瓜，如果有柳丁就買六顆。」結果最後買回了六顆西瓜，這就是「脈絡拆解」的過程沒有做好。或是，有個邀約要前往，查看了地圖顯示的路程大約開車半小時，因此在赴約時間的前半小時出門，卻忘了要約地點不好停車，需要花時間找車位，這就是「分析判讀」不夠精確。
光是認識到數據思維有這四個階段，就為自己帶來不少的省思和收穫，而書中還有許多深入的說明、實用分析技巧、觀念和圖表，我認為這是一本對想運用科學、數據的方法來提升表現的人能帶來非常實用幫助的書。接下來將針對「職場」和「生活」兩個面向來說明我從書中得到的收穫。
圖片來源：博客來網頁
關鍵收穫與反思
職場中運用數據思維，幫助你提升發光發熱的勝算
在職場上努力工作不外乎想要獲得更好的待遇、更多的資源。然而許多人用盡全力還是認為自己懷才不遇，為什麼會這樣？書中提到品質管理大師戴明曾說過的話：
「盡力而為還不夠，你必須先知道要做什麼，然後再盡力而為。」
職場上決定升遷、待遇是否可以順利獲得，通常最大的關鍵就在於主管，知道主管需要什麼，不是埋頭苦幹才能交出主管需要的成果，建立起信任，最後獲得自己想要的收穫。而透過數據思維的角度來看，我認為可以從兩個部分來進行，分別是「讓主管或老闆覺得你懂他」以及「讓決策者容易做決定」。
一、讓主管覺得你有在動腦，從「脈絡拆解」下手
雖然完整的數據思維包含四個階段，但在企業中，通常是由高層主管拋出問題，層層向下傳遞後，由員工進行資料搜集、分析與報告，比較難參與到「問題診斷」，如果一直向高層主管或老闆提問，要把問題定義清楚，反而可能會讓對方不耐煩，因此我才會認為從「脈絡拆解」先下手更為合適。
此外，書中提到脈絡拆解的關鍵就在於「能否指出問題背後的脈絡關係，將數據問題轉化為數據脈絡的形式來展現。」意思就是說當一個問題到手上之後，我們要怎麼看待這個問題，來決定後續數據搜集和分析的方向。就像一根紅蘿蔔，我們打算切丁、切片還是切絲，取決於我們打算做什麼樣的料理。
如果「問題診斷」之後直接跳到「分析判讀」，就像拿到紅蘿蔔就直接丟進鍋子裡煮一樣，也因此「脈絡拆解」是一個決定問題處理方向，並且轉化成合適數據的過程。
例如，當公司指派了提升員工留任率的任務時，是不是很能夠想像許多人馬上開始召集相關成員開會，大家一起集思廣益，有哪些可以提升留任率的做法，在一陣討論之後，選出了大家認為可行性最高的幾個方案，最後把方案提供給高層。但這其實就是把紅蘿蔔直接丟到鍋裡煮的行為。
為什麼這麼說？因為直接思考可以怎麼讓員工更願意留任的方案，通常會變成目前還在職的人（參與討論的人）想要什麼，卻不見得與員工離職原因有關。這也會造成提出的方案無法明確支持留任率的提升，難以說服高層。
因此必須找出員工的離職原因數據，來釐清多數離職的原因是什麼，再跟著主要離職原因的脈絡思考後續的解決方案。這個做法，因為有明確的數據支持解決方案的脈絡，在與高層報告時也會相對更言之有物，更容易獲得信任。
Image from Pixabay
二、讓決策者容易做決定，從「論點表明」下手
劉老師在書中分享到自己過去在職場上的經驗。在某份工作中，劉老師花很多時間做了許多分析與圖表提供給主管，但主管前幾次都簡單地收下了報告，沒有多做回應，這讓他感到有些疑惑，於是又更認真地做了預測模型，在報告中增加更多資訊提供給主管。這次主管開口了：「很有趣的資訊！不過，你想表達什麼呢？」
因此，讓劉老師意識到，自己只是提供了報告讓主管自己去找答案，並沒有為主管帶來更便利的資訊。在現實中，就時常發生員工覺得自己做得非常努力卻得不到認同，而主管卻只是認為自己的時間被浪費了，這巨大的落差，更是顯示「清楚傳遞資訊」的重要性。
為了不讓自己辛苦費力做出的分析成果被當成無用的訊息，作者提供了相當完整的建議，讓我們在製作簡報的過程可以參考，包含：三個說明原則、兩個說明架構。
三個說明原則：
- 把複雜數據「簡單化」：像是把數字單位變小、用貼近生活的事物來比喻。
- 讓對方理解的「客製化」：要理解報告的對象是哪些人？他們需要和在乎哪些資訊？
- 促進行動的「合理化」：讓數據與對方產生連結。
兩個說明架構：
要記得「思考的邏輯」和「表達的邏輯」並不相同，前者是自己在發散的各種可能性之間穿梭，然而，後者必須收斂在核心的觀點上，才不會讓聽眾無法接收。
- 簡潔有力地提出論點（PERP）：包含以下四個步驟
- 提出論點（Point）：想要傳達的結論或建議。
- 支持理由（Reason）：為了支持結論或建議，作為根據的見解或洞見是什麼？
- 佐證實例（Example）：對應於見解與洞見，有哪些數據表格或圖表的訊息可作爲佐證？
- 重申論點（Point）：再次重申結論或建議。
- 鋪陳創造行動的誘因（SPAN）：包含以下四個步驟
- 背景陳述（Situaiton）：關於數據背景的說明。
- 觀點鋪陳（Points）：引導到結論或建議的見解、洞見或個人觀點。
- 頓悟時刻（A-ha）：想要傳達的結論或建議。
- 後續行動（Next）：希望對方採取的行動或解決方案。
論點表明，就像我們觀看一場戲劇、一齣電影或者一部動畫時，我們會專注跟著劇情一路往下走，但如果在過程中穿插著創作者的心路歷程，我們肯定難以融入，也會忘記劇情，這樣的作品，並不會在我們心中留下深刻印象。
當我們能夠傳遞讓聽眾留下印象的報告或資訊時，也就相對容易建立起信任感，而讓職場上的發展有更高的勝算。
Image by Michal Jarmoluk from Pixabay
生活中運用數據思維，幫助你提升事事順利的勝算
數據思維，並不是一套完全與數字為伍的流程或技巧，從劉老師的說明當中可以發現，運用商業框架而放入的資訊也會被視作數據，像是解決方案、視覺化圖表、經驗等。因此，將數據思維運用在生活中，可以說是為了幫助我們做出更好的決策。
在生活中，許多的數據因為我們已經太過熟悉，常常是來自於身體與生活經驗，並且我們通常對這些數據有一定的信心，所以會直接切入「脈絡拆解」或是「分析判讀」的階段。像是，觀看天氣預報，我們通常接收天氣預報的資訊，就是為了直接做出判斷該穿什麼衣服、該不該帶雨具的判斷。也因此，通常我們在日常生活中，不會每次做決策都要經歷一次完整的數據思維流程。
但具備數據思維，能讓我們對於決策和各種訊息做出更加客觀的判斷，減少一步錯步步錯的情況，反思了生活，我認為以下三種是容易獲得的好處：
一、面對不實資訊不會馬上陷入恐慌
現在資訊傳遞太過容易，導致我們容易收到假消息。像是五月中傳出「最新變異株Omicron XBB不同以往、更致命？」看到這則消息有些人可能馬上就會轉傳給親友，請大家多注意，甚至要求減少出門，出門都要戴口罩，害怕一個不小心就遭到感染，而有生命健康疑慮。
但真的是這樣嗎？「數據敏銳度」讓我們可以對這些陳述產生警覺心，像是開始思考「如果新的變種病毒更加致命，危險性更高，那政府就應該開始加強宣導？」、「更致命有病史的前提嗎？」「目前變異株的傳染情況是什麼樣子？感染的機率高嗎？」
當我們有了這些警覺的問題，就可以開始做查證，來確定這個消息是否為真（大多假消息都能透過台灣事實查核中心查證），或對自己會帶來多大的影響，進而決定應該做什麼，而不會只是看到文字就讓恐懼的感覺支配自己。
二、接受不確定性，讓你面對不順更豁達
今天出門前你看了氣象預報，降雨機率只有10％，因此你決定不帶雨具，結果還是碰上下雨了，你會感到不悅，責怪氣象不夠準，還是一笑置之並接受呢？
數據思維當中包含了部分數理的認知，其中跟氣象息息相關的就是機率，而機率不論再低，就是可能會發生。如果你具備這樣的認知，那麼就能夠理解，即便氣象預報的降雨機率只有10％，仍代表有可能下雨。接受還是會下雨這件事情，就不會讓你因為「決定不帶雨具」而感到氣急敗壞。
生活中有許多情況都是這樣，根據機率去做出決策，是為了更靠近我們期望的目的，而不代表一定會達成我們的期望。如果能意識到這件事情，對於許多與我們預期不同的事情，就能用比較豁達的態度看待。
三、思考更多元，而具備更廣的理解能力
由於人類天生就有「歸因謬誤」的傾象，也就是他人做錯事，是人格問題，自己做錯事，是環境問題的這種判斷傾向，也讓我們容易看到一些不合規定的情況就認定對方是「糟糕的人」。像是，他人遲到是因為他是懶散、作息不好的人，自己遲到是因為鬧鐘壞掉或路況不佳。
實際上，即便類似的事件發生，都有可能來自不同的原因和背景。曾在網路上看到一則迷因提到：「如果你有4個followers 是多還是少？」「那要根據場景而定。」「如果在社群上，那太少。」「但如果在巷弄裡，那就太多。」或是如果有人闖紅燈，真的是因為他是一個不守交通規則的人，又或是遇上緊急事件真的在趕時間呢？
面對「歸因謬誤」的天性，如果熟悉使用「脈絡拆解」就會刺激我們去思考，更多可能造成事件的原因，而這就會進一步讓我們不會過於武斷判斷他人，並且更容易接受各種可能性。
我認為這幾點都能讓自己情緒比較平穩，並進一步影響我們每個生活環節，這正是數據思維能為生活帶來的好處。
結語
這是到目前花最多時間撰寫收穫的文章，因為真的有許多我認為很實用的建議，想要濃縮起來相當不容易，這也是非常推薦大家去閱讀的原因。
數據思維，或許有些人聽起來像是相當高深的能力，甚至需要數學背景、寫程式技巧等。但實際上，它是一個促使我們用更加客觀的方式去看待每件事情、每個決策的思考框架。
數據思維簡單來說，是讓我們對數據、資訊保持敏銳、增加更多元的判斷，進而對數據做出驗證，形成預測未來的評估指標（經驗法則）。最後減少不確定性，讓我們盡可能往期望的目標靠近的一種思維模式、一種看待事物的技巧。
在這個數據越來越多，越來越複雜的時代，相信它是幫助我們更好獲得期望目標的能力。
書中佳句
- 如果太快跳入問題解決的思考，在所有人對問題還沒有共識的情況下，只會造成時間與精力的耗費。
- 在商業場景中我們應該做的是「讓數據說話」而不是「看圖說故事」。
- 人們不會因為「知道」數字而產生改變，必須「看懂」數字背後的意義才會帶來真正的改變。
- 展現說服力的關鍵，就是讓對方感受到「與我有關、對我有益」這兩件事。
- 讓對方容易做決定、而不是困難的做判斷，更不要讓對方自己找答案。
- 不是好圖表都會被理解，而是能被理解的才是好圖表。
