【電子書】7小時，統計學從天書變故事書

推薦序

一本簡單易懂的「統計學故事書」

「資料科學家的工作日常」粉專版主／張維元

資料科學曾被譽為「21 世紀最性感的工作」，更是許多公司在數位轉型時十分重要的一環。近年來，數據科學或資料科學成為企業擴編的新寵，也有越來越多公司希望數位轉型之後，可以利用數據來幫助經營者即時的決策。隨著雲端與大數據的技術逐漸成熟，數據科學已然成為數位時代下不得不具備的技能。

然而，資料科學其實不是全新的技術，其中最核心的基礎「統計學」（Statistics），就是從過去持續發展至今、且已融入各行各業的重要解法。統計學作為數據科學中的基石，能夠「從資料中萃取出資訊」用以幫助決策，學好這門學問更是建立數據科學思維的第一步。統計學是由數學發展而來，可以區分為敘述統計和推論統計兩種類型，依其性質可再分為理論統計學與應用統計學。從探索過去、了解現在到預測未來，統計思考脈絡一共可以分成五個層次。

不過，對許多人來說，統計學總是存在一道無形的門檻，其中用到的數學公式往往令人卻步。你是否也曾擔心自己數學差，沒辦法學好統計或是資料科學？如果我們能跳脫應付考試的學習，試著從生活案例中解釋統計學，你會發現它其實沒有想像中的可怕與困難。

本書《7小時，統計學從天書變故事書》運用了大量日常生活中的經驗作為案例，每個單元都從日常的情境出發，從觀察到思考、再帶出統計學所扮演的角色。而所謂的數據思維，也稱得上是一種從「我覺得」到「看數據說話」的解決問題策略。簡單來說，就是當你面對一堆數據與圖表時，你該如何思考與推論、進而決策？如果我們始終仰賴經驗與主觀的判斷，便很難實現系統性的成長。

統計學是一種歸納法，能夠從累積的資料中觀察趨勢，讓我們從資料中「鑑往知來」，而不再只是主觀的判斷。更重要的是，我們能夠藉由學習統計學所培養的敏銳度，更精準的解讀資料，避免陷入資料的盲點與誤區。本書利用了許多有趣且好理解的案例，例如「倖存者偏差」、「隨機對照實驗」，到各種統計值的計算與圖表視覺化的解讀。除了在每一個單元幫你建立觀念，最後一個章節中也準備了幾個真實的情境，讓你思考如何有效的運用統計學。

統計學與數據科學不再只是理工人的專屬技能，早已成為數據時代下必須掌握的數位能力。如果你正在尋找一本讀得懂的統計學書籍，這本「故事書」，你一定會喜歡。

前言

說服別人的最快方法：根據統計

一提到「數據分析」一詞，就會很不可思議的，不自覺的把「分析數據」當作是最後的目的（我也是如此）。但「分析」本身不應是你的目的。因為分析數據，只不過是為了達成某種目的的手段而已。

當然，目的會因人而異。若是在企業內部，大多數人的目的應該是找出自身公司的瓶頸並一一解決，以創造利潤。

用比較貼近生活的例子來看，如果你正因與鄰居之間的糾紛而煩惱（例如樓上住戶半夜十分吵鬧，讓你睡不著覺等），那麼你的終極目的，想必就是解決這個問題。

反過來一想，不管你蒐集了多少數據（或資訊）來分析，如果無法解決問題，那就毫無幫助。

換句話說，數據分析永遠都有其「目的」，而且會追求「結果」。從這個含意來看，是否用了什麼高級的方法，或者是否利用電腦之類的工具，其實在數據分析上並不重要。

我以前任職的小型企業也是一樣，課長在開會前，會發幾十張A3 大小的數據資料（從左上到右下塞滿圖表）。從這個例子就知道，即便是小公司，數據也是要多少有多少，但很少有人可以在閱讀數據報表之後，便立刻指出「這裡是不是怪怪的」，立刻找到問題點。

在這種時候，需要的第一個工具就是「圖表化」。以豐田（TOYOTA）公司的用語來說，就是可視化，只要把數據轉換成適當的圖表，就連我這樣的普通人，也能看得懂。

數據分析的第一步，就是把適當的數據替換成適當的圖表。「圖表」的強項在於比較，這種工具可以協助人類更直覺的理解情況。

然而，即便靠圖表、在直覺上找出了問題點，光是這樣仍然無法說服其他人。原因在於，當你徵求他們的認同：「看這張圖表，可以得知這兩個數據是有關連的，對吧？」如果對方不太認同：「是這樣嗎？」雙方就不會有交集。

因為只靠圖表，就說服的層面來說，還缺乏力量。

下一個階段，必須用每個人都能同意的數字來設定範圍、做出區隔。換言之，就是「有根據的區隔」──為此，你所需要的強力工具，就是初階的「統計學」。

但統計學，甚至是統計分析的工具，是非常廣泛、艱深的世界。因此最好盡快學會「常態分布」（還有許多其他類型的分布），而且要會使用畫一條線來思考的「迴歸分析」。這兩者都有「用機率來思考」和「用數字來區隔」的概念，只要透過它們來表達，想必就能增加說服力。

有些企業會招募數據科學家，徹底分析企業內的問題點。但你應該比這些數據科學家，更清楚自己公司的瓶頸。

還記得我一開頭提到的嗎？沒錯，數據分析的目的，不是分析，而是達到目的。你想解決的目的是什麼，你自己最清楚。

接下來，就是知道擁有哪些數據（資訊），以及該如何用它們解決問題。這一點與其藉助數據科學家的幫助，不如各位自己來學習，並善用幾個簡單的工具。

本書不會使用艱澀的分析方法，希望能透過解讀數據、學習避免被偏見誤導的訣竅，以及簡單的統計方法，協助你達到目的。