《老闆客戶都點頭的數字說服力》：單憑「快照」做為判斷和評估依據的風險是什麼？

文：柏木吉基

07 特定時間的老闆力單數據，最適合比較
用「快照」擷取範圍

接下來應該考慮的客戶，是都點斷和的風該「怎麼」掌握並比較數據的「大小」和「離散度」。之前洋介只觀察當年平均的數字說服大小，就建議加強來客數少的憑快評估B門市和D門市，得到的為判是主管高島「你這樣還是在揣測」的回答。因此，依據除了「離散度」之外，老闆力單洋介還可能遺漏什麼觀點呢？還有，客戶該怎麼擺脫只是都點斷和的風在「揣測」呢？在本書會介紹三個方法。

簡單優勢的數字說服操作侷限

「快照」（snapshot）是擷取某個範圍，試圖展示其特徵的憑快評估觀點。就如照片的為判快照一樣，形同將影片的依據瞬間切割出來。擷取的老闆力單照片有很多資訊。即使影片不小心播過頭而漏看，或是涵蓋無法同時處理完的內容和資訊量，也可以藉由專注在擷取的瞬間輕鬆掌握。因此，對於數據準備者和聽者雙方來說，快照「簡單好做」和「淺顯易懂」就會是一大優點。

在圖3-11中，包含了某年度各地區銷售比率的圓餅圖，以及每個地區商品結構的柱狀圖。正如圖上標示「2015年度實務績效」和「月實務績效」一樣，兩張圖表都劃出某個特定範圍（時間或地區等）來展示細項和詳情。如此一來，就能在該範圍內輕鬆比較市場之間或地區之間的情況，並取得某個地區或商品的大小或比率（也就是影響力）在問題面前不值一提的結果。最後，只要調整問題重點的優先性，就可以鎖定最重要的對象了。

Photo Credit: 樂金文化出版

各位是否已經發現到，其實當洋介觀察過去一年份的平均來客數時，就已具備快照的觀點，注意到來客數的「大小」。說到底，他就是在看過一年來的平均值後，把來客數少的門市視為問題（圖3-12）。

那麼，反過來問，單憑快照做為判斷和評估依據的風險是什麼？

Photo Credit: 樂金文化出版

那就是完全看不見劃分範圍的前後或範圍內的變遷。快照是囊括整體，藉由粗略估算來謀求精簡。

然而，許多現象會隨著時間推移而變化，商務的世界更是如此。「看不見動向」有時會成為致命傷，假如資訊僅止於某個有限的範圍，即使有哪個部分出現特殊的狀況，也沒有辦法察覺。

例如，就算知道「這個月的平均氣溫為攝氏15度」，也無法得知這個溫度是從過去開始上升，還是已經開始下降的結果。即使這個「動向」出現異常，也因無法識別而留下致命的問題。同樣的，「這個月」當中的每一天會有什麼樣的變化，也會因為「歸納」成攝氏15 度這一個數值，而遭到隱蔽。

因此在實務蒐集數據時，應該每隔一定時間就定期監控數據。此外，從這裡也再次驗證了，單純將這些數據彙總成一個數值，稱不上是完全發揮原始數據的價值。

洋介：「是嗎？就算只看整個期間或某段期間的結果，也不知道整體的趨勢啊。這也和平均一樣，是將原始資料彙總成一個數值。這也就表示，以前我可能錯過了許多資訊嗎⋯⋯」　

高島：「沒錯。說不定你快照過的兩家門市，現在的業績正在蒸蒸日上喔。」

• Point：藉由「快照」分析之後，即可透過各種要素／切入點輕鬆比較。但別忘了，這只是鎖定在一定期間的靜態資訊。隨時間變遷的數據，可預估未來從「趨勢」了解動向。

除了精簡易懂的「快照」之外，也需要掌握「動向」（變化）特徵的觀點，也就是「趨勢」（圖3-13）。

「趨勢」這項觀點，是要觀察什麼樣的數據會隨著時間經過而變遷，又稱為時間序列。

Photo Credit: 樂金文化出版

圖3-14是以「門市」為基準，藉由「趨勢」比較每一季洋介負責地區的銷售業績。透過該圖可以看到過去一年來的銷售量變遷，甚至還能從不久前的第四季趨勢，預估今後的趨勢。雖然不見得所有的案例都能如此，但如果能持續看到穩步的改進，未來一段時間似乎就能有所期待了，做為依據來說，至少比藉由快照單純觀察前一年度的平均來得可信。

如果把之前洋介以年平均（也就是「快照」）表示的圖表（圖3-14）與趨勢並列來看，當中所能獲得的資訊差異就一目瞭然。

Photo Credit: 樂金文化出版

從「快照」中，會看到門市A和C成績良好，但以「趨勢」觀點來看，則會發現全年都有減少的傾向，暗示著未來的來客數也許可能會減少的風險。

不過也請注意，「快照」和「趨勢」並沒有哪個絕對比較好。「快照」獨有的優點是容易比較並掌握大小，這也是其必要的功能。反之，「趨勢」有時很難像這樣簡單而一目瞭然的比較和判斷。換句話說，如果能以雙重的觀點來觀察，就可以從多方面掌握資訊，避免單憑一方觀點所造成的資訊缺漏。

接下來，我們來檢視洋介案例中的「離散度」。

洋介只取得了各月每日的平均數據，而非每天的來客數。12個月份（12個數據樣本）絕不算是大數據，所以就先用「快照」的觀點來看。

在圖3-15上方，就是該指標數值。只要知道來客數低和高的月份有很大差距的門市，或許就可以採取補救措施，好讓銷售業績更穩定。

Photo Credit: 樂金文化出版

其中，平均值最大的門市A看似沒有問題，離散度卻相對較大，就需要特別關注。透過「趨勢」觀點可以發現，下半年度門市A的來客數大幅下滑，是其離散度增加的主要原因。另一方面，雖然門市D的來客數沒有像這樣下滑，但在離散度的大小方面，也讓人想知道究竟發生了什麼事。

另外，圖3-15的中段，是將各個分店的各月平均來客數，以直方圖視覺化顯示。再比較變異係數大小的同時檢視離散程度，假設變異係數愈大，就可以解讀為數據分布的範圍愈廣。

Photo Credit: 樂金文化出版

因為資料數較少，要以這個例子掌握離散度的趨勢較為困難，但若硬要驗證的話，或許也可以分別計算上半年和下半年的變異係數，粗略掌握離散度的變化。如此一來，就會發現門市A和C下半年的離散度增加了。這和透過「趨勢」觀察來客數時，發現這些門市下半年大幅下降的結果一致。換句話說，由於來客數大幅下降，數據的變動幅度（離散度）就增加了。

Photo Credit: 樂金文化出版