Description
平均數的誤解：正確的計算，卻帶來錯誤決策！商業人士如何解讀數據。
The Average is Always Wrong
◎公司對媒體宣稱，年終平均6個月，基層員工群起反彈：哪有這麼多？
◎客戶滿意度達84％──聽起來很棒，但抽樣可能一開始就沒找上給差評的人。
◎優衣庫最在乎的數字不是熱賣品，而是哪些衣服試穿後又被放回──用意是？
公司會議上，常出現以下數據：「我們的客戶平均每個月光顧2.3次。」
接下來大家可能繼續討論：如何把這個平均數提高到2.4次。
但決策者忽略的是，這個平均數背後，可能有兩種意義：
你的顧客確實每個月光顧二到三次，多數都是常客。（這結果真的很棒！）
但也可能是其中10％客戶，每個月光顧20次，剩下90％每三個月只光顧1次。
這時要做的，不是把平均數拉高到2.4，
而是如何找到這10％的忠實顧客，留住他們甚至提高此數字。
作者伊恩．雪帕德目前是英國最大寢具零售商Bensons for Beds董事長，
擔任過多個世界級品牌的高階主管，
包含跨國電信公司沃達豐（Vodafone）、歐洲最大連鎖電影院歐典（Odeon）。
他推出了客戶忠誠度計畫，並將下滑的市占率轉變為強勁的增長──
這些都基於他對消費行為的敏銳捕捉。
◎商業人士該如何解讀數據？
．企業經常參考「客戶平均光臨次數」、「平均消費金額」，
但如果樣本中有極端值，計算出來的平均數反而會誤導你。
例如：「某商品的平均庫存期為3週」，看起來很合理，
但其中或許有分店高達20週，如果只看平均數，便難以發現問題。
所以你必須參考中位數和標準差。
．分店業績大幅提升，是因為行銷策略奏效了？
評估成效不應單看店鋪銷售額成長，而是利用對照組，
把採取行銷策略與未採取的門市拿出來比較，才能判斷。
◎什麼樣的數據才有參考價值？
．客戶滿意度達84％──聽起來很棒，真的嗎？
除了請客戶直接評分（但他可能出於禮貌而填高分），
也可以調查淨推薦值：客戶是否會向朋友推薦（這個比較準確）。
還可以問一個具體的問題：「你今天找到想買的東西了嗎？」
．你可以不懂演算法，但要利用它：
優衣庫（UNIQLO）的每件商品都有「RFID電子標籤」，
一籃商品放上自助結帳機，就能自動感應客戶買什麼。
還能用來追蹤，有多少比例的衣服被拿進試衣間試穿後，又被消費者放回架上。
這才是商品開發人員最該參考的指標。（都試穿了為何不買？）
商業人士該如何解讀數據？什麼時候不該只看平均數？
對簡單的表面數據稍加挖掘，才不會被各種「均值」誤導。
名人推薦
《經濟日報》數位行銷專欄作家、講師、企業顧問／鄭緯筌 審定
「資料科學家的工作日常」粉專版主／張維元
數據專書作者、知識遊牧公司負責人／彭其捷
這本書是寫關於企業如何生存或滅亡──情況就是如此嚴峻。伊恩的書中充滿了領導者如何能不僅生存下來、改變今天且蓬勃發展的例子。──英國私募基金True 執行長兼共同創辦人／馬特．杜魯門（Matt Truman）
伊恩提出了一個複雜的主題，並為領導者揭開了它的神祕面紗──這是一本必讀的書。──寵物用品零售商寵樂居（Pets at Home）數據長／羅伯特．肯特（Robert Kent）
這是一本所有想要了解如何蒐集和使用數據，以獲得競爭優勢的消費行業領導者的必讀讀物。──投資管理公司安保資本（AMP Capital）資深顧問／喬恩．弗洛舍姆（Jon Florsheim）
商業充斥著數據，但大多數公司不知道如何使用它。這本書將確保你做到。」──客戶洞察顧問／丹尼．羅素（Danny Russell）目錄推薦序一 懂得洞察數據，做行銷才能無往不利／鄭緯筌
推薦序二 談到「平均數」這個指標，你是苦惱還是興奮？／張維元
推薦序三 數據分析加上商業思維，做出更好決策／彭其捷
好評推薦
前言 如何從大量數據中挖掘價值？
第一部 商業人士如何看待數據？
第一章 認識一些重要概念
第二章 均值回歸：偶爾表現差的會回歸正常
第三章 名為「假設」的陷阱
第四章 別輕易對客戶貼標籤
第五章 預測模型：關注購買意願更強的客戶
第六章 帶傘未必會下雨
第七章 貝氏定理：買手機的機率有多大？
第八章 現實中的資料科學
第二部 什麼數據才有價值？
第九章 誰是你最該爭取的客戶？
第十章 爭取客戶忠誠度，填補數據空白
第十一章 庫存、門市和經營業績
第十二章 市占率：由外向內看
第三部 利用數據進行策略轉型
第十三章 數據「孤島」和「電郵工廠」
第十四章 數據轉型的核心流程
第十五章 自力更生還是花錢外包
第十六章 想改變，得犧牲一些賺錢的門道
結語 對變革的恐懼，從數據裡找答案
致謝
书名简译:平均数的误解：正确的计算，却带来错误决策！商业人士如何解读数据。
目前沒有評價。