同一份數據可以指向相反結論：Cynthia 談前提假設與三類數據比對

歡迎來到銷波快，哈囉，大家好，我是Jayden，歡迎來到這一期的銷波快。那這一期的銷波快很特別，我們採取的是影像加錄音的方式來做處理。那為什麼會有影像的方式呢？因為我們這一週一樣，又請了一位大人物。我認識他的這幾年的過程中，發現到一件事情，就是他已經快到我快追不上他了，他已經不是我認識的那個人了。那是因為我在你後面，對不對？沒有，沒有，沒有。

他已經曾經來過我們節目兩次，這是第三次來到我們節目，歡迎我們的Cynthia。嗨，各位銷波快的聽眾們，大家好，我是Cynthia。Cynthia，還記得第一次來是在講什麼嗎？講什麼，個人品牌是不是？第二次來是在講，我忘了，還是在講品牌。

那這次來，我覺得比較特別的事情是，為什麼這次又邀請Cynthia來。主要有幾個原因。第一個原因是因為我們最近銷波快在講的東西，跟數據比較有關。所謂的數據，我們不單單隻談數據，我們談資料庫。所以在談的東西是類似企業資料庫該怎麼樣？應用在AI時代下面，存取他們的一些資訊跟內容。

然後做到整體的數位轉型。我們其實在講的類似這樣的東西，包含是前一段時間我們在談那個有一個很知名AI的開發者，他在講個人的Wiki的概念。對。那我就在談，就是我們實際上，例如說，利用在企業端的部分，那怎麼樣？把這些數據存起來，然後變成可能公用的資料庫，或者是企業大腦的概念？然後變成在每個部門中，都可以跨部門使用？大概在講的東西是這樣。然後我就想說，既然談數據，那要找Cynthia過來看看，聽聽。對，聽聽他們的專業，第一線的意見。對好。那我首先要請問你，第一個問題。

就是因為我們都知道，你之前在Nielsen工作，其實接觸了非常多有關數據的分析，包含是我們的聽眾也在問一件事。就是在現在時代下面，其實要做市場分析跟調查，我認為很多人還是沒有經過傳統的一些接觸，或一些執行的方式。那在這個過程中，能不能告訴我們，通常你們以前怎麼做的？然後在現在的時代下面，這些東西如何能夠變成所謂的企業的資產？

我先說一下，因為我進Nielsen的時候，大概是十幾二十年前。那以Nielsen來說，它最大的優勢就是它跟通路都有交換Pulse Data，所以藉由這些Pulse，就是通路銷售的資料，其實它進到資料庫裡面，做了一些盤點跟整理，之後就可以幫助到客戶。比如說，我們的客戶通常是外商或臺灣的大企業，那很多是FMCG相關的產業，那可以幫助他們知道。比如說在量販通路，他們跟他們的競爭對手其實狀況怎麼樣，那可以看到銷額，銷量，價格的變化，鋪貨率等等，都可以看到。

那因為它最大的優勢就是它跟所有知名的通路，包括像家樂福，大潤發這些，現在叫大全聯，其實都有交換到Pulse Data。所以它把這些資料整合起來，自然就可以做到有效的判斷。那這是Nielsen的其中一個部門在做的事情，那我就在這個部門。那我們通常也會跟跨部門去做合作，因為這件事情，透過我知道通路端的資料，我頂多可以知道我的業績的漲跌，或者是我的對手可能做了價格促銷，所以價格反映出來了，所以看起來它的銷額佔比是比較漂亮的，但是我沒有辦法知道，是不是真的是因為促銷帶來的背後的原因。

有的時候，很難說，它為什麼選擇競爭對手的產品，不選擇我的？其實，這個為什麼是需要做更多的市場調查的，所以我們有另外一個叫消費者研究的部門，它其實會透過包括有市場調查問卷，調查的方式。

那這個問卷調查的方式，去知道說消費者的輪廓，大概長什麼樣子，他們目前的使用行為，生活模式，他都可以做調查。那市場調查的方式，除了問卷調查之外，還有另外一個叫做 home visit，就是我們真的走到用戶的家裡面去看一下。用戶在生活上，他在什麼場景使用這個產品，他怎麼擺放這個產品，以及他在使用這個產品的時候，他可能會跟哪些產品搭配使用。

那這些過程，其實會讓我們發現一些新的商機，或是新品的機會，甚至有可能調整舊品去做升級。那這叫home visit。除了這個方式之外，還有包括像焦點團體訪談，就是一組大概是 8到12人，通常我們會做不同的分群，比如說我的忠誠用戶，或者是競爭對手的忠誠用戶，或者是本來是愛我的人，跑去愛別人了嘛，就是我的舊愛。那我就會做不同的分群之後，然後問他們一些不同的問題。

那這種焦點團體訪談，通常會發生在第一個是新品要上市的時候。我想要去測試產品的概念，那知道這樣的產品概念，消費者到底願不願意買單。那他願意買單的話，他願付價格多少，他對包裝來說，他喜歡什麼風格的，什麼樣的包裝型態，其實都可以測得到。那第二個方式呢，是在廣告的前後測。你要知道廣告的秒數，然後每一秒每一個環節他要說什麼。比如說我的30秒的廣告可能會有10句話，他最有感的是哪一句話。

所以你知道了之後，你接下來把30秒廣告變10秒，你就會知道要怎麼剪輯，留下什麼，然後或者是接下來你要新增什麼。前後都會去測這樣的廣告。那焦點團體訪談其實會帶給我們蠻多在做產品或者說行銷的時候一些消費者的洞察。

所以你就會知道說，透過問卷調查和 home visit以及做焦點團體訪談，其實他都是在研究消費者的行為，他的使用的體驗，他內心的感受，他的選擇。

那這個才叫做消費者研究的部門。所以我們的部門就是在看通路的銷售數字的，他比較是在研究關於我書裡面在講的大數據，就是量化數字的部分。那消費者研究看，比較多是在質化數字，就是他沒有辦法用 012345678910去做衡量的，他蠻多都是行為，都是文字的描述，他就會由這個部門去看。可是除了這兩者之外，你又會很好奇說，那我們跟競爭對手可能會有一些媒體投資上的差異，可能不同的節目，不同的投資量，或者是我買的時段不太一樣。那這個呢？他有第三個部門叫做媒體研究部門。其實應該最多大家瞭解 Nielsen 都是這個部門，因為你會常常看到 Nielsen收視率調查。

所以大概這三個部門會一起去服務我們的外商 FMCG的客戶。那這三個部門就必須要進行交叉比對，因為每一個變數都可能影響到你看到業績的增長或衰退。然後，所以，我們也有一些跨國分析專案的模組可以去看說，不同的行銷方案，不同的產品策略到底哪一些？

對於這個品類、這個產品的用戶來說，他是買單的。所以其實，有非常大量的數據，就是我們每天可能會自己做分析，或者是透過跨部門的方式，甚至跨國的方式去做各種的分析專案。

那我覺得比較多，其實我在這幾年，不管是到臺灣的企業或是成為顧問講師之後，我覺得臺灣比較多企業困難的點是他們會覺得要做到這麼龐大的資料，這麼精細的分析，成本和時間太高了。所以他們沒有辦法這樣做，那他們就會覺得那是因為外商很有錢，所以可以做這件事。外商是蠻有錢的。我個人認為也是，這個結論對。

但是實際上我覺得後來會想要寫這本書的原因也是我覺得有的時候你不見得要透過市場研究公司你才能夠收集 這些線索，你還是可以透過你平常日常對於很多現象的觀察。像我後來進到本土上，其實沒有那麼多數據了。

但是我還是會到康是美區城市去做通路的訪查。然後問一下藥師或是問一下店長，可能他看到了什麼。甚至假裝自己是消費者去問他一些問題。

那你就會有很多的發現。那這個過程只是我們需要隨時的提醒自己，要打開自己的眼睛，要保持好奇心，然後不要太快的下武斷。其實還是有機會去收集到一些零碎的資料。其實這也是我覺得很有趣的東西。我覺得也可以跟你分享。就是在整個消費者研究跟消費者洞察的過程中，我之前也大概在做類似的工作。然後我們在做東西比較，因為我們做行銷計劃。

然後我當時的工作是做那種連鎖展店的那個街區。然後確認這個點是否。然後去評斷這個商圈的大小。然後我們當時候做最多的事情，我主管教我的。他說，你就常去SOGO四樓晃一圈。

看一下他們變化長怎麼樣。那你就大概可以知道整個趨勢往怎麼樣，往哪走。我們以前也是這樣。然後那個時候，我很喜歡一本書。那叫做創意思考的街頭思考書吧。

對，那本書。那本書也在講的東西就是你怎麼樣走到路上，然後去看待，去思考這個東西可以怎麼樣跟行銷有關聯，或者是他怎麼樣做所謂的創意發想的這個書籍。我覺得當時候在看這些書，其實蠻有感覺。因為那就是我們以前的工作模式。可是回到現在的狀況，我們進入到AI時代。你認為AI時代下的狀況，數據分析或者是數據判斷，這件事情變得更簡單，還是更困難？

我覺得有簡單的地方，也有困難的地方。那可以跟我們分享一下。簡單的地方是在於說，像我們在之前做數據分析。通常它的流程就是我對於客戶想要解決的商業議題，我可能會先去做一些探詢。我會好奇說他為什麼有這樣的商業議題。他內心可能也有一些他的假設以及他希望達到的目標。

那瞭解完這個問題，釐清了清楚之後，我進一步才會去思考說。那基於這樣的問題，我對於平常的觀察以及我對資料的掌握度，我可能會有一些假設。然後透過分析不同面向或是不同的資料維度之後，我去驗證或是推翻這個假設。那過程，你就要撈不同的資料，看不同的維度，用樞紐分析，把腦洞拉一下，細拉一下，然後去思考說到底有沒有其他的可能性。這個，我也想要分享一個我在節目上曾經講過的一個，我覺得是有一點點有趣的觀點，就是其實很多的行銷部門，包含是行銷企劃部門，大概在前端的時候都會做一些。例如說，應該說，臺灣的市場，也許國外市場也一樣。通常是有一個產品。

產品以後，然後才開始做市場調查。然後針對這個產品做市場調查的狀況下去思考所謂的行銷方案或者是各式各樣的brainstorming。我常會說，他們就是在一個既定的框架上面去猜有可能的TA是誰。對啊？他比較像是先設計後畫靶。

所以很多時候他在找的是想要支持自己這個產品會賣的一個證據。對，對，對。所以比較像是這樣。然後我那時候講了一個，我覺得很不客氣，也是一個玩笑話，但也是事實。他說，我覺得所有的行銷企劃都在算命。可是實際上也是因為所有成功的行銷很多都是後延的。因為就算你做再充足的消費者研究或是市場的分析，最終其實某部分第一個，你沒有辦法猜透市場會發生什麼事，包括你的競爭對手的動作或是突然間經濟環境帶來什麼樣子的改變。

那更不用提，其實某方面，再怎麼看數據分析，其實它都還是基於一個前提假設，你才會去做這樣的分析。 那甚至，同一個問題，不同的數據分析師，不同的解讀人員，得到的答案都會不一樣。所以我印象非常深刻，一次就是我在Nielsen的過程。有一次，客戶想要從國外進一個成功的產品進來臺灣。

當然他們前面會做非常非常多的調查，包括消費者的研究，也包括他想要了解臺灣的市場到底有沒有這樣子的需求存在。那因為我看的比較都是通路銷售相關的資料，所以他就問我說，如果我去看不只我們家品類的資料，有沒有機會我透過不同的跨品類的資料，你幫我看一下所謂拋棄式的清潔品，這件事情到底是不是一個持續成長的市場，它的趨勢怎麼樣？

那個時候我的確就做了一些分析。你知道光是怎麼定義拋棄式的清潔品就有可能有不同的定義，你要抓哪些的產品，哪些的品牌，哪些的品類。

然後第二個，哪些的不含在裡面，哪些的含在裡面，有香味的，人工的，天然的，什麼？然後接著做完之後，那時候發生的事情就是我的結果出來了。

但是，客戶跟我說，其實他們就是想要引進這個商品，只是，他的老闆說，你去問一下Nielsen的想法。然後呢，他想要用Nielsen的資料來驗證這件事。然後我就很好奇，我就問他說，那你們觀察到什麼，所以決定要引進這樣的商品。

他有告訴我他們的假設的基礎是什麼。那我就發現，基於這些假設，其實你會撈取的資料，還有看的市場，其實是完全不一樣的。然後重新再透過他有這些的前提假設的狀況之下，我重新再撈一下資料，的確會support他的答案決策。

所以最後呢，我那個時候因為非常的年輕嘛，我就跟我的老闆說，我覺得，這件事情有點微妙。相逼途中對。因為實際上我做出來一開始的finding不是這樣的。我真的結論不是這樣，其實是背道而馳的。

可是透過改變了前提假設和我撈資料的維度，答案就不一樣了。我問他說他怎麼建議，那我老闆當時就告訴我一件事。不務假方沒有，他就說，你在講的過程當中，你要很有技巧的說，你是基於什麼樣子的前提假設，所以你看了哪些品類，哪些資料，因此得到這個結論。

他說其實夠聰明的客戶懂的就會懂。也就是這個前提假設不存在，你的結論可能就完全不一樣。懂懂所以你沒有說謊，你也沒有用資料去欺騙客戶。可是你同時讓他知道，其實所有你找到的洞察都是基於一定的前提假設跟條件。懂懂，我大概理解。那你覺得在AI時代下面，數據分析變得比較難的地方是什麼？我覺得比較難的地方，其實就是在判斷。因為AI會根據我們餵給他的資料，以及他所有既有的資料庫跟歷史的數據，他其實會做各種的判斷跟生成。

然後跟問法。對。所以有的時候，如果你已經抱持了一定的假設，其實會跟剛剛我在Nielsen遇到的狀況一模一樣，你得到的答案通常是支持你的答案。

這是一個。然後第二個，通常我們會灌進AI的資料，其實通常都是量化的數字，也就是你會把資料庫或是報表裡面的東西丟進去。可是質話，也就是你透過訪談，甚至很多時候，比較是你自己觀察看到的東西，他其實不會有，因為他看不到人的這一面。他沒有溫度，他沒有體驗，他也不太知道什麼感受。所以，這類型的東西一定是靠你喂進去。可是偏偏你喂進去，一定有你自己的主觀認定。

我覺得這一個人講我壞話不會對啊。我覺得老闆今天沒有跟我打招呼，他一定是討厭我。但實際上只是老闆今天覺得很累，不想跟人打招呼，所以。 各種的主觀認定，他可能都來自於個體上的差異，或者是你的主觀認定，那就會產生，你餵給AI的資料其實本來就是偏頗的，那你能不能夠去讓自己永遠都反過來想去試著思考，有沒有其他可能性？

我覺得這是這個時代最大的一個考驗，因為我們很容易把AI產生看似正確的答案吸引為真，但沒有真的去經過思考跟判斷，也沒有去經過篩選。那個篩選不是憑自己的感覺去篩選，而是你永遠要問說，還有沒有其他可能性？然後試著反過來想。這件事情讓我有段時間發現了一個很有趣的東西，因為在AI時代下面，市場調查變得相對性比較容易取得一個像樣的答案。

我稱之為像樣，不代表它已經正確。我們在行銷面常會做一件事情，叫做客戶分析。例如說，我們要先尋找我們TA根據這個產品，然後去列出這些TA，然後根據這些TA去做一些假設。實際上在市場分析的技術裡面，它會遇到一個蠻有趣的東西，就是你列的TA不代表這個TA就是一定是這個樣子。

它會變成是它已經鎖死在那個區塊上面。然後，所以你就看不到其他動產。這個東西，就是我覺得在AI時代很容易遇到的狀況。對。但是，因為你，如果真的要完整的知道客戶的輪廓，或是他的生活模式、使用行為，其實過去，當然，像我在外商的時候，我們每兩到三年會做consumer的UA，就是知道他的persona，然後知道他的各個的behavior都會去做。

可是問題是他就是需要一筆費用。對，完全理解。所以我們固定兩到三年，我們其實一定會留下這一筆的預算費用，是做這件事。是那原因是什麼？我想要知道這個市場的消費者輪廓是不是有產生一些改變。結構是不是改變了？因為結構改變，代表我接下來的新品的策略跟行銷的策略必須要改變。那對我來說，我就會看待這樣子的資料收集叫做投資，因為它可以幫助我少走彎路，甚至開發出自以為是的商品，這件事情也可以避免。

但是對很多的企業來說，我覺得比較像是，這是一個費用。所以他們會覺得，我花錢下去，可是這個很顯然他不會為你帶來回收。他只是讓你看到，大概是這樣。有可能會的方向。對。但他們就會說，我也知道。甚至有時候他會覺得，做出來的結果跟我想的差不多。這樣子我就白花錢了。那我還不如，就是我自己去猜一個，或是我覺得就是這樣。因為我很有經驗，我真的覺得，我眼光很準。

對，所有的企業主，我覺得，某方面都是有點無可救藥的浪漫主義者。他必須啊，也必須啊。不然他堅持不下去了。對啊。所以我覺得這件事情，其實有點兩難。我覺得這也是AI時代會越來越困難的一件事，因為得到答案太容易了，可是你試著去推翻這個答案會越來越難。好，那接下來我想要問的東西，是一個關乎這本書想要提到的東西。

例如說，你們在這本書裡面一直談到的東西叫數據決策，然後蠻多的部分是應用在例如像公司的跨部分的溝通之類的，能不能多說一下關於數據這件事情？因為在傳統的狀況跟現在的狀況有點不太一樣。傳統的時候其實我們在談數據的東西，其實很多的部分是一堆數字，大家不知道怎麼分析，大家不知道怎麼看，不知道怎麼講，不知道怎麼溝通。對，那現在的狀況下，我們要進入跟建立這樣的數據決策，然後去確認這樣子的策略，它大概有什麼樣制定的方向。

我覺得，凡是走到職場當中，所有的決策，其實有一個我覺得很大的命題是，所有的決策一定都需要 跨部門溝通跟協作，所以不管AI幫你產生再漂亮的答案，或者是幫你找到任何的insight，最終在你的組織里面，不同部門的人，他的立場，角度就是不同。

我舉個例來說，像我以前最長的工作場景，就是因為我是在品牌team，然後做marketing跟整個品牌的管理的那，我常常對口的單位，其實是業務team。

然後業務team，他們就是要負責通路上各個通路不同的業績，以及促銷的方法。那我們兩者的KPI是不太一樣的。業務的KPI是它的業績，就是要達到，也有關它能不能領獎金。

像外商的業務，其實他們通常除了業績作為KPI之外，還有包括它對於業績預測的精準度，還有退貨率，這些也都代表部分它所謂的KPI的指標。

那他們就很單純，其實就是在於出貨跟退貨，這件事情是他們重要的指標。可是對我們來說不是。我們除了管出貨跟退貨，這對我們來說也是重要指標之外，我們也要管毛利，也就是出減退之後，再扣掉產品的成本，扣掉這些通路有的沒的的費用之後，毛利是多少。

接著，我還要知道，這個品牌的淨利是多少，就是包括扣掉行銷廣告的費用，扣掉人事管銷成本，這個品牌到底最後有沒有賺錢？那你看，如果我們在看的指標不一樣，其實我們的立場，會完全不同。對業務來說，它就不顧一切的把餅做大，所以就算AI產生再漂亮的答案，它會看到的永遠都是要把餅做大的答案。

但對我來說，我不能只看餅做大，因為餅做大，我那時候最常跟業務吵架，一句話就是，餅做大很簡單啊，我就狂撒錢，餅就會做大啦，我就是促銷做很深嘛，買一送一，然後行銷廣告砸錢下去，通常餅就會做大了。

可是問題是，這個餅大了之後，它不賺錢，賣一瓶賠一瓶，這個不是公司要的啊。那這個時候，兩方就會吵起來嘛。所以最終，你都是要從跨部門不同的立場跟價值組裝之下，你要去思考AI所幫你產生的這些分析的結論，以及創造的方案當中，到底它的可行性評估的指標有哪些？

最終，你找到的不會是完美解，一定是考量了所有跨部門的主張之後，所找到的最適解。適合每個部門，不見得大家都百分之百滿意，可是至少，大家都可以接受。所以AI產生答案之後，我還得考慮公司的資源，公司的狀況，以及跨部門的各個立場試算各個不同的情境之下，可能產生對業績的影響，對毛利的影響，跟淨利的影響。最終把所有的方案做完可行性評估之後，才有辦法下決策。

那我覺得這個就是為什麼，這本書其實會想要把整個做決策的過程大拆小小拆細拆成這麼多的章節。因為你單純靠AI，其實AI它不知道你公司有哪些政治利益跟策略目標，政治利益，有很多政治利益，以及各部門的這些衝突點。

因為每個部門，其實都互相在制衡，那它不知道之下，它給的答案會是看似正確的漂亮答案，但是不見得是你適用的答案。回到剛剛AI的問題來說，我覺得最危險的一點，其實是會容易出現越來越多的思想懶惰者。但是實際上在AI的過程當中，思考並沒有真的變少。

那我覺得變多。對，其實反而要變多。我覺得決策變多。對，因為你要能夠去下判斷嘛。所以我常常都會在企業內訓的場景跟學員說，AI協作很重要，沒有錯，但在AI時代，有三種最重要的能力，是絕對不能廢掉的三種能力。

第一個就是思考力，因為你要經過思考，你才會知道，你丟進AI的問題，以及資訊，是不是能夠帶你走向，你想要走向的那個方向跟目標？第二個，你要有判斷力，因為你丟對了東西 之後出來，它會給你一百個甚至兩百個答案，你要能夠判斷到底哪個是看似正確的漂亮答案，哪個是真正適合你的答案。

接著，就會出現第三種能力，你要有決策行動力，你要勇於下決策，而且勇於去行動。因為一直到下 決策的這個動作，其實都還只是假設而假設，你必須要能夠透過行動，去市場驗證，你能夠得到真實的數字資料。然後透過可能 在過程當下 書裡面有提到 領先指標跟落後指標，你看到領先指標，你試著去做 滾動式調整。

因為它會幫助你去 預測真實結果的發生。看到落後指標了，你要試著去思考，它能不能帶著你去找到 走向三五年後的 北極星的目標。這個過程，其實只有你能 夠下決策，只有你可以去行動，這個AI沒有辦法。因為，真正在做這些事情的，其實還是你，面對這個市場，還是你。所以，我覺得，思考力，判斷力，還有決策行動力，是這個時代反而更 重要的三個能力。剛剛你提到的東西，有一件事情，我覺得很重要。這也是我們最近在做的 Podcast內容 中有特別提到的東西。因為有很多的時候，是AI會給 很多不同的方向，跟不同的想法，跟不同的意見，甚至我們要花很多 時間做決策。這些事情是在這個時代 下面，我覺得不可 避免的東西。

但有一件事情，其實是這個時代下面，一個蠻特殊的，一種進行，是叫做AI Native。那AI Native的概 念是什麼呢？我今天從這個決策，或這個判斷，或這個企劃，它本身就是一個 AI的結論跟解答出來，以後變成AI，有一個運作的顯示，跟運作的方式。最後這個運作的顯示，運作方式，會得到一個數據。那這個數據的成本，再來回推當初的 這個決策或這個判斷，是不是對的？其實我覺得概念上面，就跟你剛剛講的東西，有一點點接近，跟類似。只是現在這些東西，跟這些流程化，已經變成AI的東西，跟主張在去做。然後，我們再去看 每一個東西，跟每個細節，跟每個執行方向，有沒有什麼地方 是細節部分要調整。

所以它很變相 是它是一個路，然後，我很像工程師，修那邊的 這邊 東東修一修，這邊西邊修一修。裡面有提到一個東西，我自己覺得它很重要。就是這個數據，它反映的東西，到底是內部決 策出問題，還是外部因素？我覺得這件事情，我會想要多問。因為有時候，數據的呈現方式，它不見得是內 部的問題，而是外部因素。例如說可能有一個巨大 事件產生出來的結果。

通常數據怎麼判斷 內部跟外部的狀況？應該是說，所有外部的環 境的狀況，它都難以避免，一定都存在。比如說，當時在今年，對等關稅的事情出來，它就是對經濟 帶來影響。然後現在股市 的上衝下起，它其實 也是帶來一定的影響。所以，你會看到，有一些用戶的行 為開始改變了，有一些大家焦慮 點開始出現。

這個其實，我覺得都很難免。這個東西，它基本上一定外部的 因素就是不可控的。所以我通常在去做任何 給學員或者是我的 客戶做建議，或者是講授 的過程當中，練習的過程當中，我會帶著他們去做 一件事情，是 我們在這本 書的第三章，叫做分析原因。

就Analyze。然後，當中有一個叫情境 盤點MECE。我把問題的原因全部用 MECE法則，毫無遺漏的，把它盤點出來。當中一定有內有外。這個時候，我要能夠去下 一個判斷，說，因為外部，你沒有辦法控制。它是你的不可控因素。所以你要先 思考的一件事情，是你所有盤 點下來的原因。第一個問題叫做，它是可控還是不可控？然後，當你把它分類成可控，不可控的時候，我會做第二件事情。

把所謂外部原因，不可控的因素，我試著去思考，有沒有可能 因為我改變了某些變數，或某些條件，它會變成可控，或者是半可控。

那這個時候，我就會把這兩塊，中間會變成一個模糊的回接地帶，再把這些原因再放進來。接著我就會做第三件事情，是我知道了半可控跟可控的嘛。那不可控的，基本上我就不會再去理。它也就是說，你只考慮可控跟半可控的這些數據以及原因之後，坦白說，你的問題絕對沒有辦法100%解決。

可是這就是現實，你得接受不會有完沒解。你只能在你自己現有的資源條件下，做出最適合你的決定。你知道，就連可控跟半可控有很多，加上你所擁有的時間資源，人力，技術，其實很多東西還是不可行。

你可控，但你就是能力還不夠，就是不可行。對。我最常舉的例子，在企業內訓我就會講，什麼叫做我今天會帶來很好的效益，就是我覺得我跟金城武結婚很好啊。

這個方案很好啊，可是他不可行啊。因為我就沒有那樣的條件，也沒有那樣的資源去碰到他，所以那個叫做空想嘛。所以你又因為你自己能力，認知資源各方面的限制，你一定還會再做一次的排序。

所以最後，你能夠去執行的最後的這個決策。當下最佳解。它只是當下最佳解，而且那個當下最佳解，就像我很喜歡剛剛Jayden講的當下最佳解。因為明天可能就不是了。對，完全理解。一年後可能就不是了。因為我們常常在人生的旅途上，我覺得也很像你，回頭看自己的一年前。

其實你在一年前，如果你持續的在學習成長，你一年後的你，自己跟一年前，能夠做到的事情，以及同樣一件事情，會下的判斷，其實常常是截然不同的。懂。

那再來，我覺得還有另外一個問題是聽眾很想知道的，就是，如果我今天是一個完完全全全新沒有接觸過這樣子訓練的人，他該怎麼樣去好好的往前走或往前邁進？

買書。先買書我就知道。哎呀，賣書真的在那個年代好難對。但是我覺得買書是一個很重要的事情。因為剛剛有說到，你的能力，你賺不到你認知以外的錢。

你沒有辦法解決你能力範圍以外的事情。所以當然，提升能力跟認知是重要的。那我覺得書是相較起來最便宜的投資。那它通常在數據的分析的過程中，或數據決策過程中，它通常分成幾個階段？

我覺得應該是說，回到買書之前，其實它真正要做的第一件事情，是我常常會提醒大家，在我的課程裡面，或任何時候，我最常說的一句，有點到最後，大家會覺得，抹音穿腦花，叫停一下，想一想，問一下。因為很多時候，我們都太快下決定了，太快下結論了。

我看到了，今天Jayden臉很醜，我就覺得，我是不是做了一些事情得罪他。你誣衊我，我今天發現某人不回我訊息。沒有你誣衊我，我就覺得。沒有，我在講張維峰先生。他不回我訊息，我就想說，是不是最近可能就不太想要理我。但實際上可能只是因為很忙。所以我們常常會因為自己的主觀認知，或者是我們的過去經驗，其實帶著我們走向過渡五段的論定。那我覺得培養數據思維，這件事情最常可以做的一個練習，就是你停一下，想一想，問一下。還有沒有其他的可能性？

有沒有一些線索你可以去觀察一下？不管是量化的，或是質化的。所以我常常都會說，你知道，我那一天有一個朋友邀請我講這本新書，是用動漫的角度去講。這麼厲害。我超嗨的。

然後呢，他就講一件事情，我覺得他這個比喻超好。他說，這本書叫從直覺到數據。其實就是想要幫助大家 從毛利小五郎變成名偵探柯南，那我覺得這部卡通應該大家都有看過。

你去思考一下，毛利小五郎最常做的事情是什麼？他最常做的事情就是他看到一個案件，他就會說犯人就是他，一定就是他了，因為他怎樣怎樣。

然後就被受孕了，然後呢？大家就會發現說，只要他說的那個犯人，一定不是犯人。對，但是你會發現，柯南很少做這件事。他會在那個犯罪現場東看看西看看，看一下血跡，看一下有什麼線索，看一下腳印，看一下什麼，他都不講話，他只是東看看西看看。我覺得這個其實是我們可以好好的把數據思維發揮出來的原因。好。那這是我自己想要問的最後一個問題，就是你認為每一個人都需要具備這樣的思維嗎？

那是一個靈魂拷問。我覺得每個人都需要啊。因為我自己常常有一句話要送給大家。每一次在不同的場合，我大概也都會講一句話。當你有新的看見了，你才會擁有新的發現。當你擁有新的發現了，你才會有不同表現。哦。

那當你有不同表現，你就有機會走向不同的呈現。那你人就會變得不一樣，你的生活會變得不一樣。可是如果你一直以來都只看到你想看的，都只武斷的下結論，你永遠都沒有辦法看到其實還有其他可能性。當然你沒有機會做出更好的決策。

嗯，瞭解。那今天其實聊了非常多，我覺得很多很專業的東西，我不確定我們聽眾是說的對嗎？現在他們已經睡死聲音。他們應該已經睡死了吧，我們很像在上大學課這樣沒有。

我跟你說，我剛剛因為這一場之前我在做企業內訓嘛。是個線上講座。然後通常內訓的線上講座，大家全部鏡頭都是關著的嘛。然後只要你的講授時間稍微長一點的時候，你就會想說大家還活著嗎？對，然後我覺得他們很可愛的，我就說因為我有給他們一些遊戲化的電腦，就是他只要在聊天室我問問題的時候有留言，他就加10分。

那第一個留言最快最準的就會加50分，所以他們就會願意留言嘛。我就說像這個，如果我看到大家都關鏡頭都沒有人留言，我可以下一個很主觀的判定叫做大家都。睡死了。

都掛線同時在做其他事情是，但是我要怎麼樣去收集數據驗證呢？就用遊戲化的方式，分數的方式來做。就是我問一個問題，有在聽的幫我留言，因為他留言就會加10分嘛。

我的做法是那聽得懂的打1，對啊，大概就有人會打1這樣。對啊。完全理解。所以所有的數據其實都是你有意識的去留下痕跡得來的，那就會帶你有不同的看見嘛，那不同的看見就會有新的發現，新的發現就會有不同的表現。好。那在節目的最後，有沒有什麼特別你想要跟我們的觀眾講的呢？因為很多人會覺得數字是很冷冰冰的，然後也很容易說因為數字通常很難，因為我們小時候被數學課圖讀過嘛。

嗯，我覺得是因為大多數人在看數字的時候在想的都是0 1、2、3、4、5 6、7、8、9 10這些所謂量化的數字。可是這本書為什麼很想要寫給大家認識數據之外，是因為我想要讓大家知道其實數字並不是冷冰冰的。

它除了量化的數字之外有質化的數字，而量化數字的溝通是最客觀的現象，所以最不容易產生誤解跟認知的落差。再加上有質化的數字，你用心的去觀察一個人，深刻的去認識一個人，它就不會冷冰冰，因為你把人放在心上，它就會擁有溫度。 所以當你深刻的知道這件事情，你才有辦法好好的去運用數字。不然你永遠都會覺得數字很冷，然後它很可怕很難。所以我其實最想告訴大家是說，數字完全不可怕，不冷冰冰。它存在我們生活的每一個角落跟線索，只是我們得停下來想一想，問一下有沒有其他的可能性，你就會有更多的看見。

好，那今天真的很感謝思霞再來到我們節目裡面跟我們。感覺常駐對，常駐。那其實就是因為有蠻多的東西，包含是我們最近的節目也在講很多數據化資料庫的東西，一直在談的都是這些東西。就是因為因應AI的狀況下，我個人認為在AI狀況下面，數據的判讀變得相對性而言簡單一些。

那也可以幫助不管是企業主或行銷人有更好、更完整的策略，甚至是往前的一些方向。它能夠比較知道它下一步應該去哪裡，應該怎麼判斷，怎麼驗證。那這些東西其實都是我們過去行銷人花大量的時間在做的事。

只是現在可以透過一些簡單的方式，能夠得到一些我們說所謂的答案。然後包含是現在在談的企業大腦，不管是企業整體的資料庫，所以整個企業的數位化跟數位化開始，把這些數據變成整個雲端的過程中，派一個AI實際上去做整體的一些分析，就會相對性而言有一些答案。當然有提到其實有很多，不管是植化內容或者是量化內容，你還是會根據這一個下指定的人有所變動跟變化。但相對性而言，比起過去而言看不懂一大張報表，然後再來是這一個報表，實際上最後的結論或數據跟去年差在哪裡？

不知道，不知道怎麼講。現在至少還可以用AI產生一份報告書。所以我覺得這些東西，我覺得它會加速發展這個產業，包含是我們的，不管是管理或營運的方式。所以這是我自己的想法，跟自己的判斷。不確定到底三五年後是不是真的是這樣子。

對啊。畢竟我們是根據這個數據來判斷未來的狀況。今天很感謝有這樣的機會，再跟CCR聊一聊。下一次我們不知道要聊什麼，可以聊動漫啊，可以聊動漫。是不是也許有機會，可以去你的節目，也稍微聊一下？可以啊，沒問題。OK，好。我們今天的節目就到這個地方囉。我是Jayden。我是欣夏。我們下禮拜《銷波快》再見囉大家掰掰掰掰。