1702627350
虽然为了建立假设寻找一定量抽样数据的方法，需要相当专业的统计学知识，但如果只是为了掌握数据概况的话，有上万条数据就够了，这种程度的统计工作仅靠一个熟练应用Excel的人就可以搞定。
1702627351
1702627352
当然，对庞大的数据进行高速且符合一定条件的随机抽样调查，以及对最终的分析结果是否准确进行验证的时候，还是需要大数据技术发挥实力。但是，这种速度和准确度究竟有多大的价值呢？这个问题的答案，就要取决于分析结果能够产生多大的价值了。
1702627353
1702627354
实际上分析本身并没有价值，如何活用分析的结果，最终得到的价值也是不同的。
1702627355
1702627356
1702627357
1702627358
1702627359
看穿一切数字的统计学 [:1702626735]
1702627360
看穿一切数字的统计学 第三章 统计学的关键：误差与因果关系
1702627361
1702627362
1702627363
1702627364
看穿一切数字的统计学 [:1702626736]
1702627365
08 抛弃传统的统计方法吧！
1702627366
1702627367
1702627368
1702627369
只会让老板毫无反应的图表
1702627370
1702627371
数据分析中最重要的问题是，“统计分析的结果所带来的利益能够大于所消耗的成本吗？”
1702627372
1702627373
顾客的性别与年龄、居住区域的分布等所占的比率，或者问卷调查中回答“非常满意”的人数所占的比率，很多人将这些数据称为“分析结果”。就连那些自称为专家和顾问的人中，也不乏将调查问卷的结果收集起来制作成漂亮的图表，并且以此谋生的家伙。
1702627374
1702627375
但是，像这样的分析结果除了“对现状有所掌握”之外，还有更多的意义吗？如果你将这样的结果汇报给上司或者老板的话，对方不会有任何反应。
1702627376
1702627377
要想令对方不至于无动于衷，就必须让分析结果“在商业中与具体的行动联系起来”。要想引发具体的行动，就必须回答以下“3个问题”。
1702627378
1702627379
问题1 做出何种改变能够增加利益？
1702627380
1702627381
问题2 是否能够做出这种改变？
1702627382
1702627383
问题3 如果能够做出这种改变，那么带来的利益是否大于所消耗的成本？
1702627384
1702627385
如果能够回答这3个问题，那么接下来就可以采取行动增加利益，否则的话则没有必要按照统计分析的结果采取行动了。
1702627386
1702627387
比如说，那些了不起的专家和顾问，经常会拿出像图3–1那样非常漂亮的“品牌好感度调查”，那么这个分析结果能够回答上述的3个问题吗？
1702627388
1702627389
之所以会对品牌好感度进行调查，是因为在购买商品时，“对品牌好感度高的人消费金额相对较多”。与之相反，如果品牌不受欢迎或者因为其他因素，产品的销量长期没有发生任何变化的话，就不用考虑这个问题了。所谓“破罐子破摔”的经营策略，有时候也是存在的。
1702627390
1702627391
你对××品牌的看法如何？
1702627392
1702627393
1702627394
1702627395
1702627396
图3–1 没有任何有用信息的图表
1702627397
1702627398
那么，“做出何种改变（比如举办活动之类）能够提升好感度”，以及“这样做需要多少成本，又能带来多少利益”就是我们需要考虑的问题了。
1702627399