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
1702627400
如果无论如何都不能提升品牌好感度的话，那就只能接受现状。如果为了提升好感度、增加销量，而投入大量成本导致公司财政出现赤字，这是得不偿失的。
1702627401
1702627402
遗憾的是对于这些关键性的问题，图3–1根本无法给出任何解释。
1702627403
1702627404
还有一种情况，假设你的公司从数据库中抽取了“庞大”的顾客数据，统计出如图3–2那样的表格。
1702627405
1702627406
虽然这个表格直接显示出了销售额，这还有点作用，但遗憾的是我们没有改变顾客性别，或者改变顾客年龄的魔法。
1702627407
1702627408
我们能做的只有将价格比较高的商品针对特定性别、年龄的顾客群体举办促销活动。
1702627409
1702627410
顾客的性别、年龄与平均销售额（月销售额）
1702627411
1702627412
1702627413