《統計學，最強的商業武器》：不只要會用，還要具備相當的統計素養

大學時期，有幸在大三對於統計分析還有研究方法有基礎的認識，以致後來的四年能在社會科學領域、最新的期刊發表知識能隨時跟進。

對於要成為最強的商業武器，我完全認同作者提到：除了紙筆的計算外，統計學課程更應該強調統計分析應用及統計素養的建立，畢竟大部分學習統計的人應該都是拿來用的。尤其擔任助教期間更是體會深刻，統計學在政大企管是安排在大二必修，而基礎的統計檢定(統計學下的內容)和行銷管理課程會安排同時修習(按理說學生的印象應該會最深刻)，然而帶領學生進行問卷分析時，學生卻完全無感，更別說連結和整合。

我先聲明：以下的內容並不會探討太多的數字運算，畢竟統計在商業上的價值是協助決策、解決問題，請您放心。

在商學這個應用科學領域，多虧其他學科的學者鼎力相助。而身為借用各領域的研究成果，一定要先了解統計在不同領域扮演的目的(見下圖)，才不至於鑽牛角尖、雞同鴨講；同時，也要注意統計的假設條件和模型限制，曾能在應用時可以有效地解決問題。我很高興有一群統計領域的朋友，在和他們分享我的學習／研究成果時，他們會時不時的挑戰／砥礪我在操作上的瑕疵，讓我更注意每個模型使用上的「眉角」。

• 是不是真的有差異？─ P值

談到統計，令人聯想到的就是處理龐大的數據。不過事實上，只是想順著公司的任務要求而學統計，大概國中畢業的敘述性統計圖表能力就足夠了。我們也不能過河拆橋，敘述性統計圖表(如：長條圖、圓餅圖、交叉表)的確可以讓閱聽眾很快地看出「量」的表現，不過若是要進一步做更細緻的解讀(如：建模預測、判別比較差異、關聯規則...等)可能就需要進一步的統計知識。

記得之前在帶學生執行問卷分析時被問到：A族群消費者的滿意度(Mean=4.5分)明明就比B族群消費者的滿意度(Mean=4.2分)高，你憑什麼說他們的滿意度沒有差異。的確這是蠻弔詭，看起來我是在睜眼說瞎話。不過或許統計人的眼睛就是多了一層濾鏡，顧慮掉「誤差」對於結果造成的差異。事實上，無庸置疑的4.5分真的比4.2分高，但是這個差異是因為誤差所造成的，所以以統計的角度而言他們沒有差別。

上述例子引出了商業分析經常使用的「P值」。如果你學過一點點統計，你可以先試著回答：什麼是P值？多數人可能會回答：就是那個小於0.05、檢定顯著性的那個...#$^@#$@。老實說，直到大四我都還沒辦法清楚的告訴別人什麼是P值。或許會使用也很重要，但若要跟別人解釋分析結果......看起來教育還是應該要做點改變(例如：練習報告分析結果時，可以說得更清楚一點)。所謂的P值，即因為資料的誤差、偶發產生或是積極端差距所發生的差異的機率。因此為什麼檢定時P值要小於5%，因為必須要嚴格的控管：結果(依變項)差異的來源是因為調查的原因(自變數)所影響，而不是由誤差所造成，如此才能推斷「有差異」。

• 找出因果關係的強大工具─實驗法&隨機化

在商業研究中，為了找出變數間的因果關係，經常使用的研究方法為「實驗法」。社會組也要做實驗(？！)，會有這種疑問恐怕你已經受到台灣這個創造出自然組／社會組這樣扭曲的教育制度荼毒很深，做實驗只不過是探究原因的過程。

實驗之所以較能找出變數間的因果關係，其原因為(實驗法概念見下圖)：

1. 控制其他不相關的變數，指操弄所欲探討的變數(自變項)，並測量其反應結果
2. 採用一組或多組控制方式(如：設置控制組進行對照)
3. 藉由隨機化的方式，讓每個受試者有相同的機會被分派到不同的操弄處理，以降低個體差異的影響

其中，隨機化是實驗中很強大的一個過程。由於每個受試者從母群體(目標群體)中抽樣出來都存在個體差異，這將對實驗結果造成很控制的誤差。所幸，透過隨機化的方式，讓每個受試者「隨機」的分到各個操弄處理，以抵銷掉個別受試者的差異。而在實驗中所謂的隨機化，經常是指隨機分派(random assignment)，與統計學常提到的隨機取樣(random sampling)有很大的差別。隨機抽樣指：在母群體(目標客群)中，每一個受試者被抽到的機會相等，然而因為實驗對象有時候並不容易接觸到，因此每位受試者都很珍貴。因此在實驗法中，會強調隨機分派，並沒有硬性規定隨機抽樣。

隨機分派的好處是能較明確的得知變數間的因果關係，在控制其他不相干的變數後，提高了研究的內部效度，然而因為沒有透過隨機取樣的過程，所以許多實驗會被詬病：無法外推到整個母體(僅適用於這一群受試者)，因而對研究的價值造成影響。

• 統計學，最強的商業「武器」

最後談談這個最強的商業「武器」。我自己很喜歡武器這個譬喻，因為要會使用才能發揮它的價值。我習慣把知識分成「心法」、「招式」、「武器」類型。武器是在提升招式的效果，在我看來，分析、資料處理的能力就是招式，而當會使用不同的統計方法，將會讓自己武器欄中有更多選擇。我經常提醒學生，在使用不同統計方法時要注意其限制及使用目的，如此才能對分析有所加成。(見以下單變量、多變量圖表)。

記得大五的時候，在市場調查與統計分析的課堂上，私下和張郁敏教授聊到統計分析方法，老師說單變量和多變量大部分都是廣義的回歸分析。那時候我似懂非懂，不過看完本書內容後，好像有點融會貫通的感覺(若有興趣的請見本書pp.184~pp.198)。

然並非每個人都必須要有屠龍刀或倚天劍，不過都必須具備「統計素養」的心法。才不會淪落到像現在許多中小企業，花大錢請人做調查，但是公司的專案負責人根本分不清楚是不是在亂做。有了上述的心態建立，成為武功高手的途徑，餘下的就是反覆的操練操練再操練。

資料來源：Hair et. al，《Multivariate Data Analysis》，7E，pp.13~pp.14

最後，如果你想暫時擺脫統計的教科書，又希望能複習統計學的內容，我很推薦這本書。

【未完待續......還有實踐篇】

●○●若對上述內容有興趣、想法的朋友歡迎討論並分享●○●

圖片來源：博客來網路書店