透過資料分析提升企業獲利能力

失之毫釐，差之千里－在棒球界，些微的差異可能造成截然不同的結果，例如在大聯盟中，打擊率三成五的打者已經是位不可置信的強打者，但若打擊率多零點五成（達到四成），該打者則會成為棒球史上不朽的傳奇。這也是為什麼棒球非常倚賴統計數據的原因，但只倚賴統計數據是不夠的，透過適當的資料分析方法，也許會發現每位球員的特性及表現更能影響球隊的輸贏，因此分析每位球員的特性如何影響球隊整體績效是相當重要的。

將場景轉換到企業界，一般企業常用績效指標來衡量營運的好壞，但如何從企業的龐大資料中找出有效指標以提升整體企業整體經營績效，乃是資料分析的目標。

真正的事實，往往顛覆傳統認知

「事實」是企業藉由不斷地抽絲剝繭從資料中得到的客觀結果，對於扮演市場領導者的企業來說，如何取得客觀且正確的事實將是非常重要的任務；然而不論資料分析的結果如何，最終仍然取決於高層決策者。依據研究指出，人類常會透過非理性的預期心理、不可靠的直覺或傳承經驗等作為決策的參考因素，要從直覺式決策轉換到理性決策的過程需要長時間練習才能做到。下面為幾個常見影響決策的心理因素：

• 認知偏差（Confirmation Bias）
• 初始效應（Primary Effect）
• 信念執著（Belief Persistence）

透過資料分析找出營運盲點與未來發展契機

進階商業資料分析是透過資料探勘、類型比對、資料視覺化及預測模型等工具，產出有用資訊以協助企業進行決策，並藉由分析結果找出可能對企業產生影響的事件，以及早研擬適當之應變對策。近年來預測分析愈來愈被企業重視，除了因認知科學與行為經濟學的許多研究結果證實了消費者的行為是可預測之外，主要還有以下三點因素：

• 資料洪流
• 資訊科技的演進
• 資料分析日趨關注

破除資料分析的迷思

在資料分析專案中，IT往往扮演著重要的角色，這點常使許多人誤以為資料分析專案就等同於系統導入專案，但任何預測模型、協同過濾演算法、業務流程優化及定價策略等都不是現成軟體內建的解決方案，它們是經由許多領域的資料科學家（如：統計學、行為研究學、電腦科學、精算科學、市場科學及心理學等）共同研究的成果；簡而言之，雖然IT對於資料分析專案是不可或缺的，請不要誤將資料分析專案與系統導入專案畫上等號。

每個企業經營者都希望自己能超越其它競爭者並邁向卓越，適當的使用資料分析工具將能協助企業更有效率的訂定策略、制定決策及提升經營績效，它不僅能夠告訴決策者市場正在發生的事件，更可透過預測模型告訴決策者即將發生的變化或引導企業往預期的方向前進，最終為企業帶來更大的利潤。