作者 Thomas C. Redman 用同一個練習教了二十年。一次練習不會讓你變成資料專家，但能打開你的眼睛、看見日常裡無數個「小資料」的機會，並讓你跟資料科學家（data scientist）合作起來更順手。

練習的工具與素材#

只需要：

• 一支筆
• 一張紙
• 一個計算機
• 一個開放的心態

步驟一：從工作中真正困擾你的事情出發#

挑一個讓你感興趣甚至感到困擾的問題，寫成一個明確的疑問句。例如：

「會議總是不準時開始，這是真的嗎？」

步驟二：定義資料與蒐集規範#

在開始記錄之前，必須把「資料是什麼」明確定義下來。模糊的定義會讓資料無法信任。

以「會議遲到」為例，至少要回答：

• 「開始」是指有人說「好，我們開始吧」？
• 還是真正進入會議重點的那一刻？
• 閒聊時間算不算會議時間？

把所有相關定義與蒐集流程寫下來。

步驟三：開始蒐集，並準備邊做邊修#

蒐集途中幾乎一定會發現定義漏洞。例如：會議已經開始了，但更高階的人加入時又重新開始一次。修改你的定義與流程，再繼續蒐集。

關鍵原則：你必須信得過自己蒐集到的資料。

步驟四：畫出第一張圖#

好的圖能同時幫你理解資料與向別人傳達重點。

• 工具很多，但作者建議第一張圖用手畫
• 預設選擇：時間序列圖（time-series plot）
  • 橫軸：日期與時間
  • 縱軸：感興趣的變數
• 在這個例子裡：每一點代表一場會議，縱軸是它遲到的分鐘數

步驟五：回到原始問題，做摘要統計#

例如統計後你可能得到：

「過去兩週，我參加的會議只有 10% 準時開始；平均遲到 12 分鐘。」

步驟六：問自己「So what?」#

很多分析停在這裡，是因為作者不知道發現了什麼意義。沒有「So what?」的分析，價值有限。

繼續上面的例子：

• 如果這兩週具代表性，每天浪費 1 小時
• 換算成公司每年浪費的金額是 $x

反過來說，如果 80% 會議都在預定時間附近的幾分鐘內開始，原始問題的答案就是「會議大致準時」，分析應就此打住，不需再深入。

步驟七：感受變異（variation）#

理解變異能帶來更深的洞察與改善靈感。

• 圖上看到：典型遲到 8–20 分鐘
• 少數會議準時，少數遲到接近 30 分鐘
• 因此不能下結論「我可以晚 10 分鐘到、剛好趕上開始」——變異太大

步驟八：再問「資料還告訴我什麼？」#

繼續觀察，會發現新的線索。例如：

• 6 場會議剛好準時開始，其他每場都至少遲 7 分鐘
• 翻會議紀錄發現——這 6 場全是財務副總裁召集的
• 顯然她有「會議準時開始」的紀律

步驟九：判斷下一步——「有趣」還是「重要」？#

這是資料分析常見的二分法：結果同時通過「有趣（interesting）」與「重要（important）」測試嗎？

以這個例子：

• 個人層級：兩項都通過——多數人願意付出代價換回每天 1 小時，至少自己召集的會議可以效法那位財務副總裁
• 公司層級：目前只通過「有趣」測試——你還不知道結果是否具普遍性、其他主管是否能像她一樣鐵腕

於是回到步驟一，提出新的問題並重跑流程：

• 我的結果與公司其他人的經驗一致嗎？
• 哪幾天比較糟？
• 電話會議和面對面會議哪個比較常遲到？
• 會議遲到時間與最高階出席者之間有關係嗎？

每一輪只挑 2–3 個問題，把焦點收得很窄，避免分析失焦。

為什麼這個練習值得認真做#

每一個步驟都對應一個重要的分析概念——從理解變異到資料視覺化（visualization），都濃縮在一次完整循環裡。Redman 的提醒：

容得下「資料文盲（data illiterate）」的位置只會愈來愈少；老實說，已經沒有藉口了。