蒐集對的資料，才有對的分析#

任何分析都要先有資料，但該收哪些資料、要怎麼取得，會因為你想解決的問題而不同。本部分先協助你縮小資料搜尋範圍，再帶你走過取得資料的兩條路徑：向別人要、自己跑實驗。

章節導讀#

• Do You Need All That Data? — Ron Ashkenas 提醒組織不要為收資料而收資料，提供四個檢視自家資料流程的問題。
• How to Ask Your Data Scientists for Data and Analytics — Michael Li 等人示範向資料科學家提需求時，該問哪些問題、該避開哪些誤區。
• How to Design a Business Experiment — Oliver Hauser 與 Michael Luca 整理田野實驗（field experiment）的七個實務原則。
• Know the Difference Between Your Data and Your Metrics — Jeff Bladt 與 Bob Filbin 用社群行銷案例，講解資料與指標的差別。
• The Fundamentals of A/B Testing — Amy Gallo 整理 A/B 測試的運作邏輯與最常踩到的雷。
• Can Your Data Be Trusted? — Thomas C. Redman 教你在分析前先評估資料品質、決定下一步。

取得資料有兩條路：向他人索取既有資料，或自己設計實驗產生新資料。前者快、後者更能建立因果關係，必須依問題類型選擇。