合理運用數據的構思

　　近年來工業4.0的話題聲量不斷，是一個很熱門的話題，其為能提供多樣少量的產品或服務，當中有三個核心要素包含。

1. 大數據（Big Data）

2. 人工智慧（Artificial Intelligence, AI）

3. 物聯網（Internet of Things, IoT）

　　這當中的大數據是很重要的一環，將決定物聯網的功能及架構，也會是人工智慧的數據來源。由此可看出大數據的重要與魅力，若能善用得宜，將能提供重要資訊以提供決策，若未善加利用，則大數據也不過就是單純的資料，毫無感覺與建樹。最後，還有一點最差的狀態是數據的錯誤運用，造成多工與錯誤的決策。這也是這篇文章的主要目的，希望能提升人員合理運用數據。

　　在工業4.0還未能全面實現以前，這當中的重要準備工作就是培養運用數據陳述事實的習慣；一旦，熟悉與習慣運用數據做決策後，就會有依賴的行為產生，這時不管是要如何蒐集資料或延伸運用數據做人工智慧等，都會比較有方向且容易架構完整的系統。

　　從這樣的論述中，相信大家已能開始醞釀對數據的熱情，現在就讓我們來認真思考合理運用數據的三個構思使能提供有效決策。

一、定義所要分析的主題目標

　　運用數據作決策是一種很客觀的行為，這當中的第一件重要事情就是我們必須清楚決策的主題目標，如此才能知道蒐集什麼資料才能得到有效資訊作為決策。這當中可應用品質關鍵點CTQ（Critical to Quality）的概念來構思，CTQ的二個重點分別是：

1. 主題目標要明確

2. 目標要能量化

　　在這裡為能有效達到數據分析目的，我建議可往計數值或計量值這二個面向來考量所要應用的數據類型。

二、蒐集資料

　　當我們把主題目標定義清楚之後，接下來就是蒐集資料這個容易讓人忽略的工作，其往往是數據分析中最花資源及時間的重要步驟；試想在數位化時代想利用資料呈現資訊作決策分析，資料的蒐集計畫將是一件很重要的事，其若能做得很好，後續的分析將會很順利；反之，則可能讓整個分析工作中斷。一般資料的來源主要會由以下幾個方式取得。

1. 依實驗設計執行計畫蒐集資料（含問卷調查等）

2. 裝設感測器蒐集資料

3. 依現有系統的資料整理/加工成所要的資料

4. 向相關單位或機構等購買資料

　　以上不管用哪一種方法取得資料，都將有其專業需要考量的作法；我現在就實務上常碰到的數值填入問題提供參考，使能減少或避免花費在資料處理上没有效率的時間。

表一 資料數值填入問題範例

　　從表一的例子中看到了欄位屬性沒有規範好或做提醒甚至防錯的話，每個欄位都有可能會產生不同的回答方式。

　　就像本例中提到的性別、出生年月日及年齡所看到的現象，這將會造成資料整理上浪費不必要且没有效率的工作，甚至在這個例子中欄位3和欄位4的資料重覆，欄位4的年齡可以由欄位3的出生年月日計算而得；。

　　有了這樣的認知，能做好資料蒐集的格式規劃構思，相信資料分析將會顺利許多。另外資料蒐集若需分工的話，建議可利用表二的概念分配工作及追踨進度，使資料蒐集的方法及進度能更順利。

表二 資料蒐集計畫

三、分析產生資訊

　　資料分析是一種邏輯，不在高深的數學或統計，只要邏輯具有合理性產生資訊就有其價值存在。

　　一般常見到的資料分析問題可以使用樹狀圖來構思，其邏輯架構如圖一的因果樹狀圖，其中Y和X的關係如同Y=f（X1,X2,…）。藉由這樣的觀念，不管是資料的分析或溝通，對於資料傳遞者或接收者都可以很清楚且快速的掌握重點，以判斷其邏輯的合理性，使能進一步做決策。

圖一 因果樹狀圖

　　綜合上述的三個資料構思觀念，若能貫通與有效運用，將能讓自己在分析數據時更能掌握問題及所要做的決策；甚至於在延伸性方面，也能更清楚與容易和接受資訊的人員溝通。有了這樣的基本觀念，我們將可以期待享受數據的魅力。

　　依據實務上的經驗，我在這裡提供四個非常實用的手法工具來協助數據分析，分別為層別法、柏拉圖、直方圖及查檢表等手法，這四個手法是QC七大手法中最簡單易用的手法，在實務工作中非常適合人員應用。

　　有人說：「生活就是數學，數學就是生活」，也許，對於不喜歡數學的人，聽到”數學”這二字就頭皮發麻。其實，大家倒是可以靜下心來想一想，我們的生活每天都在做大大小小的決策，這些決策也需要有邏輯存在。

　　所以我們可以換個角度說：「生活就是邏輯，邏輯就是生活」，只要能善用加減乘除將數據做簡單的層別分析，就可以提供很多資訊做決策。中小企業礙於資金及人才的資源較受限，建議可以使用Excel的樞紐分析來協助資料做多維度分析。這工具簡單又好用，常常被大家忽略，捨本逐末去買軟體或花錢做客製化系統。

　　希望藉由本文的分享能讓大家對數據的分析有更清楚的概念，也能更願意去嘗試讓數據呈現事實，使得決策能更快速、準確，並獲得具體的效益。