你做的是數據分析還是資料匯總？ | ARON HACK 亞倫害的

自從大數據(Big Data)一詞現世以來，數據分析就變成一件很潮的事，雖然許多事並沒有因為新名詞的出現而有太多改變，髒的數據還是變不出黃金，過少的數據還是轉換不了商業價值。

除了專職的數據分析師之外，許多工作者每天也都會接觸大量的數據，像是採購或行銷，也都試著從數據裡面淬煉出有意義的資訊。數據分析師的職責、任務與價值到底是什麼？

我的答案是，數據分析師價錢在於探索未知的現象，並促成有價值的商業行動。

已知與未知

一樣都是處理資料，因目的的不同，又可以分成資料匯總與數據分析。前者總結已知事件，後者探索未知的迷霧。

舉例來說，如果你手上有一間服飾店的消費資料，你想知道過去一個月中哪些商品的營業額最高，這就是數據匯總。你的目標很明確，「挑出營業額最高的商品」，實際的操作步驟則是將所有商品的營業額分別算出來，然後挑出最高的那一個，結束。

假如你想知道的是，過去一個月中銷售最佳的這支商品，是不是因為促銷活動導致銷量爆增？促銷活動對這支商品的影響又是多少？以後的促銷活動適不適合再加入這支商品？這個問題明顯困難很多，不是因為它有三個問號，而是增加了許多必須考量的面向。

首先，我們要先知道這支商品在沒有促銷活動期間的銷量，並與促銷期間的銷量作比對，確認促銷活動對這支商品有正面影響。

其次，重複上個步驟，但我們要進一步計算促銷活動對於全部商品的影響。如果促銷活動平均可以提升全部商品20%的業績，卻能這支商品30%的業績，我們就可以初步判定這支商品適合做促銷。

說是初步，因為還有其他的細節需要考慮，像是商品毛利率。如果這支商品的毛利率本身就比較低，舉辦折扣促銷後毛利變得更加殘不忍睹。即使帳面上業績很漂亮，但這些都是不賺錢的生意，大家白忙一場。

排除以上原因後，建議你也不要信心滿滿的下結論，「這支商品很適合做促銷」，因為你老闆可能會一臉不爽的回答，「這個商品是羽絨衣，現在剛進入冬天，銷量當然會爆衝啊，就算不做促銷應該也很好賣吧？」

你就要進一步考慮季節性因素，表面上你一樣在處理資料，但這時候你的問題會變成「季節性和促銷活動，哪一個對羽絨衣的業績正面影響較大？」