培養數字敏感力的20個習慣
主題學習
數學不好的人，數字能力就不好嗎？對數字敏感的人，成本掌控能力就一流嗎？雖然答案未必是肯定的，但想在工作上事半功倍，就必須養成對數字敏感的20個好習慣。
整理‧撰文／文及元、齊立文
每 每說到數字，人們下意識地就會說：「我數學最爛了！」而既然數學很爛，顯然也就不會懂得太艱深的數學公式或原理，更別說是怎麼應用了。所以，我們或許可以 說，數學爛的人就無法將太高深的數學用在職場上，但有沒有另一種可能的狀況是：商場上所用到的數學，其實都不會很難，有專家說是不會超過高中數學程度；也 有人說，只要會加減乘除即可。
這很容易得到驗證，因為我們很少聽到什麼經營之神是數學家，反倒經常聽到沒讀過什麼書的傑出企業人士，對於財報數字瞭若指掌。
在工作場合裡，我們會看到很多數字，但是我們不見得要計算這些數字，重點是對於數字要有一種「感覺」。感覺也許還是太過抽象，具體一點地說，就是要在心中對於數字所反映出來的真實，依據自己的專業與經驗，建立起一套評斷的標準，然後據以做出行動。
以下這20個數字力，不只是觀念，更要養成一種習慣。如果在逐一檢視之下，你發現自己已經多半具備，那恭喜你堪稱「數字達人」，但如果發現自己缺了很多項，也不要覺得自己是「數字白癡」，因為它們都不難學會。
1.體認數字的重要性
「在商業世界裡，數字非常重要。」這句話看似抽象，卻很真切。數字就像是體檢表，是行動的結果和評量的工具；數字也像是儀表板，可以指引方向和預測未來。
2.養成凡事附上數據與參考資料的習慣
數字是溝通、說服及談判的重要依據。例如，如果你想建請增加設備，但是多次呈報申請書卻都未經核可。可試著加上「增加投資設備，可達到總費用節省多少錢的結果」，讓數字為你說話，或許就能提高通過的機率。
3.在評估或分析任何情況時，都試著將其數字化
簡 單明瞭的數字，十分有助於記錄、資訊傳達、比較檢討及分析等商業行為。這就像是學習做一個「重視金額」的人，凡事不以感情（感覺、印象、善惡）做判斷，而 是以「金額」「數字」「比率」做為衡量的尺度。例如，如果認為舉辦宣傳活動可提升產品知名度，那就試著將「知名度」換算成「金額」。
4.將PDCA循環應用在工作上
在採取任何行動前，都要擬定計畫（Plan），然後實際執行（Do），接著再檢核（Check）結果與計畫之間的落差，做為修正行動（Action）的參考。
5.經常以矩陣圖思考問題
面臨錯綜複雜的問題時，可以矩陣圖加以展開，從中可發掘出未曾發現的問題點，然後再依據問題點的急迫性與重要性，研擬對策。
6.有時間觀念
假設A公司1小時能處理1單位的工作量，B公司則是1小時10單位，這個10倍的差異，可換算成B公司1年處理的工作量，A公司得耗時10年。時間既可以換算成金錢、效率，更速度的展現。因此，有數字力的人不會虛度光陰，也會守時、守信用。
7.有效運用資金
要發揮金錢的價值，就必須在使用金錢之前，預測效果或效益如何，使用之後更要詳細確認。在日常生活中，養成大小事情都必以「損益計算」的方式來思考。
8.養成計算「合計值」的習慣
許多人都有類似經驗，那就是錯誤的數字往往像滾雪球一般，進貨量、銷售量或庫存量的登記，有時候是一個項目出錯，就連帶一直錯下去一樣。因此，對於圖表內的數字或金額，習慣性地進行加總，方便於在做整體控管時，能夠依重要程度判定優先順序。
9.將所有目標都數據化
日產汽車（Nissan）執行長卡洛斯‧高恩（Carlos Ghosn）曾說：「無法數據化的目標，我無法執行。」有時候，組織的願景或任務，都是較為抽象的，因此要落實為具體的數字，才能執行與評量。
例如，可將「拓展人脈」這項目標，轉化為「每個月與人交換30張名片，而且日後與其中5位保持聯繫」；或是將「加強廣告活動」轉化為「向15家媒體宣傳，達到8家確實刊載」。
有 時候，如果目標較為遠大，則為了讓目標具體可行，最好能將目標區分為近程、中程和長程三階段，然後再決定每一段時期要達成的目標。這個過程就是所謂的「倒 算力」，亦即為了達成遠程的目標，往回推算中程、近程應該做什麼，甚至近到這個月、這星期或現在就該做什麼，做為達成目標的查核點。
10.追究數字出錯的原因
數字出錯時，不是更正即可，更要探究導致錯誤的原因，並且提出預防過失再度發生的對策。
11.保留數字修正的紀錄
將錯誤的數字更正後，仍要保留原本（錯誤）的數字，一方面可供日後檢視修正過程的原委，另一方面可做為重要的檢核點，因為修正過的數字，仍有可能出錯，因此「修改紀錄」可做為審慎計算的重要提醒。
12.隨時掌握最新的數據
過時的數據不但沒有意義，甚至會造成誤導，因此一定要迅速、正確地處理資料，隨時將數字的紀錄更新成最新的資料。
13.數字是兩面刃
數字固然是溝通與說服的利器，但是若惡意扭曲，則會成為欺詐的工具。許多企業弊案就是起因自竄改財報數字，試圖欺騙視聽。
14.計算會議成本，檢視費用與成果之間的關係
英 特爾（Intel）董事長安迪‧葛洛夫（Andy Grove）曾以「經理人的時薪 × 會議時數」計算會議的成本，藉以說明會議的召開必須有效率和具體成果，否則就是浪費人力與資源。換言之，與會者的位階愈高、人數愈多、時數愈常，則會議的 成本就愈高。因此，若會議成本低於回收成果，就沒有開會的必要。
15.計算公司各部門的成本開銷
這是一種「磨練經營感覺」的好方法，因為無論是各行各業，以及組織內的各個部門，都要做成本控管。成本可以決定產品售價（成本＋利潤=售價），而透過成本內容的分析，則有助於了解哪些項目成本過高或效率不彰。
－更多精采內文請詳見本期《經理人月刊》9月號
oh my: 嗯,就像目標管理說的,要量化和具體化,..就是日產執行長那句的意思啦~
下面一篇本來想砍,旦莫名其妙放了上來~
//
7個檢核點 解讀行銷數字
主題學習
數字會說話，但也可能會說謊。要透視調查數字背後的真義，必須先對調查方法、調查地區、研究對象、樣本數、抽樣方法及訪問執行，在數字的產出的每一個環節有所了解，才不會上數字的當。
採訪、撰文 / 陳芳毓
「調查顯示，本報閱報率全國第一！」
「調查顯示，本服務滿意度高達70%！」
「調查顯示，某候選人領先對手10個百分點！」
每到選舉或產品促銷季節，媒體就充斥著各種民調數字，許多品牌也會引用市調數據做為行銷手法，試圖以「不是我自誇！這是有公信力的調查機構說的！」，爭取消費者的認同。
數字會說話，但也可能會說謊。這些常見的聳動宣傳標語背後，隱藏著什麼不為人知的真相？
◆解讀數字前，先問「為什麼？」
尼爾森行銷研究顧問公司副總監黃志鵬指出，要知道公布數字的機構或單位是否避重就輕，只揭露部分對自己有利的訊息，就要先了解「研究設計」。
「如果不追問數字是怎麼來的，就很容易落入陷阱，」黃志鵬隨手拿起桌上連鎖咖啡店的咖啡說道，「如果某項調查告訴我，80%的人喝過這個品牌的咖啡，我第一個就會問：『為什麼要公布這個訊息？』『這項調查是誰做的？』『樣本又是哪些人？』」
因為，數字背後的真相可能是：這家咖啡店為了加速展店，委託調查機構做調查以為宣傳，而且首訪者就是在同一棟大樓工作的100名上班族，大樓樓下還正好就有這家咖啡店。這樣的調查所得到的數字，當然不客觀。
「調查方法、調查地區、研究對象、樣本數、抽樣方法及訪問執行，都是在解讀數字前就一定要知道的，」黃志鵬叮嚀，在數字的產出過程中，每一個環節都可能因為調查的設計或執行不當，而產生誤差。
仰賴調查結果做決策的行銷人員，或是參考調查數字做採買的消費者，都要特別注意以下7個檢核點，才不會上數字的當。
◆評估調查數據的7個檢核點
1.目標母體定義是否明確？
母群體若定義不明確，就很可能會在調查中納入不該被包含在內的首訪者，或是排除了應該接受調查的受訪者。
許 多報紙經常爭相宣稱，自己才是台灣第一大報，讀者卻往往一頭霧水。問題很可能就在於，兩報的調查母群體不同。B報的母群體可能是「過去1個月內、讀過報 紙、18歲以上」的人，而C報的母群體卻是「過去1星期內、買過報紙、18歲以上」的人。兩報各自挑選對自己有利的母群體來調查，得到的數據當然會大大不 同。
要注意的是，研究母體的範圍，通常只會用一行小字，標明在研究結果的下方，只有眼尖的讀者才會注意到。
2.抽樣樣本是否能代表目標母體？
好的調查，要有一份最新且完整包含母體的名單。
美 國某次總統大選時，某調查機構採用的民調母體是「上屆有投過票的選民」。然而，先進國家的投票率通常低至50%左右，若上屆投票率只有半數選民投了票，調 查就無法了解另外50%選民的意向。再加上上一屆選舉，許多鄉村地區的選民都沒去投票，這次卻被特定候選人的鄉村經濟政策打動而踴躍投票，最後造成預測失 敗。
3.抽樣過程是否隨機？
母群體中的每位成員被抽到的機率必須相等。
1948 年美國總統大選時，訪員要在特定項目中訪問特定數目的配額（如特定的住宅區、性別、年齡、種族和經濟地位），但他們卻能自由選擇受訪者。當時，共和黨員通 常比民主黨員富有、教育水準較高，多半有電話與固定住所，也住在較好的社區，使得共和黨員較易接受訪問，結果導致共和黨的受訪者過多，造成民調預測失靈。
台灣的大樓社區愈來愈多，管理員會管制民調訪員進入，導致某個社會階層的民眾無法被抽到，也可能造成偏差。。
4.樣本數是否充分？
樣本數愈大，準確性愈高。
礙於時間及經費限制，企業會用抽樣調查，來預測整個母體的意向。不過，只要樣本數超過1000，誤差率就可以降低至3%以下；但若樣本數只有100，誤差率就會高達10%。
若企業在打算推出重要商品時，經調查發現100位消費者中，有70位對新產品有興趣，但由於樣本數僅100人，因此加上誤差值後，調查結果就會變成「有60%～80%消費者有興趣」，公信力自然顯得相當薄弱。
必須注意的是，就算樣本足夠，但取樣不隨機，結果仍會有誤差。電視節目call-in、手機和網路投票，就是最明顯的例子，因為投票者是自願參予調查，代表的是最主動、積極的意見，得到的結果當然會顯得較為極端。
5.回覆率是否理想？
回覆率過低，可能會使調查低估了「沉默受訪者」的意見。
由於電話詐騙氾濫，使電話訪問的拒訪率高達90%，訪員平均要打10通電話，才能找到一位受訪者。拒訪率的升高，難免使得調查結果的代表性啟人疑慮。
1936年，美國《文學文摘》（Literary Digest）與某車廠合作，以訂戶與車主為抽樣清冊，寄出上千萬份問券，得到超過200萬人回函。分析結果預測共和黨候選人藍登（Alf Landon）將以57%的支持率，勝過現任總統羅斯福（Franklin Roosevelt）的43%。但最後，羅斯福卻以61%的壓倒性勝利當選。
造 成預測失誤的原因可能有兩個。第一，回覆率只有22%；第二，抽樣清冊為雜誌訂戶及車主。當時美國正值經濟蕭條末期，這樣的抽樣設計，等於是抽出了選民母 體中較為富裕的樣本，將窮人排除在外。由於窮人特別支持羅斯福提出的經濟復甦計畫，但這群人卻遭到遺漏，致使調查無法反映所有母體的投票意圖。
6.受訪者是否準確無誤地回答問題？
受訪者可能會因為聽錯問題而答錯、因訪問太長而敷衍回答，甚至為了面子，而說出自認為訪員希望聽到的答案。為減少這些誤差，測試單位必須進行「前測」，來修正問卷或調查方式。
7.研究結果是否說明抽樣本的變化性？
一份負責的調查，會主動說明可能影響抽樣準確度的變因，例如回覆率偏低、樣本數不足等。
－更多精采內文請詳見本期《經理人月刊》9月號
沒有留言:
張貼留言