《紙牌屋》（House of Cards）是網飛（Netflix）最受歡迎的原創影集之一，至今已獲得 30 多項艾美獎提名，也是首部獲得艾美獎提名的網路原生影集。時間回到 2013 年，導演大衛芬奇（David Fincher）正到處兜售版權，電視台都要求看過試播再買版權，但 Netflix 卻憑著後台數據，就決定砸 1 億美元買下兩季。

根據當時 3300 萬的會員數據，他們透過交叉比對發現，喜歡 1990 年代 BBC 版《紙牌屋》的觀眾，也是導演芬奇與演員凱文．史貝西（Kevin Spacey）的粉絲，所以在看到導演及演員名單後，就決定買下版權。

播出後，該影集為 Netflix 帶進 300 萬新用戶，在影評網站 IMDb 上，也獲得 8.7 的高分。這是一個用數據做對決策的真實案例，時至今日，企業累積的數據也都足以做出像 Netflix 一樣的精準決策。

一張發票告訴你的事：消費者心理與訴求

《解讀數據的技術》指出，企業應該透過分析消費者或使用者行為，去發現更多需求，利用洞察生產消費者想要的產品或服務。愈了解你的顧客，最終都會轉化成企業的銷售額。

不過，要從哪裡得知關於消費者的數據呢？其實，現在數據隨手可得，舉個最小也最常見的例子，就是發票明細。發票明細可以描繪出消費者與企業相遇的瞬間，串聯兩者之間的關係。

首先，明細記載著個人資料，讓企業能串聯消費行為。再來，發票載明了時間、地理位置、商品資訊等，它可以知道一名消費者在何時、何地、用什麼方式買了什麼東西。

麻布數據科技執行長陳振榮表示，企業想得知的資訊，不外乎是為什麼原本會買自家商品的人不買了，以及他去買了些什麼；或者是，這段期間新接觸的消費者是從哪裡來，「知道客層挪移，就知道怎麼跟新客群溝通，訴求的點也會不同。」

數據就像珠子，靠「人」串成珠寶

不過，大多數公司都沒有充分分析這些內部數據。《解讀數據的技術》把數據比喻成珠子，珠子種類、數量當然愈多愈好，但需要「匠人」把它串起來，才能成為珠寶。舉例來說，每場球賽，都會為運動員留下許多關於能力的紀錄，比方說棒球的打擊率、上壘率等，但在挖掘球星時，應該要關注哪種數據呢？

改編自真人真事的電影《魔球》（Moneyball），即是描述美國職棒奧克蘭運動家隊，靠著數據找出價值被低估的球員，用最少的預算創造 20 連勝，追平大聯盟的歷史紀錄。

球隊總經理比利．比恩（Billy Beane）跟其助理認為，贏球的關鍵不是擁有多少明星球員，而是有多少上壘數。

於是，他們用數學模型算出要進入季後賽所需的上壘數，再利用大數據找出最容易上壘，但價值卻被低估的球員，最終以最小投資獲取最大勝率。

當手邊握有許多數據時，你可以根據你的假設、目標，從中挖掘出所需資料，進而佐證假設是否可行、合理。然而，我們遇到的問題多半是，手邊有許多數據，但卻不知道能拿它來做什麼。比方說，每天製作的社群日誌、業務日誌，如何從中挖掘出洞見呢？

學會提問、建立假設，讓數據為你所用

《只要 Excel 六步驟，你也能做商業分析、解讀數據，學會用統計說故事》指出，想要用數據解決問題，就必須先學會提問，思考「為什麼會發生這樣的事情？原因是什麼？」

假如你知道氣候會影響銷售，但卻不知道經營的店鋪，是在天氣冷的時候生意比較好，還是在天氣熱的時候比較好。首先，必須先定義天氣冷熱，是有用溫度分，還是以季節？再來，區分不同類型的產品，看哪種賣得好、哪種賣不好。

接著再用資料驗證假設是否正確，如果覺得某項產品在下雨天賣得比較好，就要將天氣數據跟銷售時序數據結合在一起，觀察下雨量、氣溫等資料，是否跟該品項的營業額有相關。

而使用的分析方法不同，能解答的問題層級也有所不同，對一般工作者來說，其實只要能應用層級 1、2，就足以做出比他人更有說服力的報告、提案了。

更上層的分析，則是要靠大數據、機器學習、深度學習、資料探勘等新技術輔佐。《解讀數據的技術》指出，許多企業將數據視為「目的」，但是數據並非目的，只是一個「手段」，只有達到目標時，數據才會發光發熱。

而從數據本身到協助決策或解決問題，這之間的「加值」，必須得靠人來完成。有家銀行設計了一套大數據分析模式來防止客戶流失，所謂的流失，是指客戶把錢搬來搬去，或是展現離開銀行的跡象。

當分析模式找到客戶流失的證據後，正準備要寫信請客戶重新考慮時，銀行主管從數據端發現，從數據端來看，的確有流失的證據，但查找背後的原因時，發現那不是因為客戶對銀行或自家服務有不滿，而是那群人正在辦離婚，所以才要轉移資產。

《小數據獵人》指出，大數據在串起成千上萬個數據點來產生相關性的同時，固然可以很精確，但是人類行為總是有許多難以解釋的地方。簡單來說，大數據可以協助我們判讀一個現象或模式，但我們還是需要人來解讀，才能賦予數據意義。