【堤Series-EP9】數據獵人Cynthia三訪銷波快！數據分析要靠AI還是靠人？數字看對了也可能做錯決策！揭密「前提假設×MECE法則」，從可控到不可控、從當下最佳解到北極星目標，打造真正有效的AI數據決策！- Feat 安辛上路 Cynthia

推薦數據學習好書《從直覺到數據，上班族職場升級術》- https://reurl.cc/gN2bvp

大家好，我是阿波小編！

這集 Jayden 再次邀請《安辛上路》的 Cynthia 回到銷波快，要來破解一個讓所有行銷人都以為自己懂的問題：

「數據分析要靠 AI 還是靠人？」

很多人都這樣用數據：把資料丟進 AI、得到一份漂亮報告、覺得有數據支持就代表決策是對的、完全沒有質疑那份報告是不是建立在錯誤的前提假設上。

結果呢？數字看對了但決策做錯、AI 給的答案跟自己想的一樣（因為問題問錯了）、改變一個前提假設結論完全相反、不知道為什麼別人的數據決策就是比你準。

關鍵不是 AI 不夠強，而是你還沒搞懂「前提假設 × MECE 法則」！

這集 Jayden 跟 Cynthia 會完整揭密前提假設的致命陷阱（Nielsen 真實案例：同樣一份數據，改變前提假設和撈資料的維度，結論完全相反）

還有MECE 法則完整拆解（把問題原因毫無遺漏盤點出來、分成可控 vs 不可控 vs 半可控、只處理可控和半可控），從可控到不可控、從當下最佳解到北極星目標（領先指標幫你預測當下、落後指標帶你找到三到五年後的方向），打造真正有效的 AI 數據決策。

🎯 本集重點內容：
數據分析靠 AI 還是靠人：數字看對了也可能做錯決策
前提假設陷阱：改變前提假設，結論完全相反
MECE 法則：可控 vs 不可控 vs 半可控完整盤點
當下最佳解：明天可能就不是最佳解了
北極星目標：領先指標 + 落後指標帶你找方向

如果你的數據決策總是看起來很對但結果很糟、想搞懂前提假設陷阱、想用 MECE 法則找到當下最佳解，這集 Jayden+Cynthia 會給你完整答案！🚀

本集內容：

I. 開場與來賓介紹
Cynthia 第三次來銷波快，因為節目最近在講數據與企業資料庫
Cynthia 背景：曾在 Nielsen 工作十幾二十年、現為顧問講師、有出書《從直覺到數據》

II. Nielsen 三大部門：市場調查怎麼做
A. 通路銷售資料部門（Pulse Data）
跟家樂福、大潤發等通路交換銷售資料
看銷額、銷量、價格變化、鋪貨率、競爭對手動態

B. 消費者研究部門
問卷調查：了解消費者輪廓、使用行為、生活模式
Home visit：走到用戶家裡看使用場景、搭配產品、擺放方式
焦點團體訪談（8-12人）：新品上市前概念測試、廣告前後測、分群訪談（忠誠用戶 vs 舊愛）

C. 媒體研究部門
收視率調查（最多人認識 Nielsen 的部門）
三個部門交叉比對，才能看清業績增減的真正原因

III. 量化數字 vs 質化數字
量化：通路銷售數字，客觀可衡量，最不容易產生誤解
質化：行為、文字描述，無法用數字衡量，需要用心觀察
不是外商才能做市場調查：去康是美問藥師、假裝消費者問問題，也是一種調查

IV. 前提假設陷阱：數據的致命盲點
Nielsen 真實案例：分析拋棄式清潔品市場
一開始的結論跟客戶假設背道而馳
改變前提假設和撈資料的維度後，答案完全不同
老闆的智慧：說清楚你是基於什麼前提假設、看了哪些品類哪些資料
聰明的客戶懂得懂：前提假設不存在，結論就完全不一樣

V. AI 時代數據分析的三大難點
確認偏誤：已有假設時 AI 通常會支持你的答案
質化盲點：AI 看不到訪談和觀察、沒有溫度和體驗
思想懶惰者：容易把 AI 看似正確的漂亮答案當作真答案、沒有真的經過思考和判斷

VI. AI 時代三種最重要的能力
思考力：丟進 AI 的問題和資訊能不能帶你走向想要的方向
判斷力：在 100 個答案中判斷哪個是真正適合你的（不是漂亮答案）
決策行動力：勇於下決策、透過行動去市場驗證、得到真實數字資料

VII. MECE法則 + 領先指標 vs 落後指標
A. MECE 法則（分析原因）
把問題原因全部盤點出來（毫無遺漏）
分成可控 vs 不可控 vs 半可控
只處理可控和半可控的因素
當下最佳解：明天可能就不是了

B. 領先指標 vs 落後指標
領先指標：幫助預測真實結果，做滾動式調整
落後指標：帶你找到走向三到五年後的北極星目標

VIII. 結語
遊戲化數據收集：用留言打分數有意識地收集數據
數字不冷冰冰：量化是客觀現象，質化需要用心觀察
停下來問「有沒有其他的可能性？」就會有更多的看見

📆每週一 AM9:00 定期更新📆

■快來逛逛我們荒廢的粉絲團👉👉
訂閱銷波快：https://tinyurl.com/4vd4pphe
銷波快粉絲團：https://tinyurl.com/bdcxjjr9
Jayden： https://tinyurl.com/2kx9h8cr

😍播客商業合作信箱：hihioldyes@gmail.com

Transcript

Speaker 1: 0:02

xxxx

Cynthia: 0:05

歡迎來到蕭波快 哈囉 大家好 我是Jayden 歡迎來到這一 期的蕭波快 那這一期的蕭 波快很特別 我們採取的是影像加 錄音的方式來做處理 那為什麼 會有影像的方式呢？ 因為我們這一週一樣 又請了一位大人物 我認識他的 這幾年的過程中 發現到一件事情 就是 他已經快到我快追不上 他了他已經不是我 認識的那個人了 那是因為我在你 後面對不對？ 沒有沒有沒有

jayden: 0:52

他已經曾經來過我們 節目兩次 這是第三次來到 我們節目 歡迎我們的Cynthia

Cynthia: 1:00

嗨 各位蕭波快的聽眾們 大家好 我是Cynthia

jayden: 1:04

Cynthia還記得第一次 來是在講什麼嗎？

Cynthia: 1:06

講什麼 個人品牌是不是？

jayden: 1:08

第二次來是在 講我忘了 還是在講品牌 那這次來 我覺得比較 特別的事情是 為什麼這次又邀請 Cynthia來 主要有幾個原因 第一個原因是因為我們 最近蕭波快在講的東西 跟數據比較有關 所謂的數據 我們不單單隻談數據 我們談資料庫 所以在談的東西是類似 企業資料庫該怎麼樣？ 應用在AI時代下面 存取他們的一些 資訊跟內容 然後做到 整體的數位轉型 我們其實在講的 類似這樣的東西 包含是前一段時間 我們在談那個有一個 很知名AI的開發者 他在講個人的Wiki 的概念 對 那我就在談 就是我們實際上 例如說 利用在企業端的部分 那怎麼樣？ 把這些數據存起來 然後變成可能 公用的資料庫 或者是企業大 腦的概念？ 然後變成在每個部門中 都可以跨部門使用？ 大概在講的 東西是這樣 然後我就想說 既然談數據 那要找Cynthia過來 看看 聽聽 對 聽聽他們的專業 第一線的意見 對好 那我首先要請問你 第一個問題 就是因為我們都知道 你之前在 Nielsen工作 其實接觸了非常多 有關數據的分析 包含是我們的 聽眾也在問一件事 就是在現在時代下面 其實要做市場 分析跟調查 我認為很多人還是沒有 經過傳統的一些接觸 或一些執行的方式 那在這個過程中 能不能告訴我們 通常你們以前 怎麼做的？ 然後在現在的時代 下面這些東西如何能夠 變成所謂的企 業的資產？

Cynthia: 2:47

我先說一下因為我進 Nielsen的時候 大概是十幾二十年前 那以Nielsen來說 它最大的優勢就是它 跟通路都有交換 Pulse Data所以藉由 這些Pulse就是通路 銷售的資料 其實它進到資料庫裡面 做了一些盤點跟整理 之後就可以幫助到客戶 比如說我們的客戶通常 是外商或臺灣的大企業 那很多是FMCG相關的產 業那可以幫助他們知道 比如說在量販通路 他們跟他們的競爭對手 其實狀況怎麼樣 那可以看到銷額 銷量價格的變化 鋪貨率等等都 可以看到那因為 它最大的優勢就是它 跟所有知名的通路 包括像家樂福 大潤發這些 現在叫大全聯 其實都有交換到 Pulse Data 所以它把這些 資料整合起來 自然就可以做到 有效的判斷 那這是Nielsen的其中 一個部門在做的事情 那我就在這個部門 那我們通常也會跟跨 部門去做合作 因為這件事情 透過我知道 通路端的資料 我頂多可以知道 我的業績的漲跌 或者是我的對手 可能做了價格促銷 所以價格反映出來了 所以看起來 它的銷額佔比是 比較漂亮的 但是我沒有辦法知道 是不是真的是因為促銷 帶來的背後的原因 有的時候 很難說 它為什麼選擇 競爭對手的產品 不選擇我的？ 其實這個為什麼是需要 做更多的市場調查的 所以我們有另外一個叫 消費者研究的部門 它其實會透過包括有 市場調查問卷 調查的方式 那這個問卷調查的方式 去知道說消費者的輪廓 大概長什麼樣子 他們目前的使用行為 生活模式 他都可以做調查 那市場調查的方式 除了問卷調查之外 還有另外一個叫做 home visit 就是我們真的走到 用戶的家裡面去看一下 用戶在生活上 他在什麼場景 使用這個產品 他怎麼擺放這個產品 以及他在 使用這個產品的時候 他可能會跟哪些產品 搭配使用 那這些過程 其實會讓我們發現 一些新的商機 或是新品的機會 甚至有可能調整舊品 去做升級 那這叫home visit 除了這個方式之外 還有包括像焦 點團體訪談 就是一組大概是 8到12人 通常我們會做 不同的分群 比如說我的忠誠用戶 或者是競爭對手 的忠誠用戶 或者是本來是愛我的人 跑去愛別人了嘛 就是我的舊愛 那我就會做不同 的分群之後 然後問他們 一些不同的問題 那這種焦點團體訪談 通常會發生在第一個 是新品要上市的時候 我想要去測試 產品的概念 那知道這樣的 產品概念 消費者 到底願不願意買單 那他願意買單的話 他願付價格多少 他對包裝來說 他喜歡什麼風格的 什麼樣的包裝型態 其實都可以測得到 那第二個方式呢 是在廣告的前後測 你要知道廣告的秒數 然後每一秒每一個環節 他要說什麼 比如說我的30秒的 廣告可能會有10句話 他最有感的是 哪一句話 所以你知道了之後 你接下來把30秒廣 告變10秒 你就會知道 要怎麼剪輯 留下什麼 然後或者是接下來 你要新增什麼 前後都會去測 這樣的廣告 那焦點團體訪談其實會 帶給我們蠻多在做產品 或者說行銷的時候 一些消費者的洞察 所以你就會知道說 透過問卷調查和 home visit以及 做焦點團體訪談 其實他都是在研究 消費者的行為 他的使用的體驗 他內心的感受 他的選擇 那這個才叫做 消費者研究的部門 所以我們的部門就是在 看通路的銷售數字的 他比較是在研究關於我 書裡面在講的大數據 就是量化數字的部分 那消費者研究看 比較多是在質化數字 就是他沒有辦法用 012345678910去做 衡量的 他蠻多都是行為 都是文字的描述 他就會由這個 部門去看 可是除了這兩者之外 你又會很好奇說 那我們跟競爭對手 可能會有一些媒體 投資上的差異 可能不同的節目 不同的投資量 或者是我買的 時段不太一樣 那這個呢？ 他有第三個部門 叫做媒體研究部門 其實應該最多大家瞭解 Nielsen 都是這個部門 因為你會常常看到 Nielsen收視率調查 所以大概這三個部門 會一起去服務 我們的外商 FSCG的客戶 那這三個部門就必須 要進行交叉比對 因為每一個變數都可能 影響到你看到 業績的增長或衰退 然後 所以 我們也有一些跨國 分析專案的模組 可以去看 說 不同的行銷方案 不同的產品策略 到底哪一些？ 對於這個品類 這個產品的用戶來說 他是買單的 所以其實 有非常大量的數據 就是我們每天 可能會自己做分析 或者是透過跨 部門的方式 甚至跨國的方式去做 各種的分析專案 那我覺得比較多 其實我在這幾年 不管是到臺灣的企業 或是成為顧問 講師之後 我覺得臺灣比較多企業 困難的點是他們會覺得 要做到這麼龐 大的資料 這麼精細的分析 成本和時間太高了 所以他們沒有 辦法這樣做 那他們就會覺得 那是因為外商很有錢 所以可以做這件事 外商是蠻有錢的

jayden: 8:32

我個人認為也是 這個結論對

Cynthia: 8:35

但是實際上我覺得後來 會想要寫這本書的原因 也是我覺得有 的時候你不見得 要透過市場研究公司 你才能夠收集 這些線索 你還是可以透 過你平常日常 對於很多現象的觀察 像我後來進到本土上 其實沒有那麼 多數據了 但是我還是會到 康是美區城市去做 通路的訪查 然後問一下藥師 或是問一下店長 可能他看到了什麼 甚至假裝自己是消費者 去問他一些問題 那你就會有 很多的發現 那這個過程只是我們 需要隨時的提醒自己 要打開自己的眼睛 要保持好奇心 然後不要太 快的下武斷 其實還是有機會去 收集到一些 零碎的資料

jayden: 9:24

其實這也是 我覺得很有趣的東西 我覺得也可以 跟你分享 就是在整個消費 者研究跟消費者 洞察的過程中 我之前也大概在做 類似的工作 然後我們在做 東西比較 因為我們做行銷計劃 然後我當時的工作 是做那種連鎖展 店的那個街區 然後確認這個點是否 然後去評斷 這個商圈的大小 然後我們 當時候做最多的事情 我主管教我的 他說 你就常去SOGO四樓 晃一圈 看一下他們變化 長怎麼樣 那你就大概可以知道 整個趨勢往怎麼樣 往哪走 我們以前也是這樣 然後那個時候 我很喜歡一本書 那叫做創意思考的 街頭思考書吧 對 那本書 那本書也在講的東西 就是你怎麼樣 走到路上 然後去看待 去思考 這個東西可以怎麼樣 跟行銷有關聯 或者是他怎麼樣 做所謂的創意發 想的這個書籍 我覺得當時候 在看這些書 其實蠻有感覺 因為那就是 我們以前的工作模式 可是回到現在的狀況 我們進入到AI時代 你認為 AI時代下的狀況 數據分析 或者是數據判斷 這件事情變得更簡單 還是更困難？

Cynthia: 10:41

我覺得有簡單的地方 也有困難的地方

jayden: 10:43

那可以 跟我們分享一下

Cynthia: 10:45

簡單的地方是在於說 像我們在之前做 數據分析 通常它的流程就是我 對於客戶想要解 決的商業議題 我可能會先去 做一些探詢 我會好奇說他為什麼 有這樣的商業議題 他內心可能 也有一些他的假設以及 他希望達到的目標 那瞭解完這個問題 釐清了清楚之後 我進一步才會 去思考說 那基於這樣的問題 我對於平常的觀察以及 我對資料的掌握度 我可能會有一些假設 然後透過分析不同面向 或是不同的資 料維度之後 我去驗證 或是推翻這個假設 那過程 你就要撈不同的資料 看不同的維度 用樞紐分析 把腦洞拉一下 細拉一下 然後去思考說到底 有沒有其他的可能性

jayden: 11:34

這個 我也想要分享一個 我在節目上曾經 講過的一個 我覺得是有一點點 有趣的觀點就是 其實很多的行銷部門 包含是行銷企劃部門 大概在前 端的時候都會做一些 例如說 應該說 臺灣的市場 也許國外市場也一樣 通常是有一個產品 產品以後 然後才開始做 市場調查 然後針對這個產品 做市場調查的狀況下去 思考所謂的行銷方案 或者是各式各樣的 brainstorming 我常會說 他們就是在一個既定的 框架上面去猜有 可能的 TA 是誰 對啊？

Cynthia: 12:11

他比較像是先 設計後畫靶 所以很多時候他在找 的是想要支持自己這個 產品會賣的一個證據

jayden: 12:19

對對對 所以比較像是這樣 然後我那時候講了一個 我覺得很不客氣 也是一個玩笑話 但也是事實 他說我覺得所有的行銷 企劃都在算命

Cynthia: 12:30

可是 實際上也是因為 所有成功的行銷 很多都是後延的 因為就算你做再充足的 消費者研究 或是市場的分析 最終其實某部分 第一個 你沒有辦法猜透 市場會發生什麼事 包括你的競爭 對手的動作 或是突然間 經濟環境 帶來什麼樣子的改變 那更不用提 其實 某方面 再怎麼看數據分析 其實它都還是 基於一個前提 假設你才會去做 這樣的分析 那甚至同一個問題 不同的數據分析師 不同的解讀人員 得到的答案 都會不一樣 所以我印象非常深刻 一次 就是我在 Nielsen 的過程 有一次 客戶想要從國外 進一個成功的產品 進來臺灣 當然他們前面會做 非常非常多的調查 包括消費者的研究 也包括他想要了解 臺灣的市場到底有沒有 這樣子的需求存在 那因為我看的比較都是 通路銷售相關的資料 所以他就問我說 如果我去看不只我們家 品類的資料 有沒有機會我透過 不同的跨品類的資料 你幫我看一下 所謂拋棄式的清潔品 這件事情到底是不是 一個持續成長的市場 它的趨勢怎麼樣 那個時候我的確就 做了一些分析 你知道光是怎麼定義 拋棄式的清潔品 就有可能有 不同的定義 你要抓哪些的產品 哪些的品牌 哪些的品類 然後第二個 哪些的不含在裡面 哪些的含在裡面 有香味的 人工的 天然的 什麼？ 然後接著做完之後 那時候發生的事情 就是我的結果出來了 但是 客戶跟我說 其實他們就是 想要引進這個商品 只是 他的老闆說 你去問一下 Nielsen 的想法 然後呢 他想要用 Nielsen 的資 料來驗證這件事 然後我就很好奇 我就問他說 那你們觀察到什麼 所以決定 要引進這樣的商品 他有告訴我 他們的假設的 基礎是什麼 那我就發現 基於這些假設 其實你會撈取的資料 還有看的市場 其實是完全不一樣的 然後重新再透過他 有這些的前提 假設的狀況之下 我重新再撈一下資料 的確會 support 他的 答案決策 所以最後呢 我那個時候 因為非常的年輕嘛 我就跟我的老闆說 我覺得 這件事情有點微妙 相逼途中對 因為實際上我做 出來一開始的 finding不是這樣的 我真的結論不是這樣 其實是背道而馳的 可是透過改變了前提 假設和我撈資 料的維度 答案就不一樣了 我問他說他怎麼建議 那我老闆 當時就告訴我一件事

jayden: 15:15

不務假方

Cynthia: 15:16

沒有 他就說 你在講的過程當中 你要很有技巧的說 你是基於什麼樣 子的前提假設 所以你看了哪些品類 哪些資料 因此得到這個結論 他說其實夠聰明的客戶 懂的就會懂 也就是這個前提 假設不存在 你的結論 可能就完全不一樣

jayden: 15:35

懂懂

Cynthia: 15:35

所以你沒有說謊 你也沒有用 資料去欺騙客戶 可是你同時讓他知道 其實所有你找到的洞察 都是基於一定的前提 假設跟條件

jayden: 15:46

懂懂 我大概理解 那你覺得 在AI時代下面 數據分析變得比較難 的地方是什麼？

Cynthia: 15:52

我覺得比較難的地方 其實就是在判斷 因為AI會根據 我們餵給他的資料 以及他所有既有的 資料庫跟歷史的數據 他其實會做各種 的判斷跟生成

jayden: 16:06

然後跟問法

Cynthia: 16:07

對 所以 有的時候 如果你已經 抱持了一定的假設 其實會跟剛剛 我在Nielsen遇到 的狀況一模一樣 你得到的答案 通常是支持 你的答案 這是一個 然後第二個 通常我們會 灌進AI的資料 其實通常都是 量化的數字 也就是你 會把資料庫或是報表 裡面的東西丟進去 可是質話 也就是你透過訪談 甚至很多時候 比較 是你自己觀察 看到的東西 他其實不會有 因為他看不到 人的這一面 他沒有溫度 他沒有體驗 他也不太知道 什麼感受 所以 這類型的東西 一定是靠你喂進去 可是偏偏你喂進去 一定有你自己 的主觀認定

jayden: 16:47

我覺得這一個人講 我壞話不會對啊

Cynthia: 16:51

我覺得老闆今天沒有 跟我打招呼 他一定是討厭我 但實際上只是老闆 今天覺得很累 不想跟人打招呼 所以 各種的主觀認定 他可能都來自於個體 上的差異 或者是你的主觀認定 那就會產生 你餵給AI的資料 其實本來就是偏頗的那 你能不能夠去讓自己 永遠都反過來想去 試著思考 有沒有其他可能性？ 我覺得這是這個時代 最大的一個考驗 因為我們很容易把 AI產生看似正確的答案 吸引為真 但沒有真的去 經過思考跟判斷 也沒有去經過篩選 那個篩選不是 憑自己的感覺去篩選 而是你永遠要問說 還有沒有其他可能性？ 然後試著反過來想

jayden: 17:39

這件事情讓我有段時間 發現了一個 很有趣的東西 因為在AI時代下面 市場調查變得相對性 比較容易 取得一個像樣的答案 我稱之為像樣 不代表它已經正確 我們在行銷 面常會做一件事情 叫做客戶分析 例如說 我們要先尋找我們 TA根據這個產品 然後去列出這些TA 然後根據這些 TA去做一些假設 實際上 在市場分析 的技術裡面 它會遇到一個 蠻有趣的東西 就是你列的TA 不代表這個TA 就是一定是這個樣子 它會變成是它已經鎖 死在那個區塊上面 然後 所以你就看不到 其他動產 這個東西 就是我覺得在AI時代 很容易遇到的狀況

Cynthia: 18:25

對 但是 因為你 如果真的要完整的知道 客戶的輪廓 或是他的生活模式 使用行為 其實 過去 當然 像我在外商的時候 我們每兩到三年會做 consumer的UA 就是知道他的 persona 然後知道他的各個的 behavior都會去做 可是 問題是他 就是需要一筆費用

jayden: 18:46

對 完全理解

Cynthia: 18:47

所以我們固定 兩到三年 我們其實一定會留下 這一筆的預算費用 是做這件事 是那原因是什麼 我想要知道這個市場的 消費者輪廓是不是 有產生一些改變 結構是不是改變了 因為結構改變 代表我接下來的 新品的策略跟行銷的 策略必須要改變 那對我來說我就會看待 這樣子的資料 收集叫做投資 因為它可以幫助我 少走彎路 甚至開發出自以為 是的商品 這件事情也可以避免 但是對很多 的企業來說 我覺得比較像是 這是一個費用 所以他們會覺得 我花錢下去 可是這個很顯然 他不會為你帶來回收 他只是讓你看到 大概是這樣

jayden: 19:31

有可能會的方向

Cynthia: 19:33

對 但他們就會說 我也知道 甚至有時候 他會覺得做出來的結果 跟我想的差不多 這樣子我就白花錢了 那我還不如 就是我自己去猜一個 或是我覺得就是這樣 因為我很有經驗 我真的覺得 我眼光很準 對 所有的企業主 我覺得 某方面都是有點無可救 藥的浪漫主義者

jayden: 19:55

他必須啊 也必須啊 不然他堅持不下去了

Cynthia: 19:59

對啊 所以我覺得這件事情 其實有點兩難 我覺得這也是AI時代 會越來越困 難的一件事 因為得到答案 太容易了 可是你試著去 推翻這個答案 會越來越難

jayden: 20:13

好 那接下來 我想要問的東西 是一個關乎這本書 想要提到的東西 例如說你們在這本書 裡面一直談到的東西 叫數據決策 然後蠻多的部分 是應用在例如像公司的 跨部分的溝通之類的 能不能多說一下 關於數據這件事情 因為在傳統的狀況 跟現在的狀況 有點不太一樣 傳統的時候其實 我們在談數據的東西 其實很多的部分 是一堆數字 大家不知道怎麼分析 大家不知道怎麼看 不知道怎麼講 不知道怎麼溝通 對 那現在的狀況下 我們要進入跟建立 這樣的數據決策 然後去 確認這樣子的策略 它大概有什麼樣 制定的方向

Cynthia: 20:54

我覺得 凡是走到職場當中 所有的決策 其實有一個 我覺得很大的命題是 所有的決策一定都需要 跨部門溝通跟協作 所以 不管AI幫你產生再 漂亮的答案 或者是幫你找到任何的 insight 最終 在你的組織里面 不同部門的人 他的立場 角度就是不同 我舉個例來說 像我以前最長 的工作場景 就是因為 我是在品牌team 然後做marketing 跟整個品牌的管理的那 我常常對口的單位 其實是業務team 然後業務team 他們就是要負責通路上 各個通路不同的業績 以及促銷的方法 那我們兩者的 KPI是不太一樣的 業務的KPI 是它的業績 就是要達到 也有關它能 不能領獎金 像外商的業務 其實 他們通常除了業績 作為KPI之外 還有包括它對於業績 預測的精準度 還有退貨率 這些也都代表部分它 所謂的KPI的指標 那他們就很單純 其實就是在於 出貨跟退貨 這件事情是他們 重要的指標 可是對我們來說不是 我們除了管出 貨跟退貨 這對我們來說也是重要 指標之外 我們也要管毛利 也就是出減退之後 再扣掉產品的成本 扣掉這些通路 有的沒的的費用之後 毛利是多少 接著 我還要知道 這個品牌的淨 利是多少 就是包括扣掉行銷 廣告的費用 扣掉人事管銷成本 這個品牌到底 最後有沒有賺錢？ 那你看 如果我們在看的 指標不一樣 其實我們的立場 會完全不同 對業務來說 它就不顧一切 的把餅做大 所以 就算 AI產生再漂亮的答案 它會看到的永遠都是 要把餅做大的答案 但對我來說 我不能只看餅做大 因為餅做大 我那時候 最常跟業務吵架 一句話就是 餅做大 很簡單啊 我就狂撒錢 餅就會做大啦 我就是促銷 做很深嘛 買一送一 然後行銷廣告 砸錢下去 通常餅就會做大了 可是問題是 這個餅大了之後 它不賺錢 賣一瓶 賠一瓶 這個不是公司要的啊 那這個時候 兩方就會吵起來嘛 所以 最終 你都是要從跨部門 不同的立場跟價值 組裝之下 你要去思考 AI所幫你產生的這些 分析的結論 以及創造的方案當中 到底它的可行性 評估的指標有哪些？ 最終 你找到的不會 是完美解 一定是考量了 所有跨部門的主張 之後 所找到的最適解 適合每個部門 不見得 大家都百分之百滿意 可是至少 大家都可以接受 所以 AI產生答案之後 我還得考慮公 司的資源 公司的狀況 以及跨部門的各 個立場試算 各個不同的情境之下 可能產生對業 績的影響 對毛利的影響 跟淨利的影響 最終 把所有的方案做完 可行性評估之後 才有辦法下決策 那我覺得這個 就是為什麼 這本書其實會想要 把整個做決策的過程 大拆 小小拆 細拆成這麼多的章節 因為你單純靠AI 其實AI它不知道你 公司有哪些政治利益 跟策略目標 政治利益 有很多政治利益 以及各部門的 這些衝突點 因為每個部門 其實都互相在制衡 那它不知道 之下 它給的答案會是 看似正確的漂亮答案 但是不見得是你 適用的答案 回到剛剛 AI的問題來說 我覺得最危險的一點 其實是會容易 出現越來越多的 思想懶惰者 但是實際上在 AI的過程當中 思考並沒有真的變少

jayden: 24:39

那我覺得變多

Cynthia: 24:40

對 其實反而要變多

jayden: 24:42

我覺得決策變多

Cynthia: 24:44

對 因為你要能夠 去下判斷嘛 所以我常常都會在企業 內訓的場景跟學員說 AI協作很重要 沒有錯 但在AI時代 有三種最重要的能力 是絕對不能廢掉 的三種能力 第一個就是思考力 因為你要經過思考 你才會知道 你丟進AI的問題 以及資訊 是不是能夠帶你走向 你想要走向的 那個方向跟目標？ 第二個 你要有判斷力 因為你丟對了東西 之後出來 它會給你一百個 甚至兩百個答案 你要能夠判斷到底哪個 是看似正確 的漂亮答案 哪個是 真正適合你的答案 接著 就會出現第三種能力 你要有決策行動力 你要勇於下決策 而且勇於去行動 因為一直到下 決策的這個動作 其實都還只是 假設而假設 你必須要能夠透過行動 去市場驗證 你能夠得到真實 的數字資料 然後透過可能 在過程當下 書裡面有提到 領先指標跟落後指標 你看到領先指標 你試著去做 滾動式調整 因為它會幫助你去 預測真實結果的發生 看到落後指標了 你要試著去思考 它能不能帶著你去找到 走向三五年後的 北極星的目標 這個過程 其實只有你能 夠下決策 只有你可以去行動 這個AI沒有辦法 因為 真正在做這些事情的 其實還是你 面對這個市場 還是你 所以 我覺得 思考力 判斷力 還有決策行動力 是這個時代反而更 重要的三個能力

jayden: 26:21

剛剛你提到的東西 有一件事情 我覺得很重要 這也是我們最近在做的 Podcast內容 中有特別提到的東西 因為有很多的時候 是AI會給 很多不同的方向 跟不同的想法 跟不同的意見 甚至我們要花很多 時間做決策 這些事情是在這個時代 下面我覺得不可 避免的東西 但有一件事情 其實是這個時代下面 一個蠻特殊的 一種進行 是叫做AI Native 那AI Native的概 念是什麼呢？ 我今天從這個決策 或這個判斷 或這個企劃 它本身就是一個 AI的結論跟解答出來 以後變成AI 有一個運作的顯示 跟運作的方式 最後這個運作的顯示 運作方式 會得到一個數據 那這個數據的成本 再來回推當初的 這個決策或這個判斷 是不是對的 其實我覺得概念上面 就跟你剛剛講的東西 有一點點接近 跟類似 只是現在這些東西 跟這些流程化 已經變成AI的東西 跟主張在去做 然後 我們再去看 每一個東西 跟每個細節 跟每個執行方向 有沒有什麼地方 是細節部分要調整 所以它很變相 是它是一個路 然後 我很像工程師 修那邊的 這邊 東東修一修 這邊西邊修一修 裡面有提到一個東西 我自己覺得它很重要 就是這個數據 它反映的東西 到底是內部決 策出問題 還是外部因素？ 我覺得這件事情 我會想要多問 因為有時候 數據的呈現方式 它不見得是內 部的問題 而是外部因素 例如說可能有一個巨大 事件產生出來的結果 通常數據怎麼判斷 內部跟外部的狀況？

Cynthia: 28:03

應該是說 所有外部的環 境的狀況 它都難以避免 一定都存在 比如說 當時在今年 對等關稅的事情出來 它就是對經濟 帶來影響 然後現在股市 的上衝下起 它其實 也是帶來一定的影響 所以 你會看到 有一些用戶的行 為開始改變了 有一些大家焦慮 點開始出現 這個其實 我覺得都很難免 這個東西 它基本上一定外部的 因素就是不可控的 所以我通常在去做任何 給學員或者是我的 客戶做建議 或者是講授 的過程當中 練習的過程當中 我會帶著他們去做 一件事情 是 我們在這本 書的第三章 叫做分析原因 就Analyze 然後 當中有一個叫情境 盤點MISI 我把問題的原因全部用 MISI法則 毫無遺漏的 把它盤點出來 當中一定有內有外 這個時候 我要能夠去下 一個判斷 說 因為外部 你沒有辦法控制 它是你的不可控因素 所以你要先 思考的一件事情 是你所有盤 點下來的原因 第一個問題叫做 它是可控還是不可控？ 然後 當你把它分類成可控 不可控的時候 我會做第二件事情 把所謂外部原因 不可控的因素 我試著去思考 有沒有可能 因為我改變了某些變數 或某些條件 它會變成可控 或者是半可控 那這個時候 我就會把這兩塊 中間會變成一個 模糊的回接地帶 再把這些原因再放進來 接著我就會做第三 件事情是我知道了 半可控跟可控的嘛 那不可控的 基本上我就不會再去理 它也就是說你只考慮 可控跟半可控的 這些數據以及原因之後 坦白說你的問題絕對 沒有辦法100%解決 可是這就是現實 你得接受不會有完沒解 你只能在你自己現有的 資源條件下做出最適合 你的決定你知道就連 可控跟半可控有很多 加上你所擁有 的時間資源 人力 技術其實很多 東西還是不可行你可控 但你就是能力還不夠 就是不可行對 我最常舉的例子 在企業內訓我就會講 什麼叫做我今天 會帶來很好的效益 就是我覺得我跟金城武 結婚很好啊 這個方案很好啊 可是他不可行啊 因為我就沒有 那樣的條件 也沒有那樣的資源 去碰到他 所以那個叫做空想嘛 所以你又因為 你自己能力 認知資源各 方面的限制 你一定還會再做 一次的排序 所以最後你能夠去執行 的最後的這個決策

jayden: 30:47

當下最佳解

Cynthia: 30:49

它只是當下最佳解 而且那個當下最佳解 就像我很喜歡剛剛 Jayden講的當 下最佳解 因為明天 可能就不是了

jayden: 30:57

對 完全理解

Cynthia: 30:58

一年後可能就不是了 因為我們常常 在人生的旅途上 我覺得也很像你 回頭看自己的一年前 其實你在一年前 如果你持續的 在學習成長 你一年後的你 自己跟一年前 能夠做到的事情 以及同樣一件事情 會下的判斷 其實常常是截 然不同的

jayden: 31:18

懂 那再來 我覺得還有 另外一個問題是聽眾 很想知道的 就是 如果我今天是一個完 完全全全新沒有接觸過 這樣子訓練的人 他該怎麼樣去好好的 往前走或往前邁進

Cynthia: 31:33

買書

jayden: 31:34

先買書我就知道

Cynthia: 31:37

哎呀 賣書真的在那個 年代好難對 但是我覺得買書 是一個很重要的事情 因為剛剛有說到 你的能力你賺不到你 認知以外的錢 你沒有辦法解決你 能力範圍以外的事情 所以當然提升能力 跟認知是重要的 那我覺得書是相較起來 最便宜的投資

jayden: 31:57

那它通常 在數據的分析的過程中 或數據決策過程中 它通常分成幾個階段

Cynthia: 32:03

我覺得應該是說 回到買書之前 其實它真正要做的 第一件事情 是我常常會提醒大家 在我的課程裡面 或任何時候 我最常說的一句 有點到最後 大家會覺得抹 音穿腦花 叫停一下 想一想 問一下 因為很多時候 我們都太快下決定了 太快下結論了我看到了 今天Jayden臉很醜 我就覺得我是不是 做了一些事情 得罪他 你誣衊我 我今天發現 某人不回我訊息

jayden: 32:39

沒有你誣衊我 我就覺得

Cynthia: 32:41

沒有 我在講張維峰先生 他不回我訊息 我就想說是不是最近 可能就不太想要理我 但實際上可能 只是因為很忙 所以我們常常會因為 自己的主觀認知或者是 我們的過去經驗 其實帶著我們走向過渡 五段的論定 那我覺得培養數據思維 這件事情最常可以 做的一個練習 就是你停一下想一想 問一下還有 沒有其他的可能性 有沒有一些線索 你可以去觀察一下 不管是量化的 或是質化的 所以我常常都會說 你知道我那一天 有一個朋友邀請 我講這本新書 是用動漫的角度去講

jayden: 33:21

這麼厲害

Cynthia: 33:22

我超嗨的 然後呢 他就講一件事情 我覺得他這個 比喻超好 他說這本書叫從 直覺到數據 其實就是想要幫助大家 從毛利小五郎變成名 偵探柯南 那我覺得這部卡通 應該大家都有看過 你去思考一下 毛利小五郎 最常做的事情是什麼？ 他最常做的事情就是他 看到一個案件 他就會說犯人就是他 一定就是他了 因為他怎樣怎樣

jayden: 33:48

然後就被受孕了 然後呢？

Cynthia: 33:50

大家就會發現說 只要他說的那個犯人 一定不是犯人 對 但是你會發現 柯南很少做這件事 他會在那個犯罪現場 東看看西看看 看一下血跡 看一下有什麼線索 看一下腳印 看一下什麼 他都不講話 他只是東看看西看看 我覺得這個其實是 我們可以好好的把數據 思維發揮出來的原因 好

jayden: 34:13

那這是我自己想要問的 最後一個問題 就是你 認為每一個人都需要 具備這樣的思維嗎？ 那是一個靈魂拷問

Cynthia: 34:23

我覺得每 個人都需要啊 因為我自己常常有一句 話要送給大家 每一次在不同的場合 我大概也都會 講一句話 當你有新的看見了 你才會擁有新的發現 當你擁有新的發現了 你才會有不同表現

jayden: 34:40

哦

Cynthia: 34:41

那當你有不同表現 你就有機會走向 不同的呈現 那你人就會變 得不一樣 你的 生活會變得不一樣 可是如果你一直以來 都只看到你想看的 都只武斷的下結論 你永遠都沒有辦法看到 其實還有其他可能性 當然你沒有機會 做出更好的決策

jayden: 35:02

嗯瞭解 那今天其實 聊了非常多 我覺得很多 很專業的東西 我不確定 我們聽眾是說的對嗎？

Cynthia: 35:10

現在他們已經 睡死聲音

jayden: 35:12

他們應該已經 睡死了吧 我們很像在上大學課 這樣沒有

Cynthia: 35:16

我跟你說 我剛剛因為這一場之前 我在做企業內訓嘛 是個線上講座 然後 通常內訓的線上講座 大家全部鏡頭 都是關著的嘛 然後只要你的講授時間 稍微長一點的時候 你就會想說 大家還活著嗎 對然後 我覺得他們很可愛的 我就說因為我有給他們 一些遊戲化的電腦 就是他只要在聊天室 我問問題的時候有留言 他就加10分 那第一個留言最快 最準的就會加50分 所以他們就會 願意留言嘛 我就說像這個 如果我看到大家都 關鏡頭都沒有人留言 我可以下一個很 主觀的判定叫做大家都

jayden: 35:52

睡死了

Cynthia: 35:53

都掛線 同時在做其他事情是 但是我要怎麼樣 去收集數據驗證呢？

jayden: 36:00

就用遊戲化的方式 分數的方式來做

Cynthia: 36:03

就是我問一個問題 有在聽的幫我留言 因為他留言就會加 10分嘛

jayden: 36:09

我的做法是那聽 得懂的打1 對啊 大概就有人會打 1這樣

Cynthia: 36:14

對啊

jayden: 36:14

完全理解

Cynthia: 36:15

所以所有的數據 其實都是你有意識的 去留下痕跡得來的 那就會帶你有 不同的看見嘛 那不同的 看見就會有新的發現 新的發現 就會有不同的表現

jayden: 36:27

好 那在節目的最後 有沒有什麼特別你想要 跟我們的觀眾講的呢？

Cynthia: 36:32

因為很多人會覺得 數字是很冷冰冰的 然後也很容易說 因為數字通常很難 因為我們小時候 被數學課圖讀過嘛 嗯我覺得是因為 大多數人在看數字 的時候在想的都是0 1、2、3、4、5 6、7、8、9 10這些所謂量化的數字 可是這本書為什麼 很想要寫給大家認識 數據之外是因為 我想要讓大家知道其實 數字並不是冷冰冰的 它除了量化的數字之外 有質化的數字 而量化數字的溝通 是最客觀的現象 所以最不容易產生誤解 跟認知的落差 再加上有質化的數字 你用心的去觀察一個人 深刻的去認識一個人 它就不會冷冰冰 因為你把人放在心上 它就會擁有溫度 所以當你深刻的知道 這件事情 你才有辦法好好的去 運用數字 不然你永遠都會覺得 數字很冷 然後它很可怕很難 所以我其實 最想告訴大家是說 數字完全不可怕 不冷冰冰 它存在我們生活的 每一個角落跟線索 只是我們得停 下來想一想 問一下 有沒有其他的可能性 你就會有更多的看見

jayden: 37:47

好 那今天真的很感謝 思霞再來到我們 節目裡面跟我們

Cynthia: 37:53

感覺常駐對 常駐

jayden: 37:55

那其實就是因為 有蠻多的東西 包含是我們 最近的節目也在講 很多數據化 資料庫的東西 一直在談的 都是這些東西 就是因為因應 AI的狀況下 我個人認為 在AI狀況下面 數據的判讀變得 相對性而言 簡單一些 那也可以幫助不管是 企業主或行銷人 有更好 更完整的策略 甚至是 往前的一些方向 它能夠比較知道它 下一步應該去哪裡 應該怎麼判斷 怎麼驗證 那這些東西 其實都是我們 過去行銷人花 大量的時間在做的事 只是 現在可以透 由一些簡單的方式 能夠得到一些 我們說所謂的答案 然後包含是現在在 談的企業大腦 不管是企業 整體的資料庫 所以整個企業的數 位化跟數位化 開始 把這些數據變成 整個雲端的過程中 派一個AI 實際上去做 整體的一些分析 就會 相對性而言 有一些答案 當然有提到 其實有很多 不管是植化內容 或者是量化內容 你還是會根據這 一個下指定的人 有所變動跟變化 但相對性而言 比起過去而言 看不懂 一大張報表 然後再來是這 一個報表 實際上 最後的結論或數據 跟去年差在哪裡？ 不知道 不知道怎麼講 現在至少還可以用 AI產生一份報告書 所以我覺得這些東西 我覺得它會加速發展 這個產業 包含是我們的 不管是管理 或營運的方式 所以這是我自己的想法 跟自己的判斷 不確定到底三五年後 是不是真的是這樣子

Cynthia: 39:33

對啊

jayden: 39:33

畢竟 我們是根據這個數據來 判斷未來的狀況 今天很感謝 有這樣的機會 再跟CCR聊一聊 下一次 我們不知道要聊什麼 可以聊動漫啊 可以聊動漫 是不是也許有機會 可以去你的節目 也稍微聊一下？ 可以啊 沒問題 OK 好 我們今天的節目 就到這個地方囉 我是傑登

Cynthia: 39:55

我是欣夏

jayden: 39:56

我們下禮拜《笑破壞》 再見囉大家掰掰掰掰