在工作場景，剛接觸報表分析是否常遇到以下挑戰：
老闆說下午就想看到結果，但我根本無法順利取得能夠幫助的解決資料啊！我們是否常常有「我們真的能夠順利取得所需要的資料嗎？」的疑問。
另外就是，上級請我們要管好資料，但他們一點都不知道那有多難，光是每天從系統彙整出來的報表，各項欄位名稱也沒有統一，每次都要花好多時間在統一格式上，根本看不太到我們這種苦差的價值。如何擁有妥善管理數據的人與技術？
再者，老闆請我分析數據，但我打開Excel後只做了一張長條圖，然後就沒有然後了⋯⋯其他腦筋都一片空白。我該如何具備足夠的數據應用能力呢？
在12/9的課程，先行智庫特別邀請到知名企業講師/博客來暢銷書作家 彭其捷老師來分享：該怎麼認識、理解、運用數據，以及最後可以用網路上的一些簡單分析工具來體驗！
過去的經驗中，在公司拿到以下數據後，你會怎樣展開分析的任務呢？
通常我們都會馬上用Excel開始製作整理成表格與圖表一番對吧？但首先，常見的分析有哪些階段？
描述性分析階段
描述性分析是指將資料中的大量數據進行整理與概況觀察，也是下一階段的診斷性分析之基礎，可以對數據事實能夠有一個客觀的感受。
例如誰是業績第一名、最後一名，這個月的業績多少（加總）、平均每人要負擔多少成本、在哪個月份對多人買等等。但老師也說明這些數值可能的確很客觀，但常常很多人會誤用不太適合的圖表，導致我們在看圖表時容易被誤導。例如應該用長條圖呈現的各個產品販售數量的多寡，卻用了折線圖表示各個產品的變化趨勢。可能會讓人以為產品越賣越好（或越差）。
所以透過描述性分析階段，結合合適的視覺化圖表，進行指標觀測，客觀掌握數據樣貌要注意的往往是視覺呈現的恰當性。
診斷性分析階段
下一個階段是診斷性分析，這個分析著重在「為何會發生？」的命題上，也就是當我們觀察到某個現象時，去嘗試挖掘其原因。
另外，很多發生的原因常常讓專家摸不著頭緒。其實，很多事件很吃相關第一線人員的經驗，更能提出對於組織有價值的洞見。彭老師就分享了他們在找出某個事件下的相關空汙原因時，第一線的工作人員分享的經驗，就很有可能是污染的來源喔！
所以在診斷性分析階段，除了資料科學的既有知識，重點在於納入現場執行者的過去經驗，更能提出對於組織有價值的洞見。
預測性與處方性分析
有了大量的數據累積，再加上適當的資料清理，進行了以上描述性以及診斷性分析之後。接下來，我們將可透過這大筆的資料，來預測未來的指標很可能會走向何處。
例如，現在很多人出門前除了看是否會下雨外，也會看一整天的空氣品質預測。這些都是預測性分析帶來的參考。
再來，透過預測性分析> 建立自動化模型，達成未來分析之行為，作為未來行動（Call To Action）的討論基礎。例如在社會最常出現的分析場景為：金融機構在受理一名消費者申請信用卡時，是否發卡？該發多少額度？
現在我們更有機會透過自動化模型，根據疫情模擬未來擴散，決定現在的最佳防疫策略。在商業上，預測可能的銷售量，提早應變減產或是增加生產，避免庫存的浪費。
老師更提醒大家：預測與處方分析之間是不斷交互的作用，根據各種數值預測結果，決定合適的處方，後續訂出更多的策略處方方案，並與預測性分析搭配試驗。
如何從視覺的角度看待數據分析？
這段很有意思的是，老師讓我們先從「根源」理解圖表呈現的用意是什麼？以及為什麼常常有許多人做出了圖表，還是根本難以理解的原因。
就像做眼力檢查時，常常會有檢驗色盲的數字卡，對比越重、形狀只有一個不一樣的的通常越簡單辨識，但顏色形狀越混雜或接近，常常要花上更多的時間來辨識重點。
「讓原始數據能夠更快理解」是視覺化數據的核心目標之一，透過色塊、區域、顏色、互動等設計，相對原始數據能夠更快理解、相信某個觀察，才是將數據視覺化的中心思想。
視覺化初學者，可以先從這幾個網站開始！
WordArt（快速做出標籤雲）：https://wordart.com/
Google Data Studio（線上就能幫你跑出視覺化儀表板）：https://datastudio.google.com/
Visme（超好用的資訊圖表製作工具）：https://www.visme.co/
除此之外，這堂課老師也講解了許多進階的軟體優劣，以及每個軟體適合給什麼樣職位的工作者學習。最後老師在課程的結尾也送大家一句話勉勵：「優質的視覺化呈現，是一個可以刻意練習的技術。」
先行智庫為你而讀為台灣管理顧問公司，服務內容包含企業內訓、顧問諮詢以及分析數據解決方案，了解更多企業服務內容：https://kscthinktank.com.tw/data-analysis/
有沒有實際的操作步驟跟範例呢？
上述概略了樞紐分析的操作技巧，如果需要更詳細的上機操作教學，可參考先行學院線上課程：資深經理人教你超強Excel數據力
報表想更上層樓？
動態報表的製作可參考：「課後筆記：當Power BI應用於日常工作，將影響HR的4大轉變」。當數據分析能力已成為現今職場的需求指標，不難預期更久的以後可能只會更加普及與深入，初探數據分析的世代，需要你積極踏出第一步。