選對參考數據.福雖未至禍已遠離

by TibaMe小編
選對參考數據.福雖未至禍已遠離

來源: 沈舉三    MIC資深研究總監 編輯:TibaMe行銷團隊

你一定聽過「數字會說話」,但是,你真的有聽懂「數字」在說甚麼嗎?

當你蒐集許多「各家分析機構整理好的數據」要進行判讀的時候,經過初步比較,你會突然發現,怎麼有的數據差不多,有的數據差很多,攤在眼前的數據,就像來自四面八方的你一言我一語,都有道理,到底你應該選誰的數據,才能得到真理?分析成堆的數據,最困難的往往不是如何蒐集資料,而是當一堆數據擺在眼前時,你要選擇那一個數據作為參考依據?

分析數據最困難的是…

假設主管要你評估AI人工智慧至2025年的全球市場規模,你的報告內容將成為公司未來的投資參考依據,這是個能夠讓你增加「組織高層能見度」的機會,當然不可能只是條列送上每個你找到的數據,再請主管們自行判斷;也不可能是估算出一個範圍過大又不合理的數據,然後被學過費米推論的主管當場退回。所以,你需要學會一個有系統步驟性的數據判讀方法。

首先,條列每一筆數據再製作成表格,逐一淘汰未明確標註資料來源的數據;其次評估數據來源或取得的時間點,雖然時間點愈新的資料不一定愈準確,但考量市場環境變化因素,取用愈近期的資料,還是個較妥當的選擇,如果能同步蒐尋到所選用數據的原始檔案更好,可以大幅度降低引用或解讀錯誤資訊的風險。篩選出可信賴的數據後,再檢視數據來源的單位機構,如果是來自長期研究經營該領域的專業機構,研究報告呈現的數據信效度,也會大幅提高。

最後,再交叉比對該領域的「關鍵」廠商所提供的資訊結果,也是很好的參考依據,所謂的關鍵廠商,不一定是該領域的主力或龍頭廠商,因為有的大廠會產生自我催眠的鍍金效應,預估數據過於樂觀,有的大廠具有高度的情報意識,預估數據真假難測,對市場前景的敏感度反而不如二線廠商。

雖然判讀得到對的數據,未必能為你帶來實質效益,但福雖未至,禍已遠離。參考錯的數據,輕則影響投資決策,侵蝕當年度公司盈餘,重則讓公司從此退出該項產品線,無法挽回。所以,在平時就要勤於訓練自己的資訊判讀能力,才是個人提升職場競爭力的最佳決策。

立即點擊學習更多關於深度學習,購課輸入”21BRO95″享TibaMe Blog讀者專屬非早鳥課程95折優惠(2021/12/31止)
分享這篇文章:
0 留言
0

您也許會喜歡

發佈留言

這個網站採用 Akismet 服務減少垃圾留言。進一步了解 Akismet 如何處理網站訪客的留言資料