/ 為什麼大家的預測都不一樣 / 2021 新春特刊
#周末認真文系列
#過年認真文系列 #南鯤鯓
.
幾年前聽過一個問題：「如果老天爺準的話，那為什麼每個宮廟給出來的預測沒有收斂到共同的結果？」
.
以前在國內的產業研究單位時，最常被客戶問的問題就是：「你們的資料準不準？」「你們跟OOO單位比，誰的資料比較準？」這個問題從「統計數據」開始，會一直追問到「預測」為止。
.
這個問題至今仍在：「為什麼分析單位的數據結果會不一樣？」或者「到底我應該信任誰的研究數據？」
.
1) 為什麼研究單位的數據不盡相同
.
光是這個問題就是一堂50分鐘的課。首先，我們先撇除那些研究品質比較不符預期的資料庫 (#甚麼叫研究品質不佳 ? 就是沒仔細交代研究方法的單位)
.
產業研究資料非常難取得。多半是透過面訪、政府統計、推測 ... 等方式取得及建構成資料庫。大型的研究單位比較容易約到「關鍵廠商」且進行訪談，例如能夠約到這個產業中的關鍵業者，所以他的數字可能比較有代表性。
.
不是每個研究單位都能約到各大廠的代表。他們可能有自己的人脈或者方式，所以「推敲」到的數字當然會有一些差別。所以，很多研究單位會隨著分析師的離去，但卻沒把資料窗口交接給下一個分析師，直接的影響到資料的準確度與品質。
.
其他當然還有很多「影響」統計及預測結果的因素。最可怕的一個是「定義」。有非常多的公司甚至沒認真看資料庫的定義就開始亂用資料了。以「電腦運算設備」來說，到底甚麼叫「電腦」？甚麼作業系統、甚麼規格 (例如說沒有附鍵盤的設備，算平板或筆電？)。
.
又或者：OOO 單位的負責分析師跟 XXXX 的分析師，掌望 2021 的基礎切入點是不一樣的。所以他們預測的分析模型，因素及係數當然也會不一樣。
.
2) 所以，我要聽誰的？
.
我最常花費力氣跟高階主管溝通這個概念，那就是「即便你花再多錢去買資料，你都不應該『全盤相信』研究單位給的數據。」#更別說網路上抓的免費資料 #或者你相信外行菜鳥隨便亂做的報告
.
使用產業數據或市場數據，主要是站在「修正決策」或「輔導形成決策」的過程中。好的「使用資料」的態度，應該是要盡可能地取得真實的資料，但並不仰賴或者過度信任單一的資料來源。
.
多數的資料提供業者，並不「打算對資料的正確性」附上全責；此外，他們也做不到。所以即便他們的數據可能已經是最接近事實的數據，他們也沒打算保證他們的資料是最完整、最正確的。
.
「你誰都不應該聽。」對於購買資料庫或者分析師服務的業者來說，你應該聚焦在「研究單位如何取得資料？他如何分析？他如何判斷產業為什麼會反映出當下數據的狀況 (insight)？以及基於當下狀況，他認為接著會變成甚麼樣子 & 為什麼？) (foresight)
.
當決策團隊逐漸地聽懂分析師的方法及邏輯後，你可以接著做兩個選擇： 1) 覺得對方的方法可信，所以選擇聽從 2) 覺得對方的資料 / 邏輯部分可信，所以我們公司內部應該選擇修正不完善的地方，重新下判斷
.
如果你完全不相信對方，你也不會用他的資料了，對吧？
.
使用資料是一種「過程」。 透過資料的解讀延伸成各種「決策」，來推動商業的前行。如果自己對於資料的理解有錯？或者理解正確了，卻沒有在資料為基礎之上，正確的得到自己所要的，那就要修正自己的行動或行動策略。」
.
這其實是一個很科學化的循環。但投資也非常大 ... 所以多數公司都還是會停留在「有數據就好」而不管數據的品質；或者是「我有用數據來分析」，卻不管結合數據的分析、決定的行動與策略，以及最後結果之間的關聯究竟是甚麼？
.
因此，多半的業界都還停留在「想花錢買到最好的答案。」如果正確答案是花錢就可以買到的？那最後有錢的公司絕對會是最有競爭力的那個業者，你只要複製他的行動策略就好啦！但人家的競爭力是用錢疊起來的，你這樣怎麼有機會贏他？
.
有可能的！只要你夠認真的解讀資料，挑對適合自己的戰場 ... 是有可能獲得小戰區的勝利。
.
pic sourece:
https://www.ettoday.net/news/20210212/1919112.htm
甚麼叫研究品質不佳 在 阿谷教你讀論文（04）：研究價值可用研究方法與研究對象著手 ... 的必吃
阿谷教你讀論文（04）： 研究 價值可用 研究 方法與 研究 對象著手；論文題目之每個字都須 ... 谷哥談【論】第09講： 品質不佳 的論文成因、批判與批評的 ... ... <看更多>