選對參考數據．福雖未至禍已遠離
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？
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。
日期：2020-04-10 出處：資策會MIC產業顧問學院
前一個
- 課程名稱最近開課定價
- 生技化粧品生產開發及法規實務2026/01/057,200
