讀《大數據的關鍵思考》從個人成長到商業決策：解構大數據的底層思維

type

status

date

slug

summary

前言

你是不是也有一堆「以後會有用」的東西？

Notion 裡躺著幾十篇沒整理的筆記，瀏覽器書籤資料夾塞滿了「待讀」文章，手機截圖多到自己都忘記截過什麼。我們總覺得先存起來，之後一定會用到。

但「之後」從來沒有到來。

《大數據的關鍵思考》的作者車品覺，曾任阿里巴巴集團的數據長。他在書中直接戳破一個迷思：

「先收集起來將來再使用，這個想法完全是偽命題。」

這是阿里巴巴初期犯過的錯。他們一開始以為資料越多越好，結果儲存成本暴漲，卻沒有人知道這些資料要拿來做什麼。

所以問題從來不是你收集得不夠多，而是：你有沒有帶著問題去看這些資料？

這本書講的是企業如何運用大數據，但讀完之後我發現，裡面的思考框架其實可以套用在個人身上。你的記帳紀錄、番茄鐘數據、學習筆記，都是你的「個人資料庫」。差別只在於，你有沒有一套方法，讓這些資料真的產生價值。

一、「感覺」最容易騙人，而數據讓你有一把尺

我們平常對生活的判斷，大部分都來自「感覺」。

你感覺最近工作很認真，感覺最近花錢花太兇，感覺自己好像有在進步。但問題是，「感覺」這種東西最容易騙人，因為它沒有標準，也沒辦法比較。

什麼時候你才能真的知道自己表現好不好？當你手上有一把尺的時候。

有了平均值，你才有標準

假設你開始用番茄鐘記錄專注時間，連續記一個月，你就會看到一個平均值。有了這個平均值，你就有了一個基準點。

當你知道自己平均每天能專注四小時，某天卻只有兩小時的時候，你就可以問自己一個具體的問題：是昨晚沒睡好？還是那天會議太多，時間被切太碎？

這就是數據最基本的價值：讓你從模糊的感覺中跳出來，有一個可以衡量好壞的標準。

從數據中鍛鍊思考

書裡提到一個概念叫「情境還原」（Context Restoration）。意思是說，同樣一筆數據，為什麼有人能從裡面看出東西，有人卻看不出來？差別在於你能不能還原這筆數據背後的「脈絡」。

作者舉了一個我覺得很有意思的例子：如果你想知道一家酒樓的生意好不好，該問誰？

答案不是問老闆，而是去問門口賣報紙的人。為什麼？因為香港人習慣喝茶的時候順便買份報紙，所以報紙的銷量會直接反映酒樓的來客數。報紙攤販不知道酒樓的財報，但他手上握著一個很實際的「情境指標」。

這讓我想到：數據本身是死的，但當你知道這筆數據是「誰」在「什麼情境下」產生的，它才會活過來。

你的番茄鐘紀錄如果不搭配當天的睡眠狀況、會議數量、甚至心情好不好，單看「今天專注了幾小時」這個數字，意義其實很有限。

記錄只是起點，能不能還原情境，才決定這筆數據對你有沒有用。

二、記錄不等於分析，你需要的是一個『數據框架』

為什麼有人記帳三年，還是不知道錢花去哪？

答案很簡單：因為他只是在「記錄」，沒有在「分析」。

數字本身不會告訴你答案

書裡有個案例讓我印象很深。

作者在分析某個電商網站的廣告投放時，發現一件有點反直覺的事：ROI（投資報酬率，Return on Investment）排名前 30% 的那些關鍵字，帶來的顧客幾乎都是「一次性消費」的人。

這些人就是因為看到便宜才點進來，買完就閃人，之後再也不會回來。換句話說，這些「績效最好」的關鍵字，帶來的其實是最沒有長期價值的客人。

結果呢？他們試著把這些關鍵字砍掉，業績幾乎沒有受到影響。

這個案例讓我意識到一件事：數字本身不會告訴你它代表什麼意思。你需要一個框架，才能正確地解讀它。

數據框架：解決問題的四個步驟

如果你記帳只是流水帳式地記「今天花了多少錢」，你很難發現問題出在哪裡。但如果你是帶著一個具體的問題去記，比如「我到底在哪裡花了最多冤枉錢」，你就會開始幫支出分類、比較不同類別的比例。

說不定你會發現：每次加班壓力大的那幾天，宵夜和手搖飲的開支就會暴增。這時候，你要解決的可能不是「少喝手搖」，而是「為什麼最近一直在加班」。

這就是作者說的「數據框架」（Data Framework）。他把這個過程拆成四個步驟：

確定問題：你想透過這些數據回答什麼問題？

整理數據：把資料放進一個框架裡，讓它可以被分類、被比較

分析關係：觀察數據之間的關聯，找出規律

採取行動：根據你的發現去做調整，然後看看有沒有效

這套流程不只能用在商業分析上。記帳、減肥、準備考試，其實都可以套用一樣的邏輯。

重點不是你記了多少，而是你有沒有一個框架，讓這些紀錄能回答你真正在意的問題。

三、迷茫時的指南針：先開槍，再瞄準

在讀這本書的時候，我發現一個有趣的矛盾：作者一方面強調要「帶著問題去記錄」，另一方面又提倡「先開槍，後瞄準」。

這聽起來像是叫你先亂打一通再說，難道不矛盾嗎？

深入思考後我才發現，這其實是針對不同人生階段的「數據策略」。

1. 探索期的「先開槍」：與迷茫共處

當你對一個新的知識領域、或是對未來的生涯規劃感到一片漆黑時，你根本不知道目標在哪裡。這時候，如果你堅持要先「瞄準」才行動，你可能永遠無法出發。

這就像生涯探索。在你什麼都不確定的情況下，比較好的做法是先廣泛嘗試：大量閱讀、參加不同的活動、接觸各種可能性，然後從過程中觀察，哪個嘗試讓你最有成就感？哪個方向做起來最順？

「先開槍」是為了快速產生數據，讓我們在海量的雜訊中，慢慢找到值得瞄準的目標。

2. 成熟期的「養數據」：精準的長期主義

一旦你透過「開槍」找到了方向，策略就要跟著變。這時候你不再亂打，而是開始精確地設計：我需要追蹤什麼數據，才能讓自己在這個方向上持續進步？

作者把這叫做「養數據」（Data Cultivation）。跟被動的「收集」不同，養數據是一種主動的、有策略的行為。

ㅤ	做法	心態
收集	有什麼記什麼，先存起來再說	被動的
養數據	想清楚要追蹤什麼，設計記錄的方式	主動的

打個比方：就像在森林裡打獵。一開始你不知道獵物在哪，所以到處走、到處看、到處留下足跡（開槍探索）。但當你發現了某種動物的蹤跡，你就要開始佈線、追蹤、記錄牠出沒的規律（養數據），最後才有辦法精準出擊。

先開槍是為了找到方向，養數據是為了走得更遠。階段不同，做法就不同。

四、釐清核心：「目的」跟「目標」不一樣

在數據驅動的思維裡，作者對「目的」跟「目標」的區分讓我很有收穫。這兩個詞語看起來很像，但其實是用來區分行動的層次。

ㅤ	意思	例子
目的（Purpose）	你想到達的終點	我想達到財務自由
目標（Goal）	衡量你有沒有到達的標準	四十歲前被動收入超過支出

很多人覺得「讀越多書、上越多課」，吸收就會越好。但大數據的思維告訴我們：如果沒有先搞清楚你的「目的」是什麼，你就只是在資料的海洋裡溺水而已。

順序應該是這樣：先確定目的，再設定可衡量的目標，最後才去執行。

這樣一來，你累積的數據才會是有意義的迭代，而不只是讓自己感覺良好的流水帳。

五、自我管理的靈魂拷問：老師的三個問題

書裡有一段讓我印象很深。

作者剛開始負責支付寶的數據營運時，完全沒有頭緒，於是打電話給他的老師求救。結果老師沒有給他答案，而是問了他三個問題：

你目前面對的三大問題是什麼？

未來三個月，你要解決什麼問題？

過去一個月，你做對了什麼？做錯了什麼？

老師說：「如果你五分鐘內答不出來，那你根本不應該坐在這個位置上。」

這三個問題本來是用來測試「商業敏感度」的，但我覺得拿來做自我管理，力道一樣強。

它本質上就是一套「自我監控機制」。如果你答不出來，代表你可能根本不知道自己現在在幹嘛。

不管是投資理財、職涯規劃、還是任何你想變好的領域，這三個問題都可以定期拿出來問自己。數據就像是你寫給未來的自己的信，如果沒有這些紀錄，你就沒辦法對齊過去跟現在的表現。

六、數據的盲點與心法：像「小偷」一樣觀察世界

讀到這裡，你可能會覺得：好，那我只要有框架、有標準，數據應該就能幫我做出好的決定了吧？

沒那麼簡單。數據也會騙人的。

停留時間長，不代表他真的在看

書裡有個「物理盲點」的例子：某電商網站發現有些商品頁面的停留時間特別長，一開始以為這代表使用者對這些商品很有興趣。

但實際去調查之後才發現，很多人只是把網頁開著，人就跑去開會了。停留時間長，根本不代表他有在認真看。

這讓我想到一個生活中的例子：你可能覺得自己每天都很忙、行程排得超滿。但仔細想想，忙的都是什麼？是真的重要的事，還是一堆讓你「感覺有在做事」的瑣碎雜務？

四種常見的數據盲點

作者整理了四種我們很容易踩到的坑：

經驗盲點：拿過去的成功套用在環境已改變的當下。

邏輯盲點：統計的標準不一致，導致數字根本不能比較（比如把電腦版跟手機版的數據混在一起算轉換率）

人為盲點：為了自我感覺良好而修飾數據（如：記帳時故意漏掉大額消費）

物理盲點：數據呈現的現象，跟真正的原因對不上（如：待在圖書館很久不代表有在唸書）

用「小偷思維」來檢查自己

那要怎麼避開這些盲點？作者提了一個我覺得蠻有趣的說法：「小偷思維」。

意思是：你要像個壞人一樣，主動去懷疑你眼前看到的數據。這個數字有沒有可能是錯的？有沒有其他的解釋方式？有沒有人在騙我，包括我自己？

另一個相關的概念是「負面思考」。我們習慣看成功案例，但作者建議也要多去觀察別人是怎麼失敗的。正面思考告訴你怎麼成功，負面思考告訴你怎麼避免搞砸。兩種視角都需要，但後者很容易被忽略。

數據是工具，不是答案。你怎麼解讀它，才決定它能不能真的幫到你。

結語：開始你的「個人數據管理」

所以，到底可以怎麼開始？

書的最後一章提到「個人的大數據管理」，裡面有幾個建議我覺得還蠻實用的：

選一個你真的在意的題目：可以是記帳、健身、學習、時間管理，但一定要是你真的想搞清楚的事情

從最小的地方開始：不用一開始就想建一個完美的系統，先用最簡單的方式記錄就好

帶著問題去記：不是「先記再說」，而是「我想透過這些紀錄弄懂什麼」

定期回頭看：記錄 → 分析 → 調整 → 再記錄，讓它變成一個循環

讀這本書之前，我一直覺得「大數據」是大公司、資料科學家在搞的東西，跟我沒什麼關係。但讀完之後我才發現，我的 Notion 筆記、記帳 App、番茄鐘紀錄，說穿了都是我的個人資料庫。

差別只在於，我以前只是在「收集」，從來沒有認真「養」過這些數據。

當然啦，這本書有些觀點我是持保留態度的。作者很強調「能識別使用者身份的數據最有價值」，但現在的趨勢是資料去識別化（De-identification）跟隱私保護，這個時代背景的落差，讀的時候要自己斟酌一下。

另外，書裡其實還有很多比較偏技術類型的內容，像是數據中台、標籤系統、模型分析之類的，篇幅有限就不展開了，有興趣的人可以自己去挖。

對我來說，這本書最大的收穫是這個想法：

數據不管大不大，都是你拿來反省跟做決定的依據。先有記錄，才會有標準；有了標準，才有辦法做出更好的選擇。

這不是什麼高深的技術，就是一種思考的習慣而已。

大數據的終點，其實是為了「確定性」買單。

我們記錄生活、分析盲點、定義標準，都是為了在充滿變數的人生中，增加一點點「確定的勝算」。當你開始用這套邏輯來打通自己的數據循環，你就不再只是被動地被社會巨輪推著走，而是一個能透過數據觀測自己、進而優化人生的「決策者」。