先說一個殘酷的事實
數據分析這份工作，有一個弔詭之處。
你花了最多時間的部分，往往不是主管最在乎的。你跑了上千行程式碼、調了無數次參數、驗證了模型的準確率，但主管最後記住的，可能只是你說的一句話，或一張圖。
這不公平嗎？也許。但這就是現實。
數據分析的終點，不只是分析本身，更是讓分析的結果被理解、被接受、被執行。如果你的洞察只停留在你的電腦裡，再精準的模型都沒有意義。
所以，問題來了：為什麼那麼多數據分析師，做出了紮實的分析，卻始終讓人看不懂、說不動？
原因，通常不是分析能力不夠，而是卡在幾個幾乎每個人都會犯的毛病。
這篇文章，我想認真說這三個毛病。不是要批評誰，是因為這些問題我都經歷過，也在別人身上看到過自己的影子。
毛病一：新手通病—失焦發散，搞錯重點
問題是什麼
假設今天老闆問你：「為什麼上個月的轉換率掉了？」
你做了一份分析，洋洋灑灑十幾頁。裡面有流量分析、有用戶行為、有競品比較、有季節性趨勢……但關於「轉換率為什麼掉」這個核心問題，只佔了三頁。
這就是典型的失焦。
問題有A、B、C三個面向，真正需要解決的是A，但你花了七成篇幅在說B和C。主管看完，可能連你要回答什麼都搞不清楚。
為什麼會這樣
新手在做分析時，有一個很常見的心理：「我要呈現我做了很多事。」
於是什麼都想放進去，深怕漏掉什麼。這種心態可以理解，但結果往往適得其反。內容越多，重點越模糊。主管的注意力是有限的，你給他十個重點，他可能一個都記不住。
怎麼改
開始做分析之前，先問自己一個問題：「這份分析，最後我要讓對方得出什麼結論？」
把這個結論寫(打)下來，貼在你的螢幕旁邊。每次加一個頁面、加一段分析之前，問自己：這個內容，有沒有幫助我得出那個結論？
沒有？砍掉。
這個動作聽起來很簡單，但實際執行時你會發現，很多你捨不得砍掉的，並沒那麼重要。
毛病二：老手陷阱—講太複雜，反而顯得不專業
問題是什麼
有一種提案，你看完之後有一種感覺：「這個人很厲害，但我不知道他在說什麼。」
同一頁PPT裡，塞了五張圖、三個模型、十幾個數字，旁邊還有密密麻麻的文字說明。提案人講得很有自信，用詞很專業，但聽完之後，主管只問了一句：「所以結論是什麼？」
這不是個案，這是老手非常容易掉進的陷阱。
為什麼會這樣
老手累積了足夠的知識和方法，但這反而成為一種負擔。他們知道太多，所以什麼都想說，什麼都覺得重要。技術術語信手拈來，但忘了對方可能根本不懂這些詞的意思。
更深層的原因是：複雜感有時候是一種自我保護。
如果你把事情說得很複雜，別人聽不懂，你就不容易被質疑。但這個策略在提案現場是失敗的。主管聽不懂，不會覺得你很厲害，只會覺得你在浪費他的時間。
怎麼改
有一個測試方法很實用：把你的核心結論，用一句話說完。
不是一長段話，是一句精煉過的話。如果你做不到，代表你自己還沒想清楚。
專業感，來自把複雜的事情說清楚，而不是把簡單的事情說得複雜。前者需要真功夫，後者只需要堆砌術語。
術語、細節和方法論，可以放在附錄或是被問到再說。主報告的部分，優先保留的是對方能理解、能行動的資訊。
毛病三：新手老手都犯—分析沒有層次，結構散亂
問題是什麼
數據分析的過程，本來就是混亂的。
你可能先看了整體數據，發現一個異常，然後往下鑽，找到一個可能原因，再拉出來看整體，又發現另一個問題，然後繞來繞去，最後才找到真正的洞察。
這個過程是真實的，也是必要的。
但問題是，你做分析的順序，不應該等於你呈現分析的順序。
很多分析師習慣把自己分析的歷程直接呈現出來，從第一步講到最後一步，中間的每個轉折、每個假設都放進去。結果，主管跟著你的思路繞了一圈，最後搞不清楚重點在哪裡。
層次和脈絡，是什麼意思?
一份有層次的分析，有幾個原則：
1. 時間由舊至新
先說背景和歷史數據，再說現況，再說預測或建議。讓對方有時間軸的概念，知道事情是怎麼發展到今天的。
2. 範圍由大至小
先說整體市場或全公司的情況，再縮小到特定產品、特定客群、特定時間段。讓對方先有全局觀，再進入細節。
3. 場景由遠至近
先說外部環境或行業趨勢，再說公司的內部狀況，再說具體的行動方案。讓對方理解，你的分析是在什麼脈絡下產生的。
最後，也是最容易被忽略的：
分析的頭跟尾要彼此呼應
開頭提出的問題，結尾要有對應的回答。開頭說的假設，結尾要有驗證或說明。如果你的結尾和開頭毫無關聯，主管會覺得你繞了一大圈，但沒有真正解決問題。
一個實用的自我檢查方法
在提案之前，把你的分析大綱列出來，然後問自己：「如果只看開頭和結尾，能不能知道這份分析在說什麼？」
如果可以，結構大概沒問題。如果不行，表示中間的某個地方脫軌了。
這三個毛病的共同根源
回頭看這三個問題：失焦發散、講太複雜、缺乏層次。
表面上看起來是不同的問題，但背後有一個共同的根源：分析師在呈現時，站的是自己的視角，不是對方的視角。
新手失焦，是因為把「我做了什麼」放在「對方需要知道什麼」之前。
老手複雜，是因為把「我知道多少」放在「對方能理解多少」之前。
結構散亂，是因為把「我怎麼分析的」放在「對方怎麼能接受」之前。
分析能力是基礎，但讓分析被接受，需要的是換位思考的能力。
進一步說：數據分析師的核心競爭力在哪裡
如果你現在問大多數數據分析師：「你的核心競爭力是什麼？」
多數人的答案會是：Python、SQL、機器學習、資料視覺化……
這些都重要，但這些是入場券，不是你的核心競爭力。
真正的核心競爭力，是把洞察轉化為行動的能力
你能不能把一個複雜的分析，轉化成一個主管能理解、能做決策的方案？你能不能把數據背後的意涵，說成一個讓人想採取行動的故事？
這個能力，技術能力再強都補不了。
而這個能力，往往從避免這三個毛病開始。
最後說一件事
很多數據分析師技術能力毋庸置疑，但在組織裡影響力有限，提案屢屢無疾而終，久了開始抱怨公司、老闆，甚至懷疑自己的價值。
問題通常不是能力，是溝通。
數據分析師的價值，不只體現在你跑出多準確的模型，更體現在你能不能讓這個模型的結果被採用。從分析到落地，中間有一段路，而這三個毛病，往往就是擋在那段路中間的石頭。
搬開它們，路就通了。