賈伯斯說的那句話，你真的懂嗎？
“Creativity is just connecting things.”
賈伯斯這句話大家都聽過，但老實說，許多數據分析師根本不認為與他有關。
曾有數據分析師跟我抱怨：「老闆要我做這個專案的data太少了，很難做出什麼有價值的分析。」我問他：「你找過上中下游的數據嗎? 還是你只看了一個系統的數據?」
他頓時愣了一下。
這就是問題所在，數據分析師們常被困在「現有數據」的框架裡，以為創新就是要有什麼前所未有的新數據、新技術、新方法。但真正的創新不是這樣的。
前所未有並非創新唯一的定義。
所謂創新，是把散落的資訊與專業經驗串聯起來，從中找蛛絲馬跡，發現別人沒看到的洞察
別只盯著你眼前的那張表
數據分析師拿到一張大表(或table)就開始分析，完全不管這張大表的數據是哪來的、怎麼產生的、中間經過什麼處理。
之前有個案例，同事在做客戶貢獻度分析，用的是data mart裡面的客戶資料表，分析了老半天，實在找不出區分貢獻度的因子。
我問他：「你知道這張表的數據怎麼來的嗎？」
他說：「不就是從客戶資料庫來的嗎？」
「那你知道中間經過什麼處理嗎？」
「呃…不知道。」
後來我們一起往回追，才發現問題：data mart裡的「客戶貢獻度」定義，跟業務單位實際認知的計算邏輯不一樣。IT在ETL過程中做了一些簡化處理，導致數據不一致。
你看，如果他只盯著data mart那張表，永遠找不到真正的問題。
身為數據分析師，千萬不要受限於現存僅有的數據。
你要做的是不斷地從data warehouse到data mart之間來回，甚至從數據的上中下游系統去摸索。這些數據中間如何處理？如何定義？有沒有遺漏？有沒有重複？
這不是在找麻煩，這是在找真相。
客戶畫像不是一張表，是一個拼圖
讓我換個角度講。如果從客戶角度思考，你要怎麼更完整地掌握所謂的客戶畫像（customer persona）、以及客戶旅程（customer journey）的數據？
很多公司有「客戶資料表」，裡面有基本資料、交易記錄、產品持有狀況，然後數據分析師就用這張表做分析，畫出客戶輪廓。
但這只是一小部分而已。
真正的客戶畫像，應該整合：
- 交易數據：買了什麼？什麼時候買？花多少錢？
- 行為數據：在網站上看了什麼？停留多久？點了哪些按鈕？
- 互動數據：打過幾次客服電話？問了什麼問題？抱怨過什麼？
- 社群數據：在社群媒體上說過什麼？對品牌的態度如何？
- 外部數據：人口統計、地理位置、經濟狀況
這些數據散落在不同系統、不同部門、不同格式，即所謂的數據孤島。你的工作不是等別人把它們整理好給你，而是主動去串聯它們。
之前某家電商公司的行銷部門一直覺得數據分析做得不夠好，因為分析師只會看銷售數據，給不出什麼有用的建議。
後來重新設計了整個分析流程，數據分析師開始：
- 串聯網站行為數據，看客戶瀏覽了什麼但沒買
- 串聯客服系統，看客戶打電話問過什麼
- 串聯EDM系統，看客戶對什麼內容有反應
- 串聯物流系統，看配送體驗如何影響回購
當這些數據串起來之後，客戶的「完整樣貌」才出現。我們發現：很多客戶不是不想買，而是在某個環節卡住了。有人是因為運費太貴、有人是因為找不到尺寸資訊、有人是因為不確定品質。
這些洞察，如果你只看銷售數據，永遠發現不了。
創新就是把散落的點連成線
回到賈伯斯那句話：”Creativity is just connecting things.”
他不是說創新要發明什麼從來沒有的東西。他說的是，創新就是連結那些已經存在、但還沒被連在一起的東西。
套用在數據分析領域也是一樣。
你不需要什麼神奇的新數據、不需要什麼最新的演算法、不需要什麼前所未有的技術。你需要的是把現有的數據整合與連結起來。
整合與連結的過程，就是創新的過程。
當你把：
- 交易數據 + 行為數據 → 發現客戶的真實需求
- 客服數據 + 產品數據 → 發現產品的痛點
- 行銷數據 + 流失數據 → 發現行銷的盲點
- 內部數據 + 外部數據 → 發現市場的機會
這種整合與連結，會讓你看到別人看不到的東西。這就是數據分析的重新詮釋、或差異化詮釋。
進而達到新觀點，這也就是創新了。
整合不是把所有數據丟在一起
這裡要特別強調一點：整合不是把所有數據都倒進一個大表格裡就好了。
我見過有人把十幾個資料表用left join串在一起，結果產生一個有200個欄位的超大表。然後他說：「你看，我把所有數據都整合了。」
這不叫整合，這叫混亂。
真正的整合，要有邏輯、有目的、有架構。
你要先想清楚：
- 我要回答什麼問題？ 不是為了整合而整合，而是為了解決特定問題
- 需要哪些數據來回答這個問題？ 不是越多越好，而是必要且充分
- 這些數據之間的邏輯關係是什麼？ 是一對多？多對多？有時間先後順序嗎？
- 整合後要如何呈現？ 是建立新的分析維度？還是建立新的指標？
舉個例子。如果你要分析「客戶旅程中的流失點」，你需要：
- 時間序列的行為數據：客戶在每個階段做了什麼
- 轉換漏斗數據：從瀏覽→加購→結帳→付款，哪一步流失最多
- 客服互動數據：在哪個階段遇到問題來問客服
- 最終結果數據：買了還是沒買？之後有沒有回購？
這四類數據要依照客戶旅程的時間軸串起來，才能看出流失點在哪裡。如果你只是把它們全部合併成一個大表，反而看不出什麼。
從系統的上中下游去摸索
還有一個很重要的技能：你要知道數據的生命週期。
數據不是憑空出現在data warehouse裡的。它有源頭、有流動、有轉換、有落地。
上游：數據的源頭
- 客戶在APP上點了一個按鈕
- 業務員在CRM系統裡輸入客戶資料
- POS機記錄了一筆交易
中游：數據的處理
- ETL流程把原始數據清洗、轉換
- 系統之間的串接和同步
- 資料定義的統一和標準化
下游：數據的應用
- 進入data warehouse
- 建立data mart供分析使用
- 產生報表和儀表板
作為數據分析師，你要能夠在這個流程中來回游走。不要只看下游的data mart，而要往回追到中游的處理邏輯，甚至上游的原始數據。
之前碰過一案例，有個指標一直很奇怪，業務單位說不對，但數據分析師堅持數據沒錯，後來我們一路追到上游，發現是業務員在CRM系統裡輸入錯誤，因為系統介面設計不良，很容易點錯。
如果只看data mart的數據，永遠會跟業務單位有溝通障礙。
結語：創新的能力，就是連結的能力
回到一開始的問題：你的公司真的沒數據嗎？還是你沒有去連結那些數據？
大多數情況下，不是數據不夠，而是數據散落各處，沒有被整合起來。
你的價值不在於用什麼厲害演算法，而在於能不能把連結散落數據，找到別人看不到的洞察。
這需要：
- 不受限於現有數據的思維
- 在data warehouse和data mart之間來回的能力
- 從上中下游系統摸索的好奇心
- 整合與連結數據的邏輯架構
- 重新詮釋數據的創新視角
當你具備這些能力，你就不再是「淺層分析的人」，而是「創造洞察的人」。
賈伯斯說：”Creativity is just connecting things.”
現在你應該懂他在說什麼了。
創新不是發明，而是連結你已經擁有的。