为了解决问题而进行数字（数据）分析非常重要，但如果不注意，就会不知不觉地让数字成了“绝对”的一方，可能会被数字耍得团团转。为了恰当地解决问题，有些事情需要在看到数字前进行思考，接下来为大家进行说明。

你准备开始负责新的区域，现在打算调查一下各家店铺的职员人数和销售额的情况。请思考职员的人数与店铺的销售额可能会存在以下哪种状态。

A的状态是，只要职员人数增加，销售额就会增加。这有可能是人员分工合理、能够高效接待顾客的状态，或者是店铺面积很大，需要较多的职员。

B的状态是，职员人数增加后，销售额反而会降低。如果店铺空间狭窄，人员增加后反而使工作效率变低，可能会导致这种趋势。不过这种情况发生的可能性应该不高。

C的状态是，基本看不出职员人数与销售额之间的关联性。销售额的影响因素不一定只有职员人数，因此C的情况也有可能发生。

如上所述，在尝试进行实际的数字分析之前，要思考一下数据有可能变成怎样的状态。

理由有两个。一是可以自由地发挥想象。一旦直接进行数据统计并转化为图表，思考的起点就会变成为统计结果或图表的状态寻找意义。大家要在头脑被统计结果或图表支配前抓住能够自由想象的时机，思考有怎样的可能性。

二是这有助于以更高的敏感度对分析后呈现的信息进行解释。如果在事前进行了思考，就会自然想知道结果如何。如果得出的结果与预想一致，就会留下“与预想一致”的印象；如果与预想的不同，就能得到一个契机去深入思考为什么会出现差异。建议大家要避免不作思考就直接进行数据分析，在事前要进行哪怕是一点点的思考。因为不管跟预想一致还是有差异，都会得到一些启发。

关键点1. 是否朝右方上扬

关键点2. 是否朝右方下降

关键点3. 是否无关联

思考的重点是，确认准备分析的数字的关联性是否存在以上这三种可能。

关于上述的三种可能，首先要判断的是有关联还是无关联。其次，如果是有关联的话，就要把握大致趋势，看看是随着一方增加另一方也会增加（朝右方上扬），还是一方增加后另一方会减少（朝右方下降）。我们以刚才的例子来分析。

1. 是否朝右方上扬

朝右方上扬的趋势意味着随着职员人数增加，销售额也会增加。职员人数增加以后，接待顾客的人手增加了，有可能促进销售额增长。

2. 是否朝右方下降

朝右方下降的趋势意味着职员人数增加后，销售额反而减少了。虽然也会存在店铺狭窄、工作效率低等可能性，但这种情况很少发生。

3. 是否无关联

除了人数以外，还可能存在对销售额会造成影响的其他要素，所以数据零散分布的状态也有可能出现。

因此，在看见数据以前，就可以预想可能存在第1或第3种状态，第2种状态的可能性较低。

严格来说，有时候形成不了朝右方上扬、朝右方下降这样直线型的关系。而且，即使是朝右方上扬，上扬的形式也是多种多样的。

在看数据前进行预想，只要大致预想属于上述三种情况中的一种就可以了。如果还能预想其他的情况，也没有问题。请大家记住，要先有预想，再进行数据分析。

练习题

请思考一下店长的经验年资与销售额之间可能存在怎样的关联性？

解答

A的状态是，店长的经验越多销售额越高。这里的前提是，在该行业里，店长的能力能左右销售额，经验越多越能积累知识技巧。这种情况是有可能存在的。

B的状态是，店长的经验越多销售额反而越低。如果店长的工作方式不妥，或许会存在这种情况。

C的状态是，基本看不出店长的经验与销售额之间的关联性。比起店长的经验年资，如果其他因素更有可能对销售额产生影响，如店铺的位置、商品本身等，也许会呈现C的状态。

现在，我们再想想其他的可能性。刚才A的前提是店长所在的行业是经验技巧能起到很大作用的行业，如果我们把前提设定为工作中能够积累的经验技巧有限，情况会变成怎样呢？

我们假设有一份工作，在第1年至第2年会积累一定的经验技巧，但工作3年以后，工作内容与前几年大致相同，这份工作即使做到第4年、第5年，也不会再积累更多的经验技巧了。这样的话，有可能变成以下的状态。

STEP UP！

接下来，我们再试想另一种情况。请思考一下店铺与车站的距离跟销售额之间的关联性。

A的状态是，距离车站越远销售额越高。一般来说，远离车站则便利性下降，顾客人数可能会减少，所以这种情况几乎不会发生。

B的状态是，距离车站越远销售额越低。与A的状态相反，便利性降低的话，这种状态是有可能出现的。

C的状态是，基本看不出店铺与车站的距离跟销售额之间的关联性。如果店铺的专业性很高，或者商品、服务等能迎合人们特别的喜好，那么不管与车站距离多远，都会有顾客来购买商品或享用服务，因此店铺与车站的距离可能跟销售额关系不大。

如果数据分析的结果如下图，那么可以如何解释呢？

总体来说，也可以说是分布零散，所以可以解释为出现了上述C的情况。

另一方面，如果稍微细心地进行分组，也可以像下图这样进行解释。

也就是说，是A和B组合起来的情况，可以解释为，距离车站越远销售额越低的情况，以及距离车站越远销售额越高的情况，这两者混合起来了。前者是类似车站前的店铺，是吸引顾客在上下班、上下学的路上顺便到店的店铺；后者是路面的店铺，吸引的不是上下班、上下学的顾客，而是驾车到店的顾客。

如上述情况，原本的数据不一定会呈现完全相同的趋势，有可能包含了多家不同类型的店铺。大家要记住，除了基本状态的1、2、3以外，还要考虑其他的可能性，而且数据的种类不一定只有一种。

最后，我们总结一下数据的处理方法。很多时候我们会像下面的左图那样，要思考数据可以说明什么。这也是非常重要的做法，但如果不注意的话，可能会把解释数据变成了目的。

此外，如果数据较多，也会存在弊端，可能会被数据牵着鼻子走。有大量数据的时候，就没办法把所有事情都统筹考虑。大家要根据自身的目的决定选用对象，例如只看某些数据，不看其他数据。

正如右图所示，要有目的性地去考虑看哪个数据、要从那个数据中读取什么信息。在这个过程中，先预想数字的关联性有哪些可能，再去看数字，就能够注意到数字实际呈现出来的事实。处理数据时，要同时意识到“数据可以说明什么”以及“从数据中可以拾取什么”这两个角度。

小结

√ 在看数据之前，首先思考可能会是怎样的情况

√ 在能够自由想象的时候，自由地思考，这很重要

√ 猜中并不是目的，通过提前预想，从与现实的差距那里也可以得到启发

√ 坦诚地接受呈现出来的结果也很重要

√ 根据数据来联想以及带着想法去看数据，这两种相辅相成的方法很重要