前言：

在一邊享受閱讀樂趣的同時，不知不覺就突破盲點

──什麼？原來這些東西也是統計學！

● 「世界的祕密」究竟藏在哪裡？

● 你可以從這本書中獲得什麼？

序章：

學會運用統計學的力量，解開「世界的祕密」

──理解支配我們生活的遊戲規則

● 世界是靠「骰子的點數」來決定的？

● 公司內部充斥著「更加」、「總之」等模稜兩可的指示

● 不是要學習統計學，而是要「運用統計學」

● 統計學可以做到的事：①了解數字的意義

● 統計學可以做到的事：②預測未來

● 預測未來的意義在於「防患未然」

● 統計學可以做到的事：③因應AI時代

● 莫非我們已經被AI玩弄於股掌之間？

● 還記得國中學的「一次函數」嗎？

● 關鍵是先了解這個世界的「遊戲規則」

第1章：

即使只靠「四則運算」也能懂得這麼多！

──＠變換是強大的工具

1-1 如何看待那些過於龐大的數字？

● 平均的「正確使用方式」是什麼？

● 運用「@變換」將龐大的數字化為自己的事

● 如何把龐大的豐田汽車變得「平易近人」？

● 用數字看出「安倍口罩」的問題出在哪裡

1-2 把公司的相關數字套用@變換

──如何找出「好公司」？

● 看到公司營收數字就自動套用「@變換」

● 觀察零售業店面每一坪的營收是多少

● 「數大就是美」的時代結束了嗎？

1-3 把「時間」的相關數字套用@變換

──如何洞悉真正的使用成本？

● 用數字分析當紅的「共享汽車」

● 把用車成本轉換成「月」支出

● 如今已邁入「不持有」汽車的時代？

● 比用車成本更令人在意的是「車輛對環境造成的負荷」

1-4 運用@變換來做「推測」

──如何回答網路上找不到的答案？

● 如何看見那些別人「看不見的數字」？

● 「費米推定」是怎麼估算的？

1-5 小心「平均值」的陷阱

──數字會說話，但別讓它騙了你

● 「@變換」與「平均」絕非萬靈丹

● 根據平均值所做的判斷有誤差時……

1-6 認識「平均值」與「中位數」

──世界上的財富分配不均是真的嗎？

● 破解年收入的迷思

● 從「有薪假消化率」來思考

● 用中位數來取代平均值

● 你是勝利組還是失敗組？

第2章：

工作與人生是靠「機率」在決定輸贏的嗎？

──關於情境規劃與漏斗

2-1 不懂機率，就無法在競賽中取勝？

● 隨著次數增加，一切會愈來愈趨近機率

● 那次成功，是否只是「歪打正著」？

● 從機率可以導出「期望值」

● 用賭骰子來思考期望值的話……

● 如何在商場上活用期望值？

● 重點是要建立「可供討論的基礎」

2-2 學會先用「機率」描繪出情境

● 什麼是「情境規劃」？

● 相較於成功，重要的是「悲觀情境」

● 假設的也可以，先提出「機率是多少」再說

● 檢視整個計畫的「期望值」，你就會發現……

2-3 職場上好用的「555漏斗」

● 頂尖業務員都會思考銷售漏斗

● 突破業績高牆的機率是？

● 把各項數字乘以倍數的話……

● 「勤跑業務」其實才是正解？

2-4 「335」是解讀新事物的關鍵密碼

● 切入新領域時要思考「335漏斗」

● 開發新業務的最大困難點

● 陸戰受阻，還可以打空戰

第3章：

萬事萬物是「常態分布」構成的結果！

──關於解讀大局的「偏差值」

3-1 如果把「離差」數值化的話

● 同班同學的成績差距很大嗎？

● 怎麼把「離差」數值化？

● 檢視各種數據的「變異數」

● 釐清大局的好用工具──標準差

3-2 數據與組織都可用「常態分布」去解讀

● 如何尋找身高超過190公分的長人？

● 變換標準差可以讓你的目標變得更清晰

● 常態分布中的「2：6：2的法則」

● 為什麼「反對你的人」一定會出現？

● 如何應付那些極端反對者？

● 人際關係也會呈現「常態分布」嗎？

3-3 需要「偏差值」的不只是學生而已？

● 只要有人群的地方，就有偏差值

● 偏差值60，代表排名在「前16％」？

● 為什麼考試完全是「與別人的競爭」？

● 思考自己的職涯時也可以應用偏差值

● 「偏差值決定一輩子」的時代遲早會到來？

3-4 解讀生活中隨處可見的「S型曲線」

● 新商品的銷售初速度很差⋯⋯怎麼辦？

● 常態分布與S型曲線的關係

● 學習新事物的成果也會呈現「S型曲線」？

● 新冠疫情下的「S型曲線」

3-5 該如何與「網路評論文化」共處？

● 無所不在的2％負面評價

● 用「常態分布」解讀暗樁是否存在

● 你該在意評論到什麼程度？

第4章：

掌握統計學上「正確的」數據處理法！

──分辨有意義與無意義的調查

4-1 到底該聽取多少人的意見才夠？

● 「開票率1％」就能確定當選的奇妙現象

● 概略推估即可的話，「30個樣本」就OK！

● 即使在統計學上不正確，「徵詢意見」為什麼依然很重要？

4-2 從「樣本」就能推測出全體嗎？

──關於稍微有點複雜的「信賴區間」

● 5個樣本、10 個樣本可以代表「全體」嗎？

● 樣本量太少，就愈可能得出極端的結果

● 身邊有許多朋友離婚，是整個社會的縮影嗎？

● 話說回來，「離婚率」是有意義的數字嗎？

4-3 養成數據識讀的能力

● 正確率有九成的數據，為什麼是無效的呢？

● 「偽陽性」為什麼會愈來愈多？

● 從不同面向拆穿數據的謊言

第5章：

「多變量分析」是在AI時代生存的必備知識

──機會、風險與財富，皆在其中

5-1 賣場的面積愈大，營收也會愈高嗎？

──關於「迴歸分析」

● 店面的大型化真的是正解嗎？

● 先提出「預測值」，再驗證是否正確

● 用Excel 就能輕鬆搞定迴歸分析！

● 數據科學家都怎麼判斷迴歸分析？

● 找出潛藏大好機會的「離群值」

5-2 那個「相關性」真的正確嗎？

──學會運用PAC思考

● 試著將自己的主張帶入「計算式」裡

● 運用「PAC思考」突破邏輯的盲點

5-3 用「多變量分析」開啟AI時代的大門

● 葡萄酒的價格取決於「僅僅4個」要素？

● 根據多種因素進行考量就是「多變量分析」

● 你可以用「多變量分析」做什麼？

● 數據科學家的工作意外的樸實無華？

● 用AI計算「錄取婉拒率」的問題在哪裡？

終章：

本書所謂的統計式見解與思維是什麼？

──看清事實、提高勝率的行動方針

● 養成「統計式思維」習慣的重要性

● 運用「MECE分析法」解決問題

● 只要理解統計學，就能預見未來？

● 人類與世界溝通的型態已經改變

● 適應混沌新世界的完美工具，就是統計學

前言：

在一邊享受閱讀樂趣的同時，不知不覺就突破盲點

──什麼？原來這些東西也是統計學！

● 「世界的祕密」究竟藏在哪裡？

● 你可以從這本書中獲得什麼？

序章：

學會運用統計學的力量，解開「世界的祕密」

──理解支配我們生活的遊戲規則

● 世界是靠「骰子的點數」來決定的？

● 公司內部充斥著「更加」、「總之」等模稜兩可的指示

● 不是要學習統計學，而是要「運用統計學」

● 統計學可以做到的事：①了解數字的意義

● 統計學可以做到的事：②預測未來

● 預測未來的意義在於「防患未然」

● 統計學可以做到的事：③因應AI時代

● 莫非我們已經被AI玩弄於股掌之間？

● 還記得國中學的「一次函數」嗎？

● 關鍵是先了解這個世界的「遊戲規則」

第1章：

即使只靠「四則運算」也能懂得這麼多！

──＠變換是強大的工具

1-1 如何看待那些過於龐大的數字？

● 平均的「正確使用方式」是什麼？

● 運用「@變換」將龐大的數字化為自己的事

● 如何把龐大的豐田汽車變得「平易近人」？

● 用數字看出「安倍口罩」的問題出在哪裡

1-2 把公司的相關數字套用@變換

──如何找出「好公司」？

● 看到公司營收數字就自動套用「@變換」

● 觀察零售業店面每一坪的營收是多少

● 「數大就是美」的時代結束了嗎？

1-3 把「時間」的相關數字套用@變換

──如何洞悉真正的使用成本？

● 用數字分析當紅的「共享汽車」

● 把用車成本轉換成「月」支出

● 如今已邁入「不持有」汽車的時代？

● 比用車成本更令人在意的是「車輛對環境造成的負荷」

1-4 運用@變換來做「推測」

──如何回答網路上找不到的答案？

● 如何看見那些別人「看不見的數字」？

● 「費米推定」是怎麼估算的？

1-5 小心「平均值」的陷阱

──數字會說話，但別讓它騙了你

● 「@變換」與「平均」絕非萬靈丹

● 根據平均值所做的判斷有誤差時……

1-6 認識「平均值」與「中位數」

──世界上的財富分配不均是真的嗎？

● 破解年收入的迷思

● 從「有薪假消化率」來思考

● 用中位數來取代平均值

● 你是勝利組還是失敗組？

第2章：

工作與人生是靠「機率」在決定輸贏的嗎？

──關於情境規劃與漏斗

2-1 不懂機率，就無法在競賽中取勝？

● 隨著次數增加，一切會愈來愈趨近機率

● 那次成功，是否只是「歪打正著」？

● 從機率可以導出「期望值」

● 用賭骰子來思考期望值的話……

● 如何在商場上活用期望值？

● 重點是要建立「可供討論的基礎」

2-2 學會先用「機率」描繪出情境

● 什麼是「情境規劃」？

● 相較於成功，重要的是「悲觀情境」

● 假設的也可以，先提出「機率是多少」再說

● 檢視整個計畫的「期望值」，你就會發現……

2-3 職場上好用的「555漏斗」

● 頂尖業務員都會思考銷售漏斗

● 突破業績高牆的機率是？

● 把各項數字乘以倍數的話……

● 「勤跑業務」其實才是正解？

2-4 「335」是解讀新事物的關鍵密碼

● 切入新領域時要思考「335漏斗」

● 開發新業務的最大困難點

● 陸戰受阻，還可以打空戰

第3章：

萬事萬物是「常態分布」構成的結果！

──關於解讀大局的「偏差值」

3-1 如果把「離差」數值化的話

● 同班同學的成績差距很大嗎？

● 怎麼把「離差」數值化？

● 檢視各種數據的「變異數」

● 釐清大局的好用工具──標準差

3-2 數據與組織都可用「常態分布」去解讀

● 如何尋找身高超過190公分的長人？

● 變換標準差可以讓你的目標變得更清晰

● 常態分布中的「2：6：2的法則」

● 為什麼「反對你的人」一定會出現？

● 如何應付那些極端反對者？

● 人際關係也會呈現「常態分布」嗎？

3-3 需要「偏差值」的不只是學生而已？

● 只要有人群的地方，就有偏差值

● 偏差值60，代表排名在「前16％」？

● 為什麼考試完全是「與別人的競爭」？

● 思考自己的職涯時也可以應用偏差值

● 「偏差值決定一輩子」的時代遲早會到來？

3-4 解讀生活中隨處可見的「S型曲線」

● 新商品的銷售初速度很差⋯⋯怎麼辦？

● 常態分布與S型曲線的關係

● 學習新事物的成果也會呈現「S型曲線」？

● 新冠疫情下的「S型曲線」

3-5 該如何與「網路評論文化」共處？

● 無所不在的2％負面評價

● 用「常態分布」解讀暗樁是否存在

● 你該在意評論到什麼程度？

第4章：

掌握統計學上「正確的」數據處理法！

──分辨有意義與無意義的調查

4-1 到底該聽取多少人的意見才夠？

● 「開票率1％」就能確定當選的奇妙現象

● 概略推估即可的話，「30個樣本」就OK！

● 即使在統計學上不正確，「徵詢意見」為什麼依然很重要？

4-2 從「樣本」就能推測出全體嗎？

──關於稍微有點複雜的「信賴區間」

● 5個樣本、10 個樣本可以代表「全體」嗎？

● 樣本量太少，就愈可能得出極端的結果

● 身邊有許多朋友離婚，是整個社會的縮影嗎？

● 話說回來，「離婚率」是有意義的數字嗎？

4-3 養成數據識讀的能力

● 正確率有九成的數據，為什麼是無效的呢？

● 「偽陽性」為什麼會愈來愈多？

● 從不同面向拆穿數據的謊言

第5章：

「多變量分析」是在AI時代生存的必備知識

──機會、風險與財富，皆在其中

5-1 賣場的面積愈大，營收也會愈高嗎？

──關於「迴歸分析」

● 店面的大型化真的是正解嗎？

● 先提出「預測值」，再驗證是否正確

● 用Excel 就能輕鬆搞定迴歸分析！

● 數據科學家都怎麼判斷迴歸分析？

● 找出潛藏大好機會的「離群值」

5-2 那個「相關性」真的正確嗎？

──學會運用PAC思考

● 試著將自己的主張帶入「計算式」裡

● 運用「PAC思考」突破邏輯的盲點

5-3 用「多變量分析」開啟AI時代的大門

● 葡萄酒的價格取決於「僅僅4個」要素？

● 根據多種因素進行考量就是「多變量分析」

● 你可以用「多變量分析」做什麼？

● 數據科學家的工作意外的樸實無華？

● 用AI計算「錄取婉拒率」的問題在哪裡？

終章：

本書所謂的統計式見解與思維是什麼？

──看清事實、提高勝率的行動方針

● 養成「統計式思維」習慣的重要性

● 運用「MECE分析法」解決問題

● 只要理解統計學，就能預見未來？

● 人類與世界溝通的型態已經改變

● 適應混沌新世界的完美工具，就是統計學

前言：

在一邊享受閱讀樂趣的同時，不知不覺就突破盲點

──什麼？原來這些東西也是統計學！

● 「世界的祕密」究竟藏在哪裡？

● 你可以從這本書中獲得什麼？

序章：

學會運用統計學的力量，解開「世界的祕密」

──理解支配我們生活的遊戲規則

● 世界是靠「骰子的點數」來決定的？

● 公司內部充斥著「更加」、「總之」等模稜兩可的指示

● 不是要學習統計學，而是要「運用統計學」

● 統計學可以做到的事：①了解數字的意義

● 統計學可以做到的事：②預測未來

● 預測未來的意義在於「防患未然」

● 統計學可以做到的事：③因應AI時代

● 莫非我們已經被AI玩弄於股掌之間？

● 還記得國中學的「一次函數」嗎？

● 關鍵是先了解這個世界的「遊戲規則」

第1章：

即使只靠「四則運算」也能懂得這麼多！

──＠變換是強大的工具

1-1 如何看待那些過於龐大的數字？

● 平均的「正確使用方式」是什麼？

● 運用「@變換」將龐大的數字化為自己的事

● 如何把龐大的豐田汽車變得「平易近人」？

● 用數字看出「安倍口罩」的問題出在哪裡

1-2 把公司的相關數字套用@變換

──如何找出「好公司」？

● 看到公司營收數字就自動套用「@變換」

● 觀察零售業店面每一坪的營收是多少

● 「數大就是美」的時代結束了嗎？

1-3 把「時間」的相關數字套用@變換

──如何洞悉真正的使用成本？

● 用數字分析當紅的「共享汽車」

● 把用車成本轉換成「月」支出

● 如今已邁入「不持有」汽車的時代？

● 比用車成本更令人在意的是「車輛對環境造成的負荷」

1-4 運用@變換來做「推測」

──如何回答網路上找不到的答案？

● 如何看見那些別人「看不見的數字」？

● 「費米推定」是怎麼估算的？

1-5 小心「平均值」的陷阱

──數字會說話，但別讓它騙了你

● 「@變換」與「平均」絕非萬靈丹

● 根據平均值所做的判斷有誤差時……

1-6 認識「平均值」與「中位數」

──世界上的財富分配不均是真的嗎？

● 破解年收入的迷思

● 從「有薪假消化率」來思考

● 用中位數來取代平均值

● 你是勝利組還是失敗組？

第2章：

工作與人生是靠「機率」在決定輸贏的嗎？

──關於情境規劃與漏斗

2-1 不懂機率，就無法在競賽中取勝？

● 隨著次數增加，一切會愈來愈趨近機率

● 那次成功，是否只是「歪打正著」？

● 從機率可以導出「期望值」

● 用賭骰子來思考期望值的話……

● 如何在商場上活用期望值？

● 重點是要建立「可供討論的基礎」

2-2 學會先用「機率」描繪出情境

● 什麼是「情境規劃」？

● 相較於成功，重要的是「悲觀情境」

● 假設的也可以，先提出「機率是多少」再說

● 檢視整個計畫的「期望值」，你就會發現……

2-3 職場上好用的「555漏斗」

● 頂尖業務員都會思考銷售漏斗

● 突破業績高牆的機率是？

● 把各項數字乘以倍數的話……

● 「勤跑業務」其實才是正解？

2-4 「335」是解讀新事物的關鍵密碼

● 切入新領域時要思考「335漏斗」

● 開發新業務的最大困難點

● 陸戰受阻，還可以打空戰

第3章：

萬事萬物是「常態分布」構成的結果！

──關於解讀大局的「偏差值」

3-1 如果把「離差」數值化的話

● 同班同學的成績差距很大嗎？

● 怎麼把「離差」數值化？

● 檢視各種數據的「變異數」

● 釐清大局的好用工具──標準差

3-2 數據與組織都可用「常態分布」去解讀

● 如何尋找身高超過190公分的長人？

● 變換標準差可以讓你的目標變得更清晰

● 常態分布中的「2：6：2的法則」

● 為什麼「反對你的人」一定會出現？

● 如何應付那些極端反對者？

● 人際關係也會呈現「常態分布」嗎？

3-3 需要「偏差值」的不只是學生而已？

● 只要有人群的地方，就有偏差值

● 偏差值60，代表排名在「前16％」？

● 為什麼考試完全是「與別人的競爭」？

● 思考自己的職涯時也可以應用偏差值

● 「偏差值決定一輩子」的時代遲早會到來？

3-4 解讀生活中隨處可見的「S型曲線」

● 新商品的銷售初速度很差⋯⋯怎麼辦？

● 常態分布與S型曲線的關係

● 學習新事物的成果也會呈現「S型曲線」？

● 新冠疫情下的「S型曲線」

3-5 該如何與「網路評論文化」共處？

● 無所不在的2％負面評價

● 用「常態分布」解讀暗樁是否存在

● 你該在意評論到什麼程度？

第4章：

掌握統計學上「正確的」數據處理法！

──分辨有意義與無意義的調查

4-1 到底該聽取多少人的意見才夠？

● 「開票率1％」就能確定當選的奇妙現象

● 概略推估即可的話，「30個樣本」就OK！

● 即使在統計學上不正確，「徵詢意見」為什麼依然很重要？

4-2 從「樣本」就能推測出全體嗎？

──關於稍微有點複雜的「信賴區間」

● 5個樣本、10 個樣本可以代表「全體」嗎？

● 樣本量太少，就愈可能得出極端的結果

● 身邊有許多朋友離婚，是整個社會的縮影嗎？

● 話說回來，「離婚率」是有意義的數字嗎？

4-3 養成數據識讀的能力

● 正確率有九成的數據，為什麼是無效的呢？

● 「偽陽性」為什麼會愈來愈多？

● 從不同面向拆穿數據的謊言

第5章：

「多變量分析」是在AI時代生存的必備知識

──機會、風險與財富，皆在其中

5-1 賣場的面積愈大，營收也會愈高嗎？

──關於「迴歸分析」

● 店面的大型化真的是正解嗎？

● 先提出「預測值」，再驗證是否正確

● 用Excel 就能輕鬆搞定迴歸分析！

● 數據科學家都怎麼判斷迴歸分析？

● 找出潛藏大好機會的「離群值」

5-2 那個「相關性」真的正確嗎？

──學會運用PAC思考

● 試著將自己的主張帶入「計算式」裡

● 運用「PAC思考」突破邏輯的盲點

5-3 用「多變量分析」開啟AI時代的大門

● 葡萄酒的價格取決於「僅僅4個」要素？

● 根據多種因素進行考量就是「多變量分析」

● 你可以用「多變量分析」做什麼？

● 數據科學家的工作意外的樸實無華？

● 用AI計算「錄取婉拒率」的問題在哪裡？

終章：

本書所謂的統計式見解與思維是什麼？

──看清事實、提高勝率的行動方針

● 養成「統計式思維」習慣的重要性

● 運用「MECE分析法」解決問題

● 只要理解統計學，就能預見未來？

● 人類與世界溝通的型態已經改變

● 適應混沌新世界的完美工具，就是統計學