人生卡關的時候，就用「期望值」思考吧！AI時代輕鬆存活必備技能，寫給文科生的統計學超入門 超文系人間のための 統計学トレーニング 「数学を読む力」が身につく25問

作者簡介
    
齋藤廣達

　　芝加哥大學商學院畢業。先後任職於波士頓顧問集團（BCG）、羅蘭貝格（Roland Berger）、花旗銀行等公司，後來以管理顧問的身分獨立創業。

　　齋藤曾多次參與企業併購與事業重整案，他以社長的身分在第一線指揮、重建那些營運效率不彰的企業。隨後他會在這些上市公司擔任執行董事，負責推動電商及AI導入等數位化轉型的工作。目前他主要擔任AI開發、數位行銷、行動裝置應用等顧問。

　　齋藤同時也是一位極受商業讀者歡迎的暢銷書作者，主要著作包括：《用數字說話》、《鍛鍊「計算力」》（PHP研究所出版），以及《創新思維革命》、《讓業績往上衝的統計式思考術》、《商務專業教科書》（日経BP社出版）等。

譯者簡介    

劉格安

　　政治大學畢業，現為專職譯者，譯作類型包含商管、醫學、旅遊、生活、歷史和小說等。

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