07_帕累托分析

核心表格

核心主題	主要觀點／方法	實務用途	重要條件／限制／延伸
帕累托分析	依影響程度或次數由大到小排列類別，再計算累積百分比	找出最重要的貢獻項目，支援資源優先配置	80/20 是經驗法則，不是必然定律
占比	`類別數值 / 總數值`	量化每個類別對整體的貢獻	必須先確認衡量指標；筆數、營收、使用者人數等不可混用
累積分布	由最大貢獻項目開始逐項累加占比	找出達到 80% 或其他門檻所需的最小項目集合	若排序錯誤，累積占比便失去解讀意義
膝點／肘點	累積曲線由快速上升轉為明顯趨平的位置	區分少數關鍵項目與長尾項目	有些分布並不存在清楚的膝點
80/20 法則	檢查約 20% 的原因或類別是否產生約 80% 的結果	快速判斷貢獻是否高度集中	必須用實際資料驗證，不可預設成立
類別型調查資料的帕累托分析	建立次數表、對照代碼含義，再計算累積百分比	分析目的地、旅行原因、意見或抱怨的優先順序	需先排除未回覆代碼，並核對資料字典
生成式人工智慧	依已驗證數值協助產生帕累托圖、累積曲線與文字解讀	加速優先順序的探索與管理解讀	容易發生衡量指標漂移、排序錯誤或代碼與標籤不一致，必須回查來源表格

帕累托分析把「哪些項目最重要」變成可量化問題。典型流程是：先選定商業衡量指標，依各類別數值由大到小排序，計算各類別占比，再累積成累積百分比。柱狀圖呈現個別貢獻，折線則呈現累積貢獻。

原書同時給出成立與不成立的例子。全球網路使用人口案例中，126 個國家中的 25 個，約占 20%，貢獻約 80% 的使用人口，與 80/20 法則相當接近；電影營收案例卻需要 195 部電影 才累積到 80% 營收，曲線沒有清楚的膝點。

因此帕累托分析的價值在於衡量集中程度，不是證明所有現象都服從 80/20。

膝點或肘點是累積曲線從快速上升轉為趨平的位置，可作為少數關鍵項目與長尾項目的視覺分界。但若分布相當平均，曲線可能平滑而沒有明顯轉折點，此時不應硬指定膝點。

案例 7.3 是很好的錯誤控制教材：原先界定的問題與 Excel 工作流程都分析各省訂單筆數，後段人工智慧回應卻切換成銷售營收。兩種帕累托分析都可以做，但它們回答的是不同問題。

因此每個帕累托表格都應明確標記：