| 層級 | 主要技術 | 可回答的商業問題 | 主要限制／延伸 |
|---|---|---|---|
| 基礎 | 資料準備、資料字典、敘述統計、直方圖、帕累托分析、散佈圖 | 資料長什麼樣？哪些類別最重要？分布是否偏斜？兩個變數是否一起變動？ | 主要用於描述與探索，不能直接推出因果 |
| 中階 | 相關、簡單線性迴歸、多變量迴歸、時間序列與預測 | 變數關係多強？能否建立預測模型？哪些因素共同與結果相關？未來趨勢可能如何？ | 需檢查模型假設、外推風險、資料品質與混雜因素 |
| 進階決策 | 推論統計、列聯分析、A/B 測試、大型資料抽樣 | 觀察到的差異是否可能只是隨機波動？類別變數是否有關？政策或版本差異是否顯著？大型資料如何有效抽樣？ | 統計顯著不等於實務重要；非隨機比較不能自動解讀為因果 |
| 非結構化資料與溝通 | 文字分析、資料視覺化 | 大量文字在說什麼？顧客情緒如何？如何把分析結果清楚傳達給決策者？ | 詞頻缺乏語境；視覺化必須忠於數據與受眾需求 |
| 工具分工 | Excel、R、Jamovi、人工智慧 | 如何兼顧精確計算、可重現分析、快速探索與管理解讀？ | 精確數字由分析工具計算；人工智慧負責解釋、比較、查核問題與草稿，不替代數值運算 |
**來源說明：**原書第 18 章的可讀文字層只顯示三張正式表格名稱：表 18.1「基本技術」、表 18.2「中階技術」、表 18.3「進階技術」，目前無法讀取其儲存格內容。因此本頁不把上表冒充為三張原表的逐格翻譯；上表是依本書第 1–17 章已確認內容建立的全書方法索引。
第 18 章的核心功能是把「我要回答什麼問題」與「應該使用什麼分析技術」連起來。最重要的順序不是先挑工具，而是先界定問題、確認資料型態，再選擇能產生可驗證答案的方法。
敘述統計回答資料目前呈現什麼樣子；相關與迴歸回答變數如何一起變動以及能否用於預測；推論統計則處理樣本差異能否推廣到母體。這三類問題不能互相取代。
如果只要比較兩組平均數，不需要先建立複雜的多變量模型；如果目標是預測且結果同時受多個因素影響，單一相關係數也不夠。方法的複雜度應由商業問題與資料結構決定。
Excel 適合透明、可檢查的資料整理、樞紐彙總、公式、圖表與常見統計；R 適合可重現程式流程、大型資料、抽樣與模型；Jamovi 適合以圖形介面快速完成統計分析；人工智慧適合解釋結果、比較情境、發現矛盾、提出查證問題與協助撰寫分析草稿。