全書核心表格

主要框架 可解決的問題 適合的資料類型 Excel／R／人工智慧（Artificial Intelligence, AI）的角色 限制與風險
資料分析流程 把原始資料轉成可供決策使用的資訊、知識與行動 數值、類別、文字、時間序列與大型資料集 Excel 負責整理與計算；R／Jamovi 負責統計分析；人工智慧協助提問、解讀與檢查 資料品質、欄位定義與問題界定錯誤，會使後續分析失去意義
問題界定 把模糊的商業需求轉成可分析、可衡量的問題 具有明確目標、指標、期間與決策背景的資料 人工智慧可協助重寫問題；Excel／R 依問題執行實際計算 若先選工具再找問題，容易得到與決策無關的結果
資料準備 清理、塑形、轉換、建立資料字典與可分析表格 原始試算表、調查資料、交易資料與外部資料 Excel 適合清理與重整；R 適合可重現的資料轉換；人工智慧協助找矛盾與欄位問題 不得直接覆寫原始資料；缺漏值、錯誤代碼與型別必須先處理
敘述統計與分布 了解資料的中心、離散程度、頻率與分布形狀 連續數值、類別次數與群組資料 Excel 與 Jamovi 精確計算；人工智慧協助比較結果與產生管理解讀 平均數可能掩蓋偏態、離群值與群組差異
帕累托分析 找出對總結果貢獻最大的少數項目 按類別彙總的次數、營收、訂單或其他貢獻值 Excel 計算占比與累積占比；人工智慧協助辨識優先順序 80/20 是經驗法則，不是所有資料都必然成立
散佈圖、相關與迴歸 分析變數之間的關聯、建立數值預測模型 兩個或多個數值變數 Excel／R 計算相關係數與迴歸；人工智慧解釋係數、殘差與管理意義 相關不代表因果；離群值、樣本量與模型假設都會影響結論
預測與時間序列 利用歷史資料估計未來趨勢與需求 依時間排序的銷售、產量、經濟指標等資料 Excel／R 建立可重算預測；人工智慧比較情境與說明限制 結構性變化、季節性與歷史期間選擇會影響預測
推論統計與假設檢定 由樣本推論母體、比較群組差異是否具統計意義 樣本資料、群組資料、列聯表與實驗資料 Excel／R 執行統計檢定；人工智慧協助解讀 p 值、信賴區間與決策含義 統計顯著不等於商業上重要；抽樣方式與假設條件必須檢查
文字分析與大型資料集 從文字或大量資料中提取頻率、情緒與代表性樣本 評論、文字回覆、大型交易或調查資料 R／人工智慧協助文字處理；抽樣降低分析負荷；Excel 可處理較小的整理工作 抽樣偏誤、文字語境與模型誤判需要人工查核
資料視覺化 把分析結果轉成清楚、可比較、可決策的圖表 各類分析結果與彙總資料 Excel／R 建圖；人工智慧協助選擇呈現方式與撰寫說明 座標範圍、分組方式與圖表設計都可能改變讀者理解

全書主線

本書的核心不是單純學會幾個統計公式，而是建立一條完整的商業資料分析流程：先界定問題，再準備資料，接著選擇正確方法完成計算，最後把結果轉成可以支援決策的解讀。

資料分析不是從工具開始。原書反覆強調，分析者首先要知道管理者真正想回答什麼問題，接著確認資料欄位、資料品質、衡量方式與適合的方法。只有這些條件成立後，Excel、R、Jamovi 或 ChatGPT 才有實際價值。

Excel、R／Jamovi 與人工智慧的分工

Excel 適合資料整理、樞紐分析、公式計算、圖表、基礎統計、迴歸與可重算的商業分析工作。

R／Jamovi 適合需要較完整統計功能、可重現流程與較大型分析的情境。

生成式人工智慧適合協助界定問題、解釋統計方法、比較不同結果、指出矛盾、整理管理意義與撰寫分析草稿；但不應取代本來應由 Excel 或統計軟體精確完成的數值計算，也不得在來源沒有提供資料時自行補造結果。

主要分析能力

本書由基礎走向進階，依序建立以下能力：