管理決策與統計學
有些管理決策的背後，恰好是統計學
最近我剛好有個機會，可以幫朋友導讀一本書『文科生也看得懂的工作用統計學』，由於文科生友人說直接讀那本書實在讀不下去，所以我拿了三個常見的管理決策，來幫朋友做個導讀：
尋找核心客群
績效考核 -> 是否採取行動
在不充分的資訊之下做決策
尋找核心客群
在工作中，你可能經常需要預測某個事件是否會發生，但並不一定完全了解該事件的因果關係。這時，你可以運用與該事件密切相關的特徵來提升預測的準確性。
具體來說，你可以：
找出相關特徵：識別與這件事高度相關的特徵（比如市場變動趨勢、客戶行為模式等）。
觀察罕見特徵：越是罕見的特徵，越可能對預測有重要意義，因為這些特徵通常能提供更明確的訊號。
例如：某企業希望預測某些潛在的客戶是否值得開發。如果發現多數既有的客戶都有一個共同點，比如，是有日商文化的企業，而這恰好是一個罕見且高度相關的特徵。即使不完全知道為什麼「日商文化」一事與「容易成交」的潛在關聯，它仍然能有效地做出預測。
績效考核 --- 是否採取行動
如果你發現下屬的成效表現特別優秀，以下是個合理的管理建議：
當成效突出的程度，在統計上仍屬於「正常波動」範圍（沒有超過平均值的兩個標準差），誇獎幾句是適當的，但可能不需要進一步行動。
如果成效突出的程度，明顯超過平均值的兩個標準差，這通常意味著表現異常優秀，值得花時間深入研究這名下屬的策略或行動，看看是否可以擴大其成功模式，讓其他團隊成員也受益。
在不充分的資訊之下做決策
管理者經常需要在資訊不完整的情況下做出決策。有時候，你掌握的資訊可能只是粗略的估計，並無法提供絕對準確的答案。
在這種情況下，你可以利用「上下界」的概念來幫助規劃與決策。具體來說，就是假設你得到了一個估計值，那麼你可以考慮這個估計值的「最樂觀可能」和「最悲觀可能」的範圍。
最樂觀的情境：如果事情進展順利，結果可能會如何？
最悲觀的情境：如果事情不如預期，最糟的結果會是什麼？
在決定是否推行某個計畫時，更可以針對這兩種情境設計對應的策略：
樂觀情境：如何充分利用好的結果？
悲觀情境：有什麼預防措施或應變計畫可以減少風險？
這樣的思考方式不僅有助於全面評估計畫的可行性，也能在事情發展出乎預期時有更充足的準備。
與統計學的關係
上述三個管理決策，應該很多人都不陌生，甚至可能覺得，這就是常識啊。但是，這些常識是可以定量化，可以轉化為數值並且進行計算的，因為都可以連結到統計學：
尋找核心客群是貝氏定理、
考核下屬是 z 檢定、
在不充分的資訊下做決策是信賴區間與蒙地卡羅法。