如同封面副標所言：「本書最大宗旨在於如何解讀統計數據資料！不使用艱深的數學式，就能讓你看穿數字背後的真相。」本書書真的沒有一直拿大學必修的統計計算公式出來使讀者見周公，也沒意圖使讀者闔上書籍出遊去，而是以過來人的經驗「告知」你：（看吧，）只要懂點統計學，就能在具有不確定性的情況下稍微作點（無傷大雅的）弊，等等之類的直白語句。
如，第一趴就跟你說：他（作者大學朋友）一定是因為這樣的鬼腳圖抽中率，才經常帶著「不知為何運氣總是很差」的心情去替大家跑腿。（笑）
又如，第某趴提到：若你的統計分析完全無法揭露任何事實上可以達成、預期能獲得良好投資回報的行動，那還不如一開始就只靠經驗和直覺來決定就好。（微笑）
但！
這實實在在就是一本統計學書啊！
只是比學生時代的統計學書有趣些，然後沒有複雜的公式。本書開頭就先講為何統計學是最強的武器—「掌握了統計學（資訊）就等於掌握了全世界。」這句話貫穿了整本書，而目次頁也把所有重點精闢地講完。（心得完）
接者開始從基礎介紹統計學。
普查 vs 抽樣調查
誤差
判斷所需之最小資料量
因果關係
卡方檢定與 p 值
隨機對照實驗
回歸分析
多元分析回歸與邏輯回歸
傾向分數
以前，我在課堂上（認真的）學習統計學，學了很多統計學基本相關知識，寫了很多試題，但那只為了通過必修學分以及不讓考試分數難看，並不同於經濟學課堂上，與世界接軌（瞭解所學在各年代時事的應用或相關背景）的有趣。
本書作者用了在不同企業上碰到的例子來搭配解釋，並循序漸進的讓我們了解統計學相關知識，亦用了這些例子來告訴讀者：「統計學的偉大之處，就是能以最快的速度，明確指出一條通往「最好」的路徑。」（所以，還不快來學統計學！）
Google 的首席經濟學家哈爾 · 韋瑞安（Hal Varian）博士與2009年1月，在麥肯錫公司所發行的期刊上說：
I keep saying the sexy job in the next years will be statistician.
對於近年來被炒熱的大數據（及其他的專業術語），作者也有提到一些看法。
「先從正確判斷出所需之最小資料量開始」
在分析數據的過程中，往往需要一些試探性的作業。原始資料越複雜，實際嘗試後，愈容易出現剛好與理論相反的結果，為了保險起見，便需要嘗試各種不同的分析方法，又或者發現了所用數據本身有某些問題存在，必修先加以修正等，這些都是連經驗豐富的統計學家也無法避免的過程。
…（略）
觀察結果的同時並嘗試各種方法與分析角度，這樣的試探性分析最重要的莫過於嘗試錯誤的次數。
…（略）
由此可知，即使最終仍需以所有資料為對象來進行分析及驗證，一開始只使用分量適中的抽樣資料來做試探性分析，並找出假設目標會比較好。
畢竟，分析本身並無任何價值，其價值是從分析結果所採取的行動，到底可以帶來多少價值而定。
最後這部分跟翟大（和沛科技 翟本喬）的說法差不多——大數據的層次：
「
存得起來的，就是 Storage （儲存）；
看得到的，才是 Data （資料）；
看得懂的，叫做 Information （資訊）；
用得出來的，才能稱為 Intelligence（情報）。
」
對於數據分析來說：該分析所產生的判斷，是否能為公司帶來高於分析成本的利益？
除了「感覺似乎掌握了現況」（彙整資料）之外，還需「能夠改善經營或業務的具體行動」。分析結果至少要能回答以下三個問題：
- 那個因素的變化能提高收益？
- 採取可引發這種變化的行動，可行嗎？
- 若是可引發該變化的行動可行，其成本會高於所增加的收益嗎？
這樣才有希望達到「透過行動來提高收益」的目標。
而數據分析之所以行不通，終究還是因為多數人「只會做無助於商業判斷的數據分析」。（這部分確實是我目前所缺少的部分！！！）
「經驗」很不可靠。
有時我們的經驗會受到「記憶偏見」的影響，過度擴張令人印象深刻的經驗。
只靠經驗與直覺並無法判斷我們是「真的知道」，還是「自以為知道」可以左右收益的差異在那裡，但若有正確的資料得以比較，就能明確找出差異。
除了經驗不靠譜外，不考慮「誤差」的試算都不切實際。
「該收集並分析什麼樣的資料」？
比較「已達成目標者」和「未達成目標者」之間的差異。
獲得密技的三個關鍵：
- 進行適當的比較
- 除了資料彙總，還要明確算出其誤差與 p 值
- 該分析什麼樣的數據
「因果關係是有方向性的」
因為注意到該廣告，所以購買商品？
因為買了商品，才注意到有這個廣告？
「電動玩具與青少年犯罪，真有實質的因果關係嗎？」
從同一時間點的資料，無法找出確定的因果關係，是因為拿來比較的母體條件並不一致，也就是因為「不公平」造成的。p111
解決方案有二
- 所有能想得到的「相關條件」進行持續的追蹤調查，並運用統計學的方法，至少讓所有已測量到的條件都盡量一致，藉此達到「公平的比較」。
- 取得資料的時間點就達成「條件的公平及一致」，而不是到了分析時才做。
統計學的終極必殺技：隨機對照實驗（也就是最近在網路相關領域裡的常被討論的 A/B 測試）
隨機對照實驗能耐在於「對於人類可控制的任何東西，它都能分析其因果關係。」
如果是因為預算太大，風險太高，而必須盡可能降低錯誤發生率來說，隨機對照實驗便能發揮作用。
但隨機化並不是什麼時候可以使用，三個隨機化障礙：
- 做不到隨機化這個動作——「現實」
- 隨機化的動作不被允許——「道德」
- 執行上本應沒有任何問題——「情感」
將「基本上都是相同手法」這樣的概念為基礎，依據使用時機和該觀察的數據等條件，整理成一張表。
統計學是「以公平的比較為基礎」，目的在找出產生差異的主要因素，而只要決定了想使用什麼樣的分析軸來比較什麼樣的值，便能輕鬆選出該採用的分析方法。
統計學的六大領域：
- 目的在於掌握實際狀況的社會調查法
- 目的在於找出原因的流行病學及生物統計學
- 目的在於測量抽象概念的心理統計學
- 目的在於機械式分類的資料採礦
- 目的在於處理自然言語的文字勘察
- 著重在推論的計量經濟學
本書最後的章節說明上述六個重要思維，使理解現在大部份的統計學相關言論，分別是從什麼樣的立場來論述的。
如果在我大學階段就讀了這本書，我想⋯⋯對於統計學的興趣（分數）應該會更高吧！
有興趣的朋友，可以到博客來購買此書，附上傳送門：統計學，最強的商業武器 從買樂透到大數據，全都離不開統計學；不懂統計學，你就等著被騙吧！
同場加映：統計學，最強的商業武器：實踐篇
