【1.分類分析(Classification)】、【2.群集分析(Clustering)】、
【3.迴歸分析(Regression)】、【4.時間序列分析(Time Series Analysis)】...

5. 關聯分析(Associative Analysis) & 6. 順序型態分析(Sequential Pattern Analysis)

這邊就一起說明了，順序型態分析差異只在於加入時間先後當考慮。

【迴歸分析】加入時間因素變成【時間序列】
【關聯分析】加入時間因素變成【順序型態】

用這方式理解，是否簡單多了呢？
5和6這二種分析又常被稱為「購物籃分析」，因為最常用的概念就是：什麼商品最常被一起購買？哪個商品先被購買後，哪個商品會被接著購買？

近年來越來越流行關聯分析，逐漸取代掉了迴歸分析，在於關聯分析使用的統計值，非常容易理解、也很容易解釋，既直覺、又不失統計方法之姿；相較於迴歸分析那怎麼解釋都解釋不清楚的顯著水準、p-value、R square，關聯分析確實親民多了，由於系列文20天開始，我們將以SQL做出關聯分析的統計值，故這邊會花點篇幅說明一下。

最容易理解的方式，是透過2個商品組合，開始著手，如果一剛開始接觸，就考量多項商品，例如ABCD四種商品被一起購買之後(彷彿七龍珠的概念)，這個人100%會去買Z商品。這種過程就太為複雜，從1對1的二商品開始，基礎才夠踏實，要延伸也才能理解自己到底在做什麼。

我們舉例如下：

全部訂單：2000筆
購買商品A的訂單：1250筆
購買商品B的訂單：1000筆
同時購買商品A和商品B的訂單：500筆
沒有購買商品A也沒有購買商品B的訂單：250筆

支持度(Support)

於【全部訂單】(2000)中，【同時購買商品A和商品B的訂單】(500)的比例(500/2000=25%)。
支持度(Support)為25%，數學公式以交集P(A∩B)來表示。

信賴度(Confidence)：

信賴度有兩個！信賴度有二個！信賴度有２個！

在已確定【購買商品A(先決條件)的訂單】(1250)中，【也選擇商品B(次要條件)的訂單，換句話說也就是同時購買商品A和商品B的訂單】(500)的比例(500/1250=40%)。
A=>B的信賴度(Confidence)為40%，數學公式以條件機率P(B∣A)表示。

在已確定【購買商品B(先決條件)的訂單】(1000)中，【也選擇商品A(次要條件)的訂單，換句話說也就是同時購買商品A和商品B的訂單】(500)的比例(500/1000=50%)。
B=>A的信賴度(Confidence)為50%，數學公式以條件機率P(A∣B)表示。

可以發現不同的先決條件，信賴度不同。

增益率(Lift)：

不要看數學公式，除非資質很好，否則只會更加混亂，也不容易搞懂原理，和為什麼要這樣算，直接看我以下這樣說比較快：

全部訂單2000筆，購買B的有1000筆，B佔了50%。
那麼，當我現在隨便抽出1250筆訂單，購買B的應該要有幾筆？
照道理來說，推測應該要有50%，625筆，對吧？

結果看下去，為什麼只有500筆！為什麼只有40%？
這個預期的50%當作分母，實際的40%當作分子
40%/50% = 0.8 就是Lift值。

原來，那1250筆不是隨便抽的，而是有購買A的那1250筆訂單。
可見，相較於正常狀況，
我們原本預期1250筆裡面要有625筆購買B。
卻因為它購買了A，導致它只剩下500筆，
表示購買A的人，會比較不想去買B，即是Lift值的概念。

好吧，如果你真的想看數學公式，那它長這樣Lift(A,B) = P(B|A)／P(B) = P(A|B)／P(A)
在原本定義下：

Lift < 1，表示A的出現與B的出現是負相關。
Lift > 1，表示A的出現與B的出現是正相關。
Lift = 1，表示A與B為完全獨立個體無相關。

但是，透過上述可發現，哪這麼剛好Lift=1，剛剛好625筆才會Lift=1，626就大於1、624就小於1啦，難道這中間都不會有抽樣誤差啊？所以這也是關聯分析較為人所詬病及爭議之處，到底考量抽樣誤差之下，界線應該抓到哪呢？目前業界慣用的是，因為考量抽樣誤差：

Lift < 0.8，表示A的出現與B的出現是負相關。
Lift > 1.2，表示A的出現與B的出現是正相關。
介於0.8~1.2，表示A與B為完全獨立個體無相關。

在理解這三個統計值【支持度(Support)、信賴度(Confidence)、增益率(Lift)】的背後運算方法後，要怎麼使用，完全見仁見智，有人認為support要超過10%才有意義，有人認為confidence要超過30%才有意義，也有人認為lift要超過2才是正相關。所以，反正各位已經知道背後的概念，如何自由心證去決定，師父領進門、修行在個人囉~

最後，也不要覺得這個分析好像很厲害，事實上，關聯分析大部分的結果，都是你我已經知道的事情，例如：

1. 買手機的同時會買保護貼或行動電源
2. 買筆電的同時會買無線滑鼠
3. 買鏡框的同時會買鏡片(簡直廢到笑)

你能想像大老闆們，心裡想著啤酒尿布，想著Big Data，花了大筆資金，卻只做出上面的結果，他會不會火冒三丈？

但坦白說，要奇葩到出現「啤酒尿布」這麼不相關的商品組合是很困難的。這麼說吧！從古至今除了「啤酒尿布」這個經典案例，你腦海還想得出第二種組合嗎？

不過我的團隊夥伴，曾經做出一個類似的結果過，那是：

「抗菌洗手乳」和「親子遊園票券」(農場或遊樂園那類)

是不是很有感覺？
另外...你是不是察覺了什麼？
有沒有一種快要突破盲點的氛圍？
我們明天再談。

數據分析 番外篇4

以下這篇真實故事，我將商品類別代碼化、亂調了毛利率，算是顧及對前公司的職業道德。大約四年多前的一場，針對商品銷售作檢討的會議，至今仍歷歷在目。

在座分別是掌管A~Z不同商品類別的各商品經理，就在我正說道：「由此可見，A商品類，效益毛利率28%；B商品類，效益毛利率43%......」
A商品類的經理，立刻豎直身體拍桌怒道：「你這數字根本有問題嘛！A商品類和B商品類的毛利率差不多，怎麼可能只剩28%？這數字一點意義都沒有！」這突如其來的暴怒讓小馬我只能像人形立牌般僵在台上。

「我一個商品A售價兩千，毛利八百，這毛利率就是40%，你知不知道毛利率怎麼算啊？真搞不懂你們這群作分析的，基本觀念都沒有，搞什麼看似高深學問的統計學，不要誤導人啦！」

A經理怒氣勃勃，他回坐時椅背發出「嘎乖」的不悅聲響，彷彿也承受著A經理的情緒而抱怨著，坐下後的他繼續吼著：「門市損平的議題，在於費用率太高，門市首要目標是降費用率，費用率一旦低於毛利率，我現在每賣一台就賺錢，量賣多賣少一點關係都沒有！」

這論點就跟「認為一匹馬跑得慢是因為牠太胖，所以不要餵牠吃東西自然就跑得快」一樣荒謬！但人形立牌顧名思義是不能開口反駁的。

小馬我轉轉眼珠望向與我一同前來的直屬長官。我老大坐在最後排，頭微仰，雙手交叉於胸前，彷彿藐視著所有在座其他人一般。只見他微微往右搖了兩下頭，是「不要跟他爭辯」的指令。小馬我只得收下，向不知是因羞愧或憤怒而滿臉通紅的經理回：「經理您說的是。」

趁著走回辦公室的時候，我無奈地問我老大，還刻意壓低音量：「老大，A經理講那什麼鬼理論...

費用率 = 營業費用 / 營業收入
要降費用率，要嘛分子(營業費用)降低、要嘛分母(營業收入)增加。
但一間店的用人和租金是固定的，營業費用無法說降就降。
問題就是出在營收提升不了，所以才去檢討新商品的銷售量不夠，

我在談的是商品本身和其週邊商品能帶來的總毛利效益，會議一開始我就已經講很清楚了，又不是單純談商品的毛利率......」

老大耐心聽至此才擺手打斷：「我當然知道，但你有個問題。」小馬我心頭一凜。

「我們啊~在公司存在的意義，不是要告訴大家我比你高竿，不是，」老大正色強調，「我們要達到的目的，是要讓對方知道問題後改善，注意，重點是知道後改善，不是停留在知道問題而已。你也知道我們沒有實權，只能告知問題並試圖導正，但以你今天的報告方式，直接點進A經理痛處，他的防禦機制被你觸動了，他就不會去試圖改善問題。這樣一來，你報告豈不是白做了嘛！」

簡直醍醐灌頂，老大還補了句：

「歡迎來到大人的世界。」