将其拆分为“可随身携带的行李大小”，需要对构成销售额的全部内容进行因数分解。尤其是数字更容易进行因数分解。

如图9所显示的销售额=单价（Price）×数量（Quatity）=新销售额+重复销售额=新单价×新数量+重复单价×重复数量。越是进行分解，“行李”就会变得越小，在采取措施时也就会更容易想出具体方案。

图9 对销售额进行因数分解将其拆分为“可随身携带的行李大小”，需要对构成销售额的全部内容进行因数分解。尤其是数字更容易进行因数分解。

如图9所显示的销售额=单价（Price）×数量（Quatity）=新销售额+重复销售额=新单价×新数量+重复单价×重复数量。越是进行分解，“行李”就会变得越小，在采取措施时也就会更容易想出具体方案。

图9 对销售额进行因数分解专栏 能做出成果的人，往往是从“结果”开始思

考

从“能否做到在不增加销售人员的情况下，提高5%的销售额”这一案例中，我们可以学到许多关于“数据”的要点。在弄清楚“自己所属的数据类型”的同时，我们可以了解到使用数据时需要注意的事项，甚至还可以学到“Speed is Power”的经典方法。

我让听过我讲座的人看过表1后，对他们提出了一个问题，就是“能不能想出一个提高5%销售额的方法”，并根据他们的回答把他们分为了4种类型。

A.马上就开始分析的类型

B.先思考所给数据是否正确的类型

C.先思考剧本（假设）的类型

D.不知道怎么办的类型

你是哪一种呢？

很多A类型的人都认为自己比较擅长数据。看到数值和表格之后他们会立刻开始分析计算。马上就开始分析会给人一种工作进展很快的感觉。看起来这正是Speed is Power的体现，从这个角度考虑似乎并无不妥。

但是，这种做法真的没有问题吗？将A与B、C类型相比，A类型存在的问题就会显现出来。专栏 能做出成果的人，往往是从“结果”开始思

考

从“能否做到在不增加销售人员的情况下，提高5%的销售额”这一案例中，我们可以学到许多关于“数据”的要点。在弄清楚“自己所属的数据类型”的同时，我们可以了解到使用数据时需要注意的事项，甚至还可以学到“Speed is Power”的经典方法。

我让听过我讲座的人看过表1后，对他们提出了一个问题，就是“能不能想出一个提高5%销售额的方法”，并根据他们的回答把他们分为了4种类型。

A.马上就开始分析的类型

B.先思考所给数据是否正确的类型

C.先思考剧本（假设）的类型

D.不知道怎么办的类型

你是哪一种呢？

很多A类型的人都认为自己比较擅长数据。看到数值和表格之后他们会立刻开始分析计算。马上就开始分析会给人一种工作进展很快的感觉。看起来这正是Speed is Power的体现，从这个角度考虑似乎并无不妥。

但是，这种做法真的没有问题吗？将A与B、C类型相比，A类型存在的问题就会显现出来。B类型的人，最开始会先确认得到的数据是否正确。

下面是B类型的人会具体确认的要点。

数字的位数是否正确？通过表1的资料可以得知，所有部门每月的销售额在1 120万日元到3 900万日元之间。这些数字的位数是否正确？在RECRUIT中，很多情况下数据是以亿日元、万日元作为单位进行记录的。但一般情况下，是在千位、百万位加逗号的。也有实例记载，从其他公司跳槽来的职工看错了单位，从而弄错了数字位数的事。

在表1中，销售部门的月销售额以千万日元为单位，是否与实际的位数相符合呢？因此就要对其进行确认之后再进行分析。

说句题外话，比如在对日本职工平均年收入的数据进行分析时，如果收到的数据的单位是“千万日元”或者“十万日元”的话，就很容易把数字的位数搞混。顺便一提，日本职工的平均年收入为422万日元（2016年数据），也就是约等于400万日元。如果自己事先了解过这样的数据，那么在检查得到的数据的正确性时就会起到一定的辅助作用。

日本职工的平均年收入为422万日元，也就是每月的收入为30万~ 40万日元。据此，当得到的数据所显示的数值为100万日元以上或者10万日元左右的话，就能够检查出数据本身有问题，或者数据有特定的偏差。

或者，数值比例和具体数值是否互相矛盾？

数据来源是否准确？B类型的人，最开始会先确认得到的数据是否正确。

下面是B类型的人会具体确认的要点。

数字的位数是否正确？通过表1的资料可以得知，所有部门每月的销售额在1 120万日元到3 900万日元之间。这些数字的位数是否正确？在RECRUIT中，很多情况下数据是以亿日元、万日元作为单位进行记录的。但一般情况下，是在千位、百万位加逗号的。也有实例记载，从其他公司跳槽来的职工看错了单位，从而弄错了数字位数的事。

在表1中，销售部门的月销售额以千万日元为单位，是否与实际的位数相符合呢？因此就要对其进行确认之后再进行分析。

说句题外话，比如在对日本职工平均年收入的数据进行分析时，如果收到的数据的单位是“千万日元”或者“十万日元”的话，就很容易把数字的位数搞混。顺便一提，日本职工的平均年收入为422万日元（2016年数据），也就是约等于400万日元。如果自己事先了解过这样的数据，那么在检查得到的数据的正确性时就会起到一定的辅助作用。

日本职工的平均年收入为422万日元，也就是每月的收入为30万~ 40万日元。据此，当得到的数据所显示的数值为100万日元以上或者10万日元左右的话，就能够检查出数据本身有问题，或者数据有特定的偏差。

或者，数值比例和具体数值是否互相矛盾？

数据来源是否准确？首先要根据自己的经验和知识，确认好数据的准确性与真实性。像这样简单的事前检查至关重要。

B类型的人十分清楚分析错误的数据就是在做无用功。对不确切的数据进行分析，就等于在浪费时间。而且如果根据这样的数据得出的分析结果进行判断的话，自然会导致巨大的错误。

因此，我在“关于数据的读法·想法”的讲座一开始就给出了建议。也就是要养成在收到资料数据之后，首先对数据的正确性进行确认的习惯。

尽管“首先对数据的正确性进行确认”是十分重要的，但仍有很多人未曾做到。希望大家以此为契机养成对数据的正确性进行确认的习惯。

我们像B类型的人一样对数据的正确性进行确认后，那么接下来我们要做什么呢？答案就在C类型之中。

与A类型不同，C类型是在制成分析的“剧本”之后再进行工作的。（参考图10）

“剧本”就是指假设，也就是现阶段能够得出的较为确切的回答。即使“剧本”中存在错误也没有关系。因为之后可以对其进行验证或者反证（用错误结论进行验证）。

我在进行某些工作时，首先会设想出“最好的结果”，同时思考实现这个结果需要完成的具体工作内容。每当想到优秀的剧本（假设）时，我都会无比欢欣雀跃。我甚至感觉我取得的大多数成果很大程度上都受到了我自己设想出的剧本（假设）的影响。首先要根据自己的经验和知识，确认好数据的准确性与真实性。像这样简单的事前检查至关重要。

B类型的人十分清楚分析错误的数据就是在做无用功。对不确切的数据进行分析，就等于在浪费时间。而且如果根据这样的数据得出的分析结果进行判断的话，自然会导致巨大的错误。

因此，我在“关于数据的读法·想法”的讲座一开始就给出了建议。也就是要养成在收到资料数据之后，首先对数据的正确性进行确认的习惯。

尽管“首先对数据的正确性进行确认”是十分重要的，但仍有很多人未曾做到。希望大家以此为契机养成对数据的正确性进行确认的习惯。

我们像B类型的人一样对数据的正确性进行确认后，那么接下来我们要做什么呢？答案就在C类型之中。

与A类型不同，C类型是在制成分析的“剧本”之后再进行工作的。（参考图10）

“剧本”就是指假设，也就是现阶段能够得出的较为确切的回答。即使“剧本”中存在错误也没有关系。因为之后可以对其进行验证或者反证（用错误结论进行验证）。

我在进行某些工作时，首先会设想出“最好的结果”，同时思考实现这个结果需要完成的具体工作内容。每当想到优秀的剧本（假设）时，我都会无比欢欣雀跃。我甚至感觉我取得的大多数成果很大程度上都受到了我自己设想出的剧本（假设）的影响。图10 “直接开始工作”与“从结果思考”

在图10中我对A类型和C类型的人的工作步骤进行了比较。我将A类型称为“直接开始工作”的类型，将C类型称为“从结果思考”的类型。

比较这两种类型我们可以发现，A类型的人虽然较早开始工作，但很有可能会导致“返工”“加班”“工作白费”等情况的出现，所以很容易拉长整体工时（花费的时间），从而导致效率低下。

与此相对，C类型的人因为事先制成了剧本，所以可以按照制成的剧本有计划地进行工作，也就不容易出现返工、加班等情况。图10 “直接开始工作”与“从结果思考”

在图10中我对A类型和C类型的人的工作步骤进行了比较。我将A类型称为“直接开始工作”的类型，将C类型称为“从结果思考”的类型。

比较这两种类型我们可以发现，A类型的人虽然较早开始工作，但很有可能会导致“返工”“加班”“工作白费”等情况的出现，所以很容易拉长整体工时（花费的时间），从而导致效率低下。

与此相对，C类型的人因为事先制成了剧本，所以可以按照制成的剧本有计划地进行工作，也就不容易出现返工、加班等情况。