【Data 101 第 8 期】只看到表象是不夠的！解決問題第三步：運用「原因分析」找出根本癥結
本期深入解析「議題樹分析」與「時序比較分析」兩大實用工具，並透過包裹配送缺件與電商業績下滑的實際案例，教你如何層層拆解問題、找出轉折點，精準鎖定問題的根本原因，防止問題再次發生。
嗨！歡迎來到《JT用數據說故事》Data 101 專欄
在過去幾年工作經驗，因為工作需求需要在公司內部分享一些數據相關的知識給內部同仁，藉此提升組織內部的數據素養，也開啟每個月整理一些簡單的數據知識觀念在內部分享。
在不涉及公司內部的資訊，我整理過去的內容同步發表在個人部落格中，希望給想要踏入資料領域的你增加一些不同的知識觀點。
若喜歡這樣的內容，歡迎在下方訂閱我的部落格！
在解決問題的旅程中，我們已經走過了「辨識問題」與「描述問題」。現在，我們要進入至關重要的第三個步驟 —「根本原因分析 (Root Cause Analysis)」 。
為什麼要做根本原因分析？
當問題發生時，我們往往只看到表象。原因分析的目的，是根據不同的分析手法，找出問題真正的「根因」，這有助於徹底解決問題，防止它再次發生 。
本期推薦兩種常用的分析方法：議題樹分析與時序比較分析 。
方法一：議題樹分析 (Issue Tree Analysis)
議題樹分析是一種將問題層層拆解的技術。它的核心概念包括：
層層拆解： 將大問題逐步拆解成多層次的子問題 。
不斷追問「為什麼」： 透過不斷提問「Why」，逐層往下挖掘，直到找出根本原因 。
視覺化思考： 利用樹狀結構呈現，有助於我們進行全面性的思考，避免遺漏 。
實戰案例：為什麼配送過程中缺少零件？
讓我們看一個包裹配送的例子，當我們面對「配送缺件」的問題時，可以這樣畫出議題樹
第一層 (Why 1)： 是「裝箱過程出錯」還是「運輸過程中零件遺失」？
第二層 (Why 2)： 如果是裝箱出錯，是因為「人員疏忽」還是「作業流程設計不當」？
第三層 (Why 3)： 追究人員疏忽的背後，發現可能是「員工培訓不足」或是「員工操作沒遵守 SOP」。
透過這樣的拆解，我們最終發現潛在的根本原因可能在於員工培訓不足或包裝作業流程設計不當，而非單純責怪第一線人員 。
方法二：時序比較分析 (Timeline Analysis)
除了邏輯拆解，時間也是尋找線索的重要維度。時序比較分析的做法是：
收集數據： 收集問題發生前後的歷史數據 。
對比差異： 對比特定時間節點前後的狀況差異變化 。
鎖定轉折： 數據變化的「轉折處」，往往就是問題的來源 。
實戰案例：電商網站訂單量突然暴跌
情境描述： 某電商平台的數據分析師發現，從 10 月 15 日開始，全站的「每日訂單量」突然下降了 30%，且連續三天沒有回升。老闆很著急，問：「到底發生了什麼事？」
這時候，我們運用時序比較分析的三步驟來找出根因：
第一步：收集數據
我們拉出過去一個月（9/15 - 10/18）的「每日訂單量」趨勢圖，並疊加「網站流量 (Traffic)」與「轉換率 (Conversion Rate)」的數據。
目的： 確認問題是「長期衰退」還是「突發性異常」，以及問題是出在「沒人來（流量）」還是「來了不買（轉換率）」。
第二步：對比差異
透過數據圖表，我們進行時間節點的前後對比：
正常期 (10/1 ~ 10/14)： 每日流量 10,000 人，轉換率 3%，訂單約 300 張。
異常期 (10/15 ~ 10/18)： 每日流量 依然是 10,000 人（排除行銷導流問題），但轉換率跌至 2%，訂單剩下 200 張。
發現： 流量沒變，變的是「轉換率」。問題出在站內使用體驗，而非外部廣告。
第三步：鎖定轉折
我們鎖定數據變化的關鍵轉折點——10 月 15 日。這一天就是問題的源頭。我們需要回溯這一天發生了什麼「改變」：
排查行銷活動？ (無，活動檔期未變)
排查競爭對手？ (無，競品無大動作)
排查內部系統更新？ (有！IT 部門在 10/15 下午 2:00 進行了結帳頁面的改版更新)
進一步下鑽 (Drill down)： 我們將 10/15 改版後的數據按「裝置」拆解，發現：
電腦版 (Desktop)： 轉換率正常。
手機版 (Mobile)： 轉換率從 3% 跌到 0.5%。
找到根因 (Root Cause)： 10/15 的系統更新中，新版結帳頁面在「手機版」顯示異常（例如：結帳按鈕被廣告擋住），導致手機用戶無法完成付款。
▍結語：先定義，再解決
無論是透過「議題樹」抽絲剝繭，還是利用「時序分析」回溯歷史，目的都是為了讓我們不再憑感覺猜測，而是有憑有據地找到問題核心。
回顧我們在 Data 101 提到的概念：當我們透過落後指標（如業績）發現異常時，利用上述的分析方法找出影響的領先指標（如流量、轉換率），才能真正對症下藥 。
在下一期，我們將進入解決問題的下一階段「對策思考」，教大家如何針對找出的原因制定解決方案 。
希望這期的內容能幫助大家對數位數據有更清晰的認識，讓我們一起享受探索數據的樂趣吧！