痛點之尺 · 拆解《圖解時間序列分析》
作者 山姆（謝冠生）・喵喵書評創辦人
發布
讀過近千本商業書，這篇不複述內容——只用《痛點》的 P.A.I.N. 之尺，挑這本書最該被戳的那一格，講一句你帶得走的判斷。拆一本書的四個步驟 →
模型能延長過去，卻預測不了一個沒人買過的需求
高橋威知郎這本《圖解時間序列分析》，把一件聽起來很硬的事，講得意外親切。他用漫畫帶你走進一間白色家電公司，跟著主角一步步把每天的銷售數字畫成一條線，再從這條線裡拆出三樣東西：長期慢慢往上或往下的「趨勢」、每年固定週期起伏的「季節性」，還有藏在廣告投放後面那條慢慢消退的殘留效應。拆完之後，他手把手教你用 Python 跑 ARIMA 這類模型，把這條線往前延伸幾格，變成下一季的銷售預估，甚至反推廣告預算該怎麼分才最划算。當作時間序列分析的第一本入門，這本書的耐心跟務實，我給很高的分。
但整本書從頭到尾，都悄悄靠著一個它沒特別點破的前提在運轉：你手上得先有一條線。
時間序列分析這門手藝，本質上只做一件事——把「過去已經發生過的規律」，順著慣性延長到未來。趨勢是過去累積出來的方向，季節性是過去重複過好幾輪的節奏，模型再聰明，也只是在讀你餵給它的那段歷史，然後賭未來會跟過去長得差不多。這件事它做得很好；能不能開工，卻完全取決於你到底有沒有那段歷史。
【一個人做了一個全新的 App，還沒上線，他打開試算表，很認真地想「預測」第一年會有多少人付費。他查了同類產品的成長曲線、套了漂亮的公式、拉出一條往右上方翹的線，看著看著就安心了。】（這只是個例子。那種「都還沒有人用，卻已經在算它會紅成什麼樣」的興奮，很多人在動手前的深夜都體驗過。）他的算式一步都沒錯，只是他手上那條線，一個真實的點都還沒有——他在預測一段從沒發生過的歷史。
預測，只是把昨天的慣性延長到明天
把時間序列模型想成一個很誠實的延長員。你給它過去三年每個月的營收，它會告訴你，如果世界大致照舊，下個月大概落在哪。它的全部本事，都建立在「過去」這兩個字上：有波動它才學得到季節，有斜率它才抓得到趨勢，有殘留它才算得出廣告的後勁。這也是為什麼這本書的舞台，設在一間已經開了很多年、每天都有真實出貨數字的家電公司——那條線早就長好了，模型要做的，只是接著往下畫。
換個說法，時間序列分析是一門「既有生意」的手藝。你已經在賣、已經累積了一整段被真金白銀蓋過章的數字，它才有東西可讀、可延長。
你那個新點子，那條線上一個點都還沒有
問題就出在，一個還沒上市的點子、一個還沒有人掏過錢的需求，它的時間序列是空的。這跟資料多寡無關——那張圖根本還沒開始，上面連一個點都沒有。你再強的 ARIMA，面對一張空白的圖，能算出來的東西是零。它不會報錯，它只會沉默，因為你根本沒有過去可以餵給它。
這裡藏著一個很容易上當的動作：人一緊張，就想用「分析」的姿態，去罩住一個其實還沒被驗證的假設。你借別人的成長曲線、套一個看起來很專業的模型、拉出一條漂亮的線，心裡那句「這真的有人要嗎」就被暫時壓下去了。可那條線底下沒有你自己的任何一個真實資料點，它預測得準不準，跟擲骰子沒兩樣——它只是把你的期望，畫得比較像一份報表而已。
有歷史的生意，這本書幫你幫到位
話說回來，如果你的生意已經開張、後台已經躺著一整段真實的銷售紀錄，那高橋這套東西是實打實的利器。哪個月是旺季、廣告投下去幾週後才發酵、明年這一季大概要備多少貨、預算灑在哪一檔回收最快——這些問題，時間序列分析都能給你一個有數字撐腰的答案。這一格它做得紮實，我不會叫你跳過。它幫得上的，是那些已經在真實世界裡跑過一圈、留下軌跡的生意。
沒有歷史的需求，只有走出去問才補得上
那條還不存在的線，該怎麼辦？答案不在任何一個模型裡，而在螢幕之外。一個從零開始的需求，你唯一能做的，是親手替它生出「第一個資料點」——找到一個真人，讓他為這個還不存在的東西，做出一個真實到會痛的動作：預付、排隊、掏出訂金、把行事曆空出來。這一筆，才是你那條線上貨真價實的第一個點。這也是 P.A.I.N. 這把尺從第一格就在逼你做的事——動手之前，先確認外面真的有人在痛、痛到願意付錢。
模型延長的是已經存在的過去；而一個新需求要的，是有人替它按下第一次真實的付款。這兩件事用的是完全不同的肌肉，別讓其中一個的專業感，替另一個的空缺打掩護。
先數一數，你那條線上有幾個真的點
今晚，把你正在「預測」的那個東西攤開來，只問自己一個很鈍的問題：這張圖上，屬於我自己的、被真人用真錢蓋過章的資料點，到底有幾個？
要是有——你已經在賣、手上有一整段真實數字，那就大方翻開這本書，讓趨勢、季節性、ARIMA 好好替你把明天算清楚，那是它最擅長的主場。要是一個都沒有，那就先把試算表關掉：你現在缺的不是一個更聰明的模型，是走出門去，讓第一個真人替你的點子，畫下那條線上的第一個點。等那個點真的落下來了，這本書會在那裡等你。