歡迎來到數據的世界！
你好！歡迎來到管理會計中最重要的基石之一。試想管理人員就像一位廚師，為了烹調出一道佳餚（做出優秀的決策），他們需要正確的配料。在商業世界中，這些配料就是數據（Data）。在本章中，我們將探索這些數據從何而來、我們如何收集它們，以及它們有哪些不同的「風味」。別擔心如果你還不是個「數學高手」——本章主要是在理解資訊背後的邏輯！
1. 內部與外部數據來源
數據不會憑空出現，它們通常來自兩個主要地方：企業內部或企業外部。
內部來源
這些數據已經存在於你的組織之內。它們通常很容易獲取，且成本極低。
例子：查看你自己的銀行對賬單，看看上個月在咖啡上花了多少錢。
常見的內部來源包括：
• 會計記錄： 銷售發票、採購訂單及薪酬詳情。
• 生產部門： 關於產品製造數量或機器使用時數的資訊。
• 人事/人力資源部門： 關於員工流失率、病假率及培訓成本的記錄。
• 庫存記錄： 倉庫中還剩下多少原材料。
外部來源
有時候，你企業內部的「雪櫃」空空如也，你需要去為資訊「買菜」。這就是外部數據。
例子：查看價格比較網站，看看其他商店同款咖啡的售價是多少。
常見的外部來源包括：
• 政府統計數據： 關於通脹、失業率或經濟增長的報告（例如由政府統計處發布的資料）。
• 行業刊物： 專門針對你所屬行業的雜誌或網站（例如專為建築商或牙醫而設的雜誌）。
• 互聯網： 獲取競爭對手價格和客戶評論的龐大資源庫。
• 專業團體： 如 ACCA 或 CIMA 等組織提供的行業標準及最新資訊。
快速回顧：
• 內部： 便宜、快捷、專屬於你的公司。
• 外部： 提供「宏觀視野」，有助於與競爭對手進行基準比較（Benchmarking）。
2. 原始數據（Primary Data）與二手數據（Secondary Data）
按數據「誰先收集」來區分數據很有幫助。這是常見的考試重點，讓我們弄清楚吧！
原始數據（Primary Data）
這是為了手頭上的特定目的而專門收集的數據。它是「新鮮」且「原創」的。
類比：你自己親手拍一張照片，以便確切了解此刻發生了什麼。
優點： 正是你所需要的。
缺點： 收集成本可能很高，且非常耗時。
二手數據（Secondary Data）
這是指已經被他人收集，原本用於其他目的，但你現在正在使用的數據。
類比：使用教科書或 Google 圖片搜尋找到的照片。
優點： 便宜且容易找到。
缺點： 可能過時，或者並不完全符合你的需求。
記憶小撇步：
Primary（原始） = Purpose-built（為目的而建，即新的）
Secondary（二手） = Second-hand（二手，即已使用的）
3. 抽樣方法（如何挑選數據）
想像你有一個裝滿 10,000 顆湯圓的大碗，你想知道它們味道如何。你不會把它們全部吃完——那樣太花時間了！相反，你會取一個樣本（一湯匙）。在管理會計中，我們使用抽樣來節省時間和金錢。
A. 隨機抽樣（Random Sampling）
總體中的每一項都有均等的機會被選中。我們通常會使用隨機數生成器來進行。
常見錯誤：認為「隨意」（撿起手邊最近的東西）就是「隨機」。在會計學中，隨機必須是數學上公平的！
B. 系統抽樣（Systematic Sampling）
我們每隔第 \(n\) 個項目進行選取。
例如，如果有 100 張發票，我們想檢查 10 張，我們就每隔 10 張抽出一張。
間隔公式為：\( \text{Interval} = \frac{\text{Population Size (總體大小)}}{\text{Sample Size (樣本大小)}} \)
C. 分層隨機抽樣（Stratified Random Sampling）
這是一種高級說法，意思就是先將總體劃分為層（Strata），然後從每一層中隨機抽樣。
例子：如果一家公司有 60% 女性和 40% 男性，一個 10 人的分層樣本將確保選出 6 名女性和 4 名男性，這使樣本更具代表性。
D. 配額抽樣（Quota Sampling）
這類似於分層抽樣，但並非隨機。訪問員被告知要找到 20 名 50 歲以上的人，一旦找到 20 人，他們就停止。這方法很快，但容易產生偏差。
E. 整群抽樣（Cluster Sampling）
我們將總體劃分為「群組」（通常基於地理位置），然後選擇整個群組來進行測試。
例子：要檢查一個國家的學校質素，你可能會隨機選取 5 個城市，然後檢查這些城市中的「每一間」學校。
F. 多階段抽樣（Multistage Sampling）
這是「樣本中的抽樣」。
例子：選取 5 個城市（第 1 階段），然後在每個城市選 3 間學校（第 2 階段），最後在每間學校選 10 名學生（第 3 階段）。
重點總結： 使用隨機抽樣以保公平，分層抽樣以求精確，整群/多階段抽樣則可節省交通時間與成本。
4. 大數據：現代來源
你可能聽過這個流行詞。大數據（Big Data）是指每秒從社交媒體、感應器和 GPS 產生的海量數據。
如果起初覺得有點複雜，別擔心；只需記住大數據的「4V」特徵：
1. Volume（容量）： 數據量極大。
2. Velocity（速度）： 產生與傳輸的速度非常快（實時）。
3. Variety（多樣性）： 形式多樣（影片、文字、數字、「讚」的數據）。
4. Veracity（真實性）： 數據準確嗎？（有時大數據可能很「混亂」或虛假）。
你知道嗎？ 像 Amazon 這樣的公司利用大數據來預測你想要購買的東西，甚至在你意識到自己想要之前就預測到了！這對管理會計師而言，是預測銷售額強大的外部數據來源。
5. 總結與最後貼士
在 MA 考試中，本章題目經常要求你識別來源是內部還是外部，或者描述的是哪種抽樣方法。
成功小貼士：
• 如果題目提到「每第 10 張」或「每第 50 個」，答案幾乎總是系統抽樣。
• 如果題目提到「子群組（Sub-groups）」或「比例（Proportions）」，請留意分層抽樣或配額抽樣。
• 原始數據昂貴但完美；二手數據便宜但可能與你的需求「不匹配」。
做得好！你已經掌握了數據來源的精髓。現在你已經準備好進入下一個階段，學習如何將這些原始數據轉化為有用的資訊了！