Advanced Data Collection & Expert Call Interviews
在許多人眼中，管理顧問像是能快速拆解複雜商業問題的解題高手，但如果真正走進顧問工作的現場，會發現顧問最核心的能力，往往不是背了多少分析框架，而是能不能在有限時間內，有效取得資訊、驗證假說，並把零散訊息整理成可執行的判斷。
本次臺大管顧社邀請來自 YCP Solidiance 的 Charles，以實體專案的工作情境為背景，分享顧問在面對真實客戶與市場問題時，如何進行資料搜尋、如何設計專家訪談，以及如何一步步把「不知道」轉化成「可判斷、可建議、可行動」的洞見。
顧問不是先找答案，而是先建立假說
Charles 一開始就點出一個重要的念：做研究時，最忌諱的不是資料不夠，而是沒有問題意識地亂搜資料。很多人在做分析時，習慣先大量蒐集資訊，覺得資料越多越安心。但顧問的做法通常相反：不是先搜集全部資料，而是先根據現有線索，提出一個初步假說，再去驗證它。
這個過程可以簡化成三個步驟：
Might be：先提出「可能是因為什麼」的初步判斷
Is it?：透過資料與訪談驗證，問自己「真的是這樣嗎？」
Should be：整合證據之後，形成真正有執行意義的觀點與建議
這背後反映的是一種顧問式的研究邏輯：搜尋不是目的，驗證才是目的。
也因此，Charles 特別強調 Zero-based thinking。意思不是要你完全沒有想法，而是提醒你：即使你已經有初步判斷，也不能被自己的經驗綁住。你必須隨時準備推翻原本的假設，避免陷入 Confirmation Bias，只去找支持自己觀點的證據。
好的資料搜尋，不是越多越好，而是越接近問題越好
在顧問工作中，資料搜尋的目的不是把所有資料都找齊，而是快速建立對產業、問題與脈絡的理解，並逐步逼近真正重要的資訊。
Charles 提到，資料搜尋前一定要先想清楚兩件事：
What：我到底要解決什麼問題？
Why：我為什麼需要這些資訊？
當這兩件事不清楚時，很容易陷入 Over-research：花了很多時間查資料，最後卻不知道哪些資訊真的能幫助判斷。
因此，更有效率的做法是：先用次級資料（Secondary Data）做 quick check，理解整體輪廓，再依照初步發現修正假說，最後再決定是否需要更深入的第一手資料（Primary Data）來補足缺口。
Charles 也整理了判斷次級資料品質的三個重要標準：
1. 可靠性（Reliability）
資訊來源是否可信？例如政府統計、官方財報、產業研究報告，通常會比新聞摘要、論壇留言或社群貼文更可靠。
2. 代表性（Representation）
資料是否具有足夠的樣本或範圍，能夠支撐你的判斷？例如大規模市調報告通常比個人經驗分享更具參考價值。
3. 時效性（Recency）
資料是否夠新？尤其是面對快速變動的市場、消費者偏好或競爭環境時，過舊的資料可能反而誤導決策。
這裡有一個很值得記住的觀點：顧問並不總是在追求 100% 的絕對精確，而是在追求足以支持判斷的Approximate proof。也就是說，你要找到的是「足夠好、足夠準、足以做決策」的資訊，而不是無止境地追求完美。
當公開資料不夠時，真正有價值的是第一手資訊
很多商業問題，光靠公開資料其實無法回答。
例如：
某家公司內部真正的決策流程是什麼？
某個市場的利潤結構到底怎麼分配？
某個產品的推廣方式，實際上最有效的關鍵因素是什麼？
某個產業看似合理的做法，為什麼現場其實推不動？
這些問題往往牽涉到企業內部運作、隱性規則、產業慣例，或者根本還沒有被寫進公開報告裡。這時候，顧問就會進入下一個重要工作：專家訪談。
Charles 特別提醒，專家訪談和一般訪談不太一樣。它不是單純收集意見，而是針對特定商業問題，向特定領域中有深度經驗的人取得洞察。因此，受訪者通常會是：
產業中的中高階主管
實際操盤者
某一領域的技術專家
熟悉法規或產業結構的關鍵人士
而這些資訊之所以珍貴，正是因為它們通常不會出現在網路搜尋結果裡。
專家訪談為什麼昂貴？因為你買的不是時間，而是判斷力
Charles 也分享了顧問業常見的 Expert Network Service（ENS），也就是專家網絡服務。像 GLG、AlphaSights 這類平台，會協助企業或顧問媒合特定產業、職能、地區的專家，進行付費訪談。
這類服務的成本非常高，依照地區與職級不同，每小時可能從 600 美金到 1,200 美金以上不等。尤其是成熟市場的高階主管、C-level 或政府相關人士，費用會更高。
企業願意支付這筆錢，因為他們要買的不是「陪你聊天的一小時」，而是這個人多年累積下來的產業知識、決策經驗，以及對市場真實運作方式的理解。很多時候，一句關鍵判斷，就可能幫企業少走很多冤枉路。
這也代表一件事：專家訪談絕對不能亂問。如果問題沒有準備好、結構不清楚，浪費的不只是時間，而是非常昂貴的決策成本。
專家訪談不是聊天，而是結構化資訊獲取
Charles 將專家訪談拆成三個階段：訪談前、訪談中、訪談後。這個結構很值得所有做研究、做專案、甚至做論文訪談的人參考。
（一）訪談前：先把問題想清楚
訪談前最重要的事情不是寫一大堆問題，而是先辨識：哪些資訊是重要但目前缺少的？
接著，你需要進一步做三件事：
1. 排出優先順序
把問題分成：
Must-have：沒有這題，整個判斷會有重大缺口
Nice-to-have：有很好，但不是決策核心
2. 設定你要的答案顆粒度
你要的是精確數字，還是合理區間？例如你可能不需要知道某產品利潤率是 20.5%，但你需要知道它大概落在 10–20%、20–30% 還是更高。
3. 選對人
不同問題需要不同專家。不是職位越高越好，而是要看對方是否真的接近你要問的那一段流程、決策或知識。
此外，訪談前一定要做好基本研究。你不需要比專家更懂，但至少要懂到足以問出好問題。否則訪談很容易停留在表面，甚至讓對方覺得你沒有準備。
真正厲害的訪談不是「多問」，而是「怎麼問」
在訪談執行的部分，Charles 分享了幾個很有顧問感、也很實用的技巧。
1. 先建立基本的對話框架
開場時要簡短說明：你的身份、這次訪談的目的、想討論的幾個主題、預計時間安排，幫助對方快速進入情境，也降低他對訪談的不確定感。
2. 善用沉默
很多人一緊張就會急著接話，但其實在訪談裡，沉默有時反而是很強的工具。當你問完問題後，短暫停頓幾秒，往往會促使對方補充更多細節。因為人通常不習慣空白，尤其是專家型受訪者，常常會在那幾秒裡繼續展開說明。
3. 「裝錯以求正確」
當你已經掌握部分資訊時，可以故意提出一個可能不完全正確的陳述，例如：「所以這類產品的利潤率大概是 25% 左右，對嗎？」如果對方很重視專業與精確度，他很可能會直接糾正你。也正是在糾正你的過程中，他往往會透露更真實、更細的資訊。
這個技巧的本質不是欺騙，而是利用對方的專業本能，讓他更自然地說出核心內容。不過它很吃前提：你自己要先做足研究，知道什麼地方可以試探、什麼地方不能亂猜。
4. 不要害怕禮貌地打斷
專家有時會講得很長、很細，甚至偏離主題。這時候如果不敢打斷，訪談很容易失焦。顧問式訪談很重視時間管理，因此需要在適當時機用很自然的方式把話題拉回來，例如：「我想回到您剛剛提到的那個點……」、「為了把時間留給後面的主題，我想先聚焦在……」這不是不禮貌，而是對訪談目標負責。
3R：把對話變成有產出的資訊交換
為了讓訪談更有效率，Charles 也整理出一套很實用的 3R 技巧：
1. Rephrase
當對方不理解問題，或你發現提問太抽象時，就要換一種更具體、簡單、可回答的說法。例如，與其問「這個市場是不是進入瓶頸？」不如問：「現在新業者最難進入這個市場的原因是什麼？」前者太大、太抽象；後者更接近受訪者可以直接回應的經驗。
2. Reflect
當對方回答模糊或保留時，不要急著跳下一題，而是針對他的回答做即時反應，幫助他繼續展開。例如他說：「這很難說。」你可以接著問：「如果用區間來看，您會覺得比較接近 A 還是 B？」順著對方的語意，把模糊答案推向更可用的資訊。
3. Redirect
當對方開始偏題，或講到與目標無關的內容時，要有能力把對話拉回來。這個能力很重要，因為很多訪談失敗，不是受訪者不願意講，而是講了很多卻沒有回答真正的問題。
訪談後的整理，決定了這場訪談值不值得
很多人以為訪談結束就完成了，但其實真正的分析工作才正要開始。Charles 提到，訪談後應該盡快完成三件事：
1. 立即整理重點
趁記憶還清楚時，把最重要的資訊、數字、觀點、模糊點、矛盾點先整理下來。
2. 回頭檢視原本假說
這場訪談有沒有支持原本的假說？有沒有推翻它？有沒有產生新的問題？
3. 優化下一場訪談
如果某些問題已經得到足夠答案，下一場就不必再問；反之，如果某些答案出現新的方向，就應該調整後續訪綱。也就是說，每一場訪談都不該是孤立的，而應該是整個研究流程中的一個迭代節點。
最後，感謝 Charles 帶來這場內容紮實且非常實用的分享，讓大家更具體理解顧問在真實專案中，如何透過資料搜尋、假說驗證與專家訪談，一步步建立對問題的判斷與建議！
