我花了三年幫人跑統計，
現在把它用在價格上
有三年的時間，我的工作是幫人把一堆數字變成結論。問卷、財務資料、政策評估，前後經手一百多個量化分析案。做久了學到一件事：大部分人不缺數字，缺的是有人告訴他「這些數字代表什麼、能說到哪裡、不能說到哪裡」。
後來我開始注意價格。同一支 iPhone，在 PTT 上可以差好幾千塊；同一包尿布，在不同好市多倉庫店差六百円。這些價差就是生意，二手收購商、代購商、團媽每天都在靠它賺錢。但他們看行情的方式，多半還是開十幾個分頁、翻社團、憑感覺。
所以我寫程式，每 6 小時掃一次 PTT MacShop，追蹤每支手機有沒有賣掉、幾天賣掉；也把日本好市多各店的價牌一筆一筆記下來。資料累積起來之後，再用我熟悉的統計方法去回答真正有用的問題：開這個價，一週內賣得掉嗎？新機出來，舊機會掉多少？
最後一步是寫。我不想做那種讀完不知道在講什麼的 AI 報告。CrawlSnek 的報告先講結論，數字都有出處，資料不夠就直接說不夠。
我做事的三個原則
數字要有出處
每個價格都能追回原始紀錄。
先講限制
樣本多少、哪裡不能過度解讀，寫在前面。
寫給要做決定的人
少用形容詞，直接說該怎麼做。
我用過的方法
存活分析、事件研究（DID）、分量迴歸、時間序列、追蹤資料（Panel）、結構方程模型。工具是 Stata、SPSS、Python。幾個改寫過的實際案例，放在分析案例。