數(shù)據(jù)分析這點事：如何看懂數(shù)據(jù) 用好數(shù)據(jù)

先聲明一下，按照傳統(tǒng)的定義，我還真不是數(shù)據(jù)分析高手，各種關(guān)聯(lián)算法，只會最簡單的一種（話說不少場合還算管用）；各種挖掘技術(shù)，基本上一竅不通；各種牛逼的數(shù)據(jù)分析工具，除了最簡單的幾個免費統(tǒng)計平臺之外，基本上一個都不會用。所以，各種高手高高手請隨意BS，或自行忽略。這里說點高手不說的。

從微博段子說起，微博上關(guān)于數(shù)據(jù)分析有兩個段子，我經(jīng)常當作案例講：

第一個段子，說某投資商對某企業(yè)所屬行業(yè)有興趣，要做背景調(diào)查，甲是技術(shù)流，一周分析各種網(wǎng)上數(shù)據(jù)，四處尋找行業(yè)材料，天天熬夜，終于寫出一份報告；乙是人脈流，和對方高管喝了次酒，請對方核心人員吃了頓飯，所有內(nèi)幕數(shù)據(jù)全搞定，問誰的方法是對的；

第二個段子，某電商發(fā)現(xiàn)競爭對手淘寶店，周收入突然下降了30%，但是隔周后又自然恢復，中間毫無其他異常現(xiàn)象，于是老板讓分析師分析，苦逼的分析師辛苦數(shù)日，做各種數(shù)學模型，總算找到勉強的理由自圓其說，老板讀畢，雖說不能讓人信服，卻也沒有更合理的解釋，某日，見對手老板，閑聊此事，“你們某段時間怎么突然收入下降？”“嗨，別提了，丈母娘去世了，回家奔喪，公司放羊了?！崩习寤腥淮笪颉?/span>

兩個段子，第一個段子，微博上一邊倒的說，苦逼分析沒有人脈有用；第二個段子類似，一邊倒的認為，人脈的消息比苦逼分析管用多了。但是我想說的是，這個解讀絕對是錯的！

先說第一個段子，其實網(wǎng)絡不乏這種“人脈達人”，特別是媒體圈，一些所謂的“IT名記”或者“著名評論家、分析師”和各種互聯(lián)網(wǎng)大佬稱兄道弟，天天秘聞不斷，但是呢？他們從不研究產(chǎn)品，不分析用戶，所以，他們知道了數(shù)據(jù)，卻不懂數(shù)據(jù)背后是什么，更不知道什么是重要的，什么是次要的，我有時會批評身邊這樣的朋友，別天天覺得自己知道幾個互聯(lián)網(wǎng)大佬的花邊新聞，就當自己是資深業(yè)內(nèi)人士了，正因為掌握這些東西又覺得炫耀，才反而忽視了真正有價值的信息和有價值的數(shù)據(jù)。這就是為什么混網(wǎng)絡媒體的，見過市面的各種達人，在互聯(lián)網(wǎng)創(chuàng)業(yè)浪潮里，幾乎沒有成功幾率的真實原因，自以為人脈廣泛，無所不知，其實正因為缺乏最基本的數(shù)據(jù)背景分析，所以才是看上去什么都懂，細究下其實什么都不懂。請記住一點，除非你是富二代，官二代，銜著金鑰匙出生，那不在我的討論范圍里，否則，沒有苦逼的經(jīng)歷，就沒有牛逼的成就。

我常訂閱一些著名分析師的微博，他們透露的數(shù)據(jù)往往是很有價值的（這是我訂閱的原因），但是他們的解讀通常是慘不忍睹的，這就是只看表象的惡果，而且隨便翻看一下他們的數(shù)據(jù)解讀，可以說他們的數(shù)據(jù)感和數(shù)據(jù)認知貧乏到可笑，甚至缺乏最基本的數(shù)據(jù)校核和考證的能力，他們拿到了某公司核心數(shù)據(jù)又怎樣？沒經(jīng)歷過苦逼的分析，他們其實什么都看不到。

第二個段子同理，如果不是持續(xù)有效的數(shù)據(jù)跟蹤，怎么能得出下降30%的結(jié)論，這一數(shù)據(jù)結(jié)論與人脈得到的消息相互驗證，才會得到完整真實的結(jié)果，否則僅僅是閑聊，你怎能知道對方企業(yè)管理對業(yè)績影響的范疇，苦逼的分析也許一時沒有人脈的消息管用，但是你所得到的對數(shù)據(jù)的認知和積累，是人脈永遠不會給你的。

所以，再次強調(diào)，基本的數(shù)據(jù)跟蹤和日常的數(shù)據(jù)感養(yǎng)成，絕不是可以忽略和無視的。人脈情報可以成為數(shù)據(jù)解讀重要的信息來源，但是絕不能喧賓奪主，替代基本的數(shù)據(jù)分析工作。

下面說一下數(shù)據(jù)感，什么是數(shù)據(jù)感？就是別人說一個數(shù)據(jù)出來，你會琢磨一下這個是否符合常理，與你日常的數(shù)據(jù)觀測經(jīng)驗是否一致，如果不一致，那么可能的理由是哪些？ 比如12306號稱一天幾十億次點擊，如果你有數(shù)據(jù)感，第一眼就會質(zhì)疑這個“點擊”定義的合理性；比如曾經(jīng)有人說某國內(nèi)圖片分享網(wǎng)站一天多少億訪問量，第一眼就知道這個“訪問量”定義是有歧義的，（事后官方解釋是圖片加載量，這個和訪問量差異幾十倍。） 數(shù)據(jù)感需要不斷的培養(yǎng)，和基本的邏輯（比如你應該知道中國有多少網(wǎng)民，每天有多少人上網(wǎng)，一個大概什么類型，什么排名的網(wǎng)站會覆蓋網(wǎng)民的比例是多少），以及善于利用各種工具，我以前在巨頭公司，得益于公司巨大的數(shù)據(jù)資源，可以看到很多互聯(lián)網(wǎng)的核心數(shù)據(jù)；但是離開后，才發(fā)現(xiàn)，其實互聯(lián)網(wǎng)上公開可獲取的數(shù)據(jù)途徑是非常多的，而且善于利用的話非常有效。每天去查詢一些感興趣的數(shù)據(jù)，經(jīng)過一段時間積累，想沒有數(shù)據(jù)感都難。

作為公司或團隊負責人，怎么培養(yǎng)員工的數(shù)據(jù)感，我其實也有一個建議，平時可以搞一些小的競猜，比如團隊集體競猜新產(chǎn)品或產(chǎn)品改版上線后的日活躍用戶，或者pv數(shù)字，或者收入數(shù)據(jù)，等等；然后看誰的最準，一種是懲罰制，最不準的請最準的喝奶茶，吃冰淇淋；另一種不懲罰，最準的累計積分后公司可以發(fā)一些獎品鼓勵，這樣下去大家的數(shù)據(jù)感就會在日常培養(yǎng)起來，而且對團隊的氣氛培養(yǎng)也有幫助。

數(shù)據(jù)感之后，談數(shù)據(jù)分析的方法，我的建議是，不炫技，不苛求技術(shù)復雜度，最簡單的數(shù)據(jù)，所包含的信息往往是最有價值的，而很多人恰恰這一步都沒做好，就總想著弄一堆挖掘算法；數(shù)據(jù)的價值在于正確的解讀，而不是處理算法的復雜度，切不可喧賓奪主。 大公司的kpi制度，往往會產(chǎn)生偏差，比如技術(shù)工程師的評定，要講究“技術(shù)復雜度”、“技術(shù)領先性”，直接導致簡單的事情沒人肯做，最基本的工作不認真做！所以往往是大公司的分析工程師，為了評高級工程師，非要簡單問題復雜化，四則運算就搞定的事情一定要弄一套詭異的算法，最終非但浪費了資源，消耗了時間，而且往往由于工程師對業(yè)務理解的漠視，對應的產(chǎn)品人員又對算法的陌生，導致了嚴重的理解歧義，從而出現(xiàn)各種誤讀。

下面說關(guān)鍵，數(shù)據(jù)解讀，正確的數(shù)據(jù)解讀，是所有數(shù)據(jù)分析工作最關(guān)鍵的一步，這一步錯了，前面的所有努力都是白搭，然后，往往很多人簡單的以為“數(shù)據(jù)會說話”，他們認為把數(shù)據(jù)處理完一擺就ok了，所以我看到很多知名分析師拿著正確的數(shù)據(jù)信口胡謅；而更有甚者，顯然是故意的行為，一個非常非常著名的、口碑極佳的跨國企業(yè)，曾經(jīng)就同一份很酷的數(shù)據(jù)，在不同的場合下，為了市場公關(guān)的需求，做出不同的解讀；這簡直就是道德問題了。

數(shù)據(jù)解讀，不能是為了迎合誰，要遵循數(shù)據(jù)的本質(zhì)，要遵循科學的邏輯，要有想象力（配合求證），可能有時候也需要依賴人脈關(guān)系所獲得的情報，（這個也有很多典型范例），這個具體再怎么說可能我也說不清楚，說幾個反面例子也許更容易理解。

1、因果關(guān)聯(lián)錯誤，或忽略關(guān)鍵因素，A和B的數(shù)據(jù)高度相關(guān)，有人就片面認為A影響了B，或者B影響了A；但是，有時候真實原因是C同時影響了A和B，有時候C被忽略掉了。

2、忽略沉默的大多數(shù)，特別是網(wǎng)上投票，調(diào)查，極易產(chǎn)生這種偏差，參與者往往有一定的共同訴求，而未參與者往往才是主流用戶。

3、數(shù)據(jù)定義錯誤，或理解歧義，在技術(shù)與市場、產(chǎn)品人員溝通中產(chǎn)生信息歧義，直接導致所處理的數(shù)據(jù)和所需求的數(shù)據(jù)有偏差，結(jié)果顯著不正確。

4、強行匹配；不同公司，不同領域的數(shù)據(jù)定義可能不一致，在同一個公司內(nèi)或領域內(nèi)做對比，往往沒有問題，大家對此都很習慣，卻有評論家不懂裝懂，強行將不同定義的數(shù)據(jù)放在一起對比做結(jié)論，顯著失真；海外著名金融機構(gòu)在分析中國頁游和端游市場就連續(xù)犯這類錯誤。

5、忽略前提；有些數(shù)據(jù)結(jié)論是基于某種前提，符合某種特定場景下得出的，但是解讀者有意或無意忽略前提，將結(jié)論擴大化，顯著誤讀。

6、忽略交互；在商業(yè)模式改造和產(chǎn)品改進，往往都會出這類問題，最簡單說，你游戲中的道具降價，對收入的影響是增還是減？如果忽略交互，僅僅依賴于數(shù)據(jù)推算，當然是減，但是實際呢？做運營的都知道。

7、缺乏常識；如果對一些重要的紀念日，節(jié)日，或者網(wǎng)購節(jié)不了解，那去處理有關(guān)數(shù)據(jù)顯然就不知所云了。做行業(yè)報告更是如此，很難想像對行業(yè)不了解的人能做出怎樣的報告。

8、無視樣本偏差；我們通常做數(shù)據(jù)調(diào)研，是基于樣本數(shù)據(jù)，而采樣過程本身很難做到完全的公平和分散，樣本偏差要控制在合理范疇內(nèi)，即便無法控制，在結(jié)論中也需要標注；這才是嚴謹?shù)臄?shù)據(jù)解讀，對樣本偏差視而不見，甚至為了某種宣傳目的刻意尋找偏差的樣本，都不可能做出好的數(shù)據(jù)結(jié)論。

那么， 數(shù)據(jù)處理也多說一點，雖說是個技術(shù)活，但是有些不那么技術(shù)的事情，也必須做到位才行；很多時候，我看到一個數(shù)據(jù)，不符合我的預期，我第一反應，是了解數(shù)據(jù)來源和處理邏輯，我們通常面對的數(shù)據(jù)，包括大量的干擾，噪音數(shù)據(jù)，以及一些識別上容易產(chǎn)生歧義甚至誤判的數(shù)據(jù)，這都是需要處理的，很多時候工程師只關(guān)心算法層面、效率層面，不愿意也不關(guān)心這些東西，所得出的數(shù)據(jù)結(jié)論失真度就非常高，越是大公司，這種情況越普遍；在我效力的巨頭公司時，這樣的范例非常多，處理方法其實很簡單，多看看源數(shù)據(jù)，對中間的噪音和干擾數(shù)據(jù)正確識別標注，對容易誤判的數(shù)據(jù)進行二次判定，全是苦力活，沒啥技術(shù)含量，但是這是必須的。

最后，很多人想知道我怎么看數(shù)據(jù)，或者想問我，他們每天看很多數(shù)據(jù)，不知道怎么去看，我其實有很簡單的三板斧，一學就會，一用就靈，對常見的數(shù)據(jù)場景，可解決絕大部分日常需求。 簡單說就是“對比，細分，溯源” 六字真言，沒了。

對比，數(shù)據(jù)放在那里，是沒意義的，你說你游戲周流失率80%，啥情況？不知道，你問我我也不知道。對比起來才知道。

一是橫比，你拿出50款游戲來比，別人平均流失率90%，你80%，你游戲還不錯勒，別人要平均流失65%，你80%，這就有問題了。

二是縱比，和自己時間軸比，你兩個月前1.0版本流失率90%，你現(xiàn)在80%，有進步么，你要是兩個月前是50%，現(xiàn)在80%，好好反思嘍。

所以，我特別強調(diào)，在通常企業(yè)數(shù)據(jù)監(jiān)控，顯示一大屏數(shù)據(jù)的界面上，對比特征要最大體現(xiàn)，比如所有同比下降超過多少比例的一概紅色體現(xiàn)，所有上升多少比例的一概綠色體現(xiàn)，公司運營狀況一目了然。

細分，數(shù)據(jù)出現(xiàn)對比異常，你當然想知道原因，那就需要細分了。

細分先分緯度，再分粒度，什么是緯度？你按照時間去分，就是時間緯度，按照地區(qū)去分，就是地區(qū)緯度，按照來路去分，就是來路緯度，按照受訪去分，就是受訪緯度；你說今天網(wǎng)站訪問量漲了5%，咋回事不知道，你細分一看，大部分網(wǎng)頁都沒漲，某個頻道某個活動頁漲了300%，這就清楚了，這就是細分最簡單的范例，其實很多領域都通用。 粒度是什么，你時間緯度，是按照天，還是按照小時？這就是粒度差異，你來路緯度，是來路的網(wǎng)站，還是來路的url，這就是粒度的差異；這樣可以將對比的差異值逐級鎖定，尋找原因。

溯源，有時候我對比，細分鎖定到具體緯度，具體粒度了，依然沒有結(jié)論，怎么辦，溯源，依據(jù)鎖定的這個緯度和粒度作為搜索條件，查詢所涉及的源日志，源記錄，然后基于此分析和反思用戶的行為，往往會有驚人的發(fā)現(xiàn)，我們正是基于這一邏輯發(fā)現(xiàn)過產(chǎn)品的一些缺陷，而且你不斷通過這個方式分析數(shù)據(jù)，對用戶行為的理解也會逐步加深。

其實，這個話題還有很多延伸，比如，如何看一個年輕人有沒有數(shù)據(jù)分析潛質(zhì)；以及如何培養(yǎng)數(shù)據(jù)分析和產(chǎn)品分析人才，等等，不過，就這樣吧。今天說的不少了，我水平有限，吃飯的就這幾招，而且又老又笨，大家都會了我離下崗也不遠了，您就湊活看吧。