数据分析这点事

《数据分析这点事》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、数据分析这点事先声明一下，按照传统的定义，我还真不是数据分析高手，各种关联算法，只会最简单的一-种（话说不少场合还算管用）；各种挖掘技术，基木上一窍不通；各种牛逼的数据分析工具，除了最简单的几个免费统计平台之外，基本上一个都不会用。所以，各种高手高高手请随意BS,或自行忽略。这里说点高手不说的。从微博段子说起，微博上关于数据分析有两个段子，我经常当作案例讲，第一个段子，说某投资商对某企业所属行业有兴趣，耍做背景调查」卩是技术流，一周分析各种网上数据，四处寻找行业材料，天天熬夜，终于写出一份报告；乙是人脉流，和对方高管喝了次洒，请对方核心人员吃了顿饭，所有内幕数据全搞定，问谁的方法是对的；第

2、二个段子，某电商发现竞争对手淘宝店，周收入突然下降了30%,但是隔周后又口然恢复，中间毫无其他异常现象，于是老板让分析师分析，苦逼的分析师辛苦数H,做各种数学模型，总算找到勉强的理由口圆其说，老板读毕，虽说不能让人信服，却也没有更合理的解释，某H,见对手老板，闲聊此事，“你们某段时间怎么突然收入下降？”“嗨，别提了，丈母娘去世了，冋家奔丧，公司放羊了。”老板恍然大悟。两个段子，第一个段子，微博上一边倒的说，苦逼分析没有人脉有用；第二个段子类似，一边倒的认为，人脉的消息比苦逼分析管用多了。但是我想说的是，这个解读绝对是错的！先说第一个段子，其实网络不乏这种“人脉达人”，特别是媒体圈，一些所谓

3、的“IT名记”或者“著名评论家、分析师”和各种互联网人佬称兄道弟，天天秘闻不断，但是呢？他们从不研究产品，不分析用户，所以，他们知道了数据，却不懂数据背后是什么，更不知道什么是重要的，什么是次要的，我有时会批评身边这样的朋友，别天天觉得口己知道几个互联网大佬的花边新闻，就当口己是资深业内人士了，正因为掌握这些东西又觉得炫耀，才反而忽视了真正有价值的信息和有价值的数据。这就是为什么混网络媒体的，见过市面的各种达人，在互联网创业浪潮里，几乎没有成功几率的真实原因，自以为人脉广泛，无所不知，其实正因为缺乏最基本的数据背景分析，所以才是看上去什么都懂，细究下其实什么都不懂。请记住一点，除非你是富二

4、代，官二代，衔着金钥匙出生，那不在我的讨论范围里，否则，没有苦逼的经历，就没有牛逼的成就。我常订阅一些著名分析师的微博，他们透露的数据往往是很有价值的（这是我订阅的原因），但是他们的解读通常是惨不忍睹的，这就是只看表彖的恶呆，而且随便翻看一下他们的数据解读，可以说他们的数据感和数据认知贫乏到可笑,甚至缺乏最基木的数据校核和考证的能力，他们拿到了某公司核心数据又怎样？没经历过苦逼的分析，他们其实什么都看不到。第二个段子同理，如果不是持续有效的数据跟踪，怎么能得出下降30%的结论，这一数据结论与人脉得到的消息相互验证，才会得到完整真实的结果，否则仅仅是闲聊，你怎能知道对方金业管理对业绩影响的范

5、畴，苦逼的分析也许一时没有人脉的消息管用，但是你所得到的对数据的认知和积累，是人脉永远不会给你的。所以，再次强调，基木的数据跟踪和日常的数据感养成，绝不是可以忽略和无视的。人脉情报可以成为数据解读重要的信息来源，但是绝不能喰宾夺主,替代基木的数据分析工作。下面说一下数据感，什么是数据感？就是别人说一个数据出来，你会琢磨一下这个是否符合常理，与你日常的数据观测经验是否一致，如果不一致，那么可能的理由是哪些？比如12306号称一天儿十亿次点击，如果你有数据感，第一眼就会质疑这个“点击”定义的合理性；比如曾经有人说某国内图片分享网站一天多少亿访问量，第一眼就知道这个“访问量”定义是有歧义的，（事

6、后官方解释是图片加载量，这个和访问量差异几十倍。）数据感需要不断的培养，和基本的逻辑（比如你应该知道中国有多少网民，每天有多少人上网，一•个大概什么类型，什么排名的网站会覆盖网民的比例是多少），以及善于利用各种工具,我以前在巨头公司，得益于公司巨人的数据资源，可以看到很多互联网的核心数据；但是离开后，才发现，其实互联网上公开可获取的数据途径是非常多的，而且善于利用的话非常有效。每天去查询一些感兴趣的数据，经过一段时间积累，想没有数据感都难。作为公司或团队负责人，怎么培养员工的数据感，我其实也有一个建议,平时可以搞一些小的竞猜，比如团队集体竞猜新产品或产品改版上线后的口活跃用户，或者pv数字

7、，或者收入数据，等等；然后看谁的最准，一种是惩罚制，最不准的请最准的喝奶茶，吃冰淇淋；另一种不惩罚，最准的累计积分后公司可以发一些奖品鼓励，这样下去大家的数据感就会在日常培养起来，而但对团队的气氛培养也有帮助。数据感之后，谈数据分析的方法，我的建议是，不炫技，不苛求技术复杂度，最简单的数据，所包含的信息往往是最有价值的，而很多人恰恰这一步都没做好，就总想着弄一堆挖掘算法；数据的价值在于正确的解读，而不是处理算法的复朵度，