返回主站|会员中心|保存桌面|手机浏览
普通会员

九江新高度市场调查研究有限公司

江西九江地区商圈调研;消费者调研;满意度调研;房地产调研;市...

网站公告
新高度市场调研公司九江分公司是一家专业的赣州市场调查研究公司,九江市场调研公司,九江第三方评估机构,九江神秘顾客暗访公司,主营:江西九江地区商圈调研;消费者调研;满意度调研;房地产调研;市场进入调研;政府第三方评估;神秘顾客等调研业务,咨询热线:4008003040
联系方式
  • 联系人:李经理
  • 电话:4008003040
  • 邮件:mr@xingaou.cc
  • 手机:13197914691
站内搜索
 
荣誉资质
友情链接
首页 > 新闻中心 > 干货 :5个提醒,让你远离“数据呆”
新闻中心
干货 :5个提醒,让你远离“数据呆”
发布时间:2018-12-13        浏览次数:1149        返回列表

随着数据积累得越来越多,数据获取成本不断降低,人们开始走向另一个危险的极端,那就是任何事情都要看数据,任何决定都去依赖数据。这种风气培养出了越来越多的“数据呆”。作为一个数据分析师,我是非常反对“唯数据论”的。为什么呢?让我详细地来说一说。


  • 数据库并不能记录一切

你觉得,通过数据库中的记录,你能够充分了解你的业务吗?答案是否定的。说白了,数据库只是记录了发生在业务链条上的行为,但行为的结果并不代表业务的全部。举个例子,通过用户的使用行为数据,我们就能知道用户的体验吗?答案是不能,我们只是根据用户的“行为结果”去猜测他使用体验的好坏。真正的用户感觉,在他们的心理,许多时候,不会通过既定的使用路径和产品功能提现出来。


那么,数据库不能记录的信息,怎么获取呢?答案其实很简单,通过外部手段,创造条件去获取。概括为“调查”和“实验”两个词。比如用户体验不能量化的问题,直接问不就好了?调查分为访谈和问卷调查两个方式,每种方式都需要落地成可量化的结果。问卷调查建议规律性地长期进行,连续收集的数据在时间维度上可比,价值远远大于单次的问卷调查。实验的方式在第四章中有所论述,它正是一种创造数据的手段。通过实验组和对照组,创造出一个对比的条件,进而量化出差异,最终形成可靠的判断。


  • 不可能分离多重因素影响

我们在运营当中最容易犯的错误就是试图用一个“宏观指标”的变化来评估某个细节动作(策略的改变、产品的改变或者活动的改变)的影响。做这件事情好比买彩票,幸运的时候,某个运营动作对业务的影响非常大,那么从指标中能反映出来。但绝大多数时候,不管是策略的变更还是产品的改进,对业务全局的影响都是有限的,宏观指标(往往是KPI)的变化并不敏感。真正要做的是就事论事,根据具体的行动,去定义一个信度和效度高的指标。


另一个角度,业务指标的变动往往是多种运营动作共同施加的结果,这种影响并不能简简单单的分解为“A+B+C+…”或者“A*B*C*…”。有些因素叠加可能相互放大影响,有些则可能相互抑制,宏观指标只是这众多影响的结果,内部的影响机制是黑箱。极端点说,不可能将每个因素的影响都分离出来。


那么怎么办呢?怎样能衡量具体某个运营动作带来的影响呢?答案就是实验,也只有实验。就是通常所讲的AB测试。实验中,运营动作施予对象必须分为实验组和对照组,实验组和对照组唯一的不同,就是实验组被施予了运营动作,而对照组没有。只有这样,观察实验组与对照组的指标差异(方差分析或者DID),我们才有可能去量化某个运营动作的影响。


  • 数据不能替代逻辑推理

一个逻辑混乱的人,给他再多的数据,也不会得出正确的结论。能否形成正确的判断和合理的决策,很大程度上并不是数据的多少,数据足够(信息充分)就可以了。很多时候,我们真正要锻炼的是自己的分析问题的能力,或者说逻辑思维能力。尤其是在“根据数据变化查找问题”这样的场景中。


要对这一点有深刻的理解,希望大家读我的《数据驱动决策的13种思维方式》。你是不是一个明智的决策者,并不在于你手头有多少的数据,而在于你能否从数据中正确地解读信息。需要提醒各位的是,当数据达到一定的量后,数据越多,往往数据质量越差,你犯错的可能性越大。你是否记起了本书第一章最后部分,数据图中指标数量与混淆概率的关系了?

  • 预测的根基未必牢固

数据分析工作,很大一部分是为了“预测”。所有预测模型的“根基”都是“通过过去发生的事来预知将来的事”。说得更玄乎一点,就是“历史是会重演的”。但这个基本逻辑靠得住吗?


从我的个人经历来说,许多时候是靠不住的。这也是我在工作中很少进行预测型建模的原因。在我所处的互联网行业,业务变化非常快。一个“政策”的决定,往往造成各项业务数据的巨变。经常是“一夜回到解放前”或者“一晚跨入新时代”。在这种背景下,重要的不是去对某个指标进行预测,而是理解业务背后最根本的商业逻辑(商业模式)。若一个商业逻辑被证明是有效的,那么它在相当长的一段时间内不会变化,那么你就能获得一些“定性”的预测能力,这就足够了。


  • 大多数人会因数据而变傻

为什么这么说呢?在我的工作经历中,大多数的管理层,都会因为数据资源的丰富而或多或少地放弃思考。放弃思考意味着变傻,难道不是吗?许多人,自身因为长期业务经验的积累,其实是有很好的直觉的。而现在,却被一个不熟悉业务,只会从数据库中做些统计的所谓数据分析师牵着鼻子走。实在是“可歌可泣”。许多人过分地依赖数据统计了。这个现象是值得警觉的。


曾经有一位学者告诉我,数据分析使人短视甚至盲目。开始我不以为意,但之后越来越觉得这话有道理。为什么呢?现实情况是,许多人有了数据资源后,放弃了最基本的商业思考,不断地去统计数据,不断地去提“帮我查一下这个数字,帮我看一下那个数字”这样的需求。失去了思考的深度,非常危险。


我觉得,真正的数据分析(业务分析),应该有很高的门槛。这个门槛并不来自于分析方法的应用,而来自于对业务的理解。只有对业务有深刻的理解,才能将分析方法用对地方,才能正确地解读信息,获得结论。


所以,许多深耕在业务中的管理者,不需要因为数据资源的爆炸而惊慌失措,真正有价值的东西在你们经验里,只需要有一个量化的出口,你才是那个将数据价值发挥到最大的人。


那么问题来了,如何做到不因数据而变傻呢?我没有答案。我认为在未来,不应该有数据分析师这个职业,而应该是所有决策者都懂得“分析数据”。这实际上是写作本书最深层的一个目的。当所有决策者都能正确地获取数据、合适地应用分析方法,得出可靠的结论时,我们的商业将进入一个新的阶段,商业智能才真正落地。


最后,我还是想强调,任何人在应用数据前,都要记住这样一句话:“对业务的理解和思考,永远高于分析技术的选择”。


分享按钮