数据分析入门篇？

嗯？你不知道曹大神是谁？额，那还是先来晒晒他的履历吧。咦，在百度百科上竟然没找到，好吧，果断找到了知乎上的说明。

曹政，网名caoz。俞军（不知道是谁的点这里）的关门弟子，CNZZ统计工具的，前百度商业产品部boss，4399CTO。曾参与创建一统统计，cnzz站长统计，并曾主持搭建百度商业分析支撑平台，数据控。

这里，丢个知乎上关于他的介绍地址好了，有兴趣的亲们，请点进去自己看哈。

不能跑题，这里是继续来说数据分析的，其实也不算是什么博大精深的东西，但是对于俺们这种入门级的玩家来说，也算是一个很好的指导吧。

一、关于数据感

Rude曰：一个甲方的接口人，每次我把报表给他时，他总是一看能发现一些我根本注意不到的问题，之前感觉十分神奇，忽然找到了给他这种本领的定义，数据感。

下面是caoz对数据感的定义：

什么是数据感？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号称几十亿次点击，如果你有数据感，眼会质疑这个“点击”定义的合理性；比如曾经有人说某国内图片分享网站多少亿访问量，眼知道这个“访问量”定义是有歧义的，（事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，得益于公司巨大的数据资源，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日活跃用户，或者pv数字，或者收入数据，等等；然后看谁的准，一种是惩罚制，不准的请准的喝奶茶，吃冰淇淋；另一种不惩罚，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会在日常培养起来，而且对团队的气氛培养也有帮助。

二、关于数据分析的方法

Rude曰：说道这个，或许答案应该是各种语言，各种算法。但是 ，仔细想想，或许此处也应该遵循简单粗暴有效的方式。

曹大神曰：谈数据分析的方法，我的建议是，不炫技，不苛求技术复杂度，简单的数据，所包含的信息往往是有价值的，而很多人恰恰这一步都没做好，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杂度，切不可喧宾夺主。 大公司的kpi制度，往往会产生偏差，比如技术工程师的评定，要讲究“技术复杂度”、“技术性”，直接导致简单的事情没人肯做，基本的工作不认真做！所以往往是大公司的分析工程师，为了评工程师，非要简单问题复杂化，四则运算搞定的事情一定要弄一套诡异的算法，终非但浪费了资源，消耗了时间，而且往往由于工程师对业务理解的漠视，对应的产品人员又对算法的陌生，导致了严重的理解歧义，从而出现各种误读。

三、关于数据解读

Rude曰：这里，表示属于一个空白区，但是，确实可以感受到有时候根据数据下的结论还是有偏差的，我将这种错误归结为逻辑上的偏差。

曹大神曰：

数据解读，不能是为了迎合谁，要遵循数据的本质，要遵循科学的逻辑，要有想象力（配合求证），可能有时候也需要依赖人脉关系所获得的情报，（这个也有很多典型范例），这个具体再怎么说可能我也说不清楚，说几个反面例子也许更容易理解。

1、因果关联错误，或忽略关键因素，A和B的数据高度相关，有人片面认为A影响了B，或者B影响了A；但是，有时候真实原因是C同时影响了A和B，有时候C被忽略掉了。

2、忽略沉默的大多数，特别是网上投票，调查，极易产生这种偏差，参与者往往有一定的共同诉求，而未参与者往往才是主流用户。

3、数据定义错误，或理解歧义，在技术与市场、产品人员沟通中产生信息歧义，直接导致所处理的数据和所需求的数据有偏差，结果显著不正确。

4、强行匹配；不同公司，不同领域的数据定义可能不一致，在同一个公司内或领域内做对比，往往没有问题，大家对此都很习惯，却有评论家不懂装懂，强行将不同定义的数据放在一起对比做结论，显著失真；海外金融机构在分析中国页游和端游市场连续犯这类错误。

5、忽略前提；有些数据结论是基于某种前提，符合某种特定场景下得出的，但是解读者有意或无意忽略前提，将结论扩大化，显著误读。

6、忽略交互；在商业模式改造和产品改进，往往都会出这类问题，简单说，你游戏中的道具降价，对收入的影响是增还是减？如果忽略交互，仅仅依赖于数据推算，当然是减，但是实际呢？做运营的都知道。

7、缺乏常识；如果对一些重要的纪念日，节日，或者网购节不了解，那去处理有关数据显然不知所云了。做行业报告更是如此，很难想像对行业不了解的人能做出怎样的报告。

8、无视样本偏差；我们通常做数据调研，是基于样本数据，而采样过程本身很难做到完全的公平和分散，样本偏差要控制在合理范畴内，即便无法控制，在结论中也需要标注；这才是严谨的数据解读，对样本偏差视而不见，甚至为了某种宣传目的刻意寻找偏差的样本，都不可能做出好的数据结论。

四、关于数据怎么看

Rude曰：数据需要对比，细分之后总能找到问题的症结，这点在之前的工作中相当之有体现。

曹大神曰：

简单说是“对比，细分，溯源” 六字真言，没了。

对比，数据放在那里，是没意义的，你说你游戏周流失率80%，啥情况？不知道，你问我我也不知道。对比起来才知道。

一是横比，你拿出50款游戏来比，别人平均流失率90%，你80%，你游戏还不错勒，别人要平均流失65%，你80%，这有问题了。

二是纵比，和自己时间轴比，你两个月前1.0版本流失率90%，你现在80%，有进步么，你要是两个月前是50%，现在80%，好好反思喽。

所以，我特别强调，在通常企业数据监控，显示一大屏数据的界面上，对比特征要体现，比如所有同比下降超过多少比例的一概红色体现，所有上升多少比例的一概绿色体现，公司运营状况一目了然。

细分，数据出现对比异常，你当然想知道原因，那需要细分了。

细分先分纬度，再分粒度，什么是纬度？你按照时间去分，是时间纬度，按照地区去分，是地区纬度，按照来路去分，是来路纬度，按照受访去分，是受访纬度；你说网站访问量涨了5%，咋回事不知道，你细分一看，大部分网页都没涨，某个频道某个活动页涨了300%，这清楚了，这是细分简单的范例，其实很多领域都通用。 粒度是什么，你时间纬度，是按照天，还是按照小时？这是粒度差异，你来路纬度，是来路的网站，还是来路的url，这是粒度的差异；这样可以将对比的差异值逐级锁定，寻找原因。

溯源，有时候我对比，细分锁定到具体纬度，具体粒度了，依然没有结论，怎么办，溯源，依据锁定的这个纬度和粒度作为搜索条件，查询所涉及的源日志，源记录，然后基于此分析和反思用户的行为，往往会有惊人的发现，我们正是基于这一逻辑发现过产品的一些缺陷，而且你不断通过这个方式分析数据，对用户行为的理解也会逐步加深。

小结：

数据分析，是一条苦逼的路，但是数据驱动决策，却是十分理性的选择。当然，在现实生活中，或许驱动你决策的，更多是信仰。

来自于：《seo科学之美》中的文章均系Rude原创