如何读懂数据含义?(通俗版)
![](https://image.woshipm.com/wp-files/2019/08/0GkAbc8ZooEsibtWEUNO.png!/both/32x32)
本文详细介绍了数据解读的四个阶段:明指标、立标准、合场景、观态势,并针对每个阶段提供了实际案例和解读方法。通过深入浅出的方式,帮助读者从基础的数据认知到更深层次的数据解读,以及如何将数据与具体业务场景相结合,做出有价值的分析和判断。适合企业数据分析师、业务经理和对数据感兴趣的读者阅读。
很多新人读不懂数据含义。对着报表,只会和复读机一样叨叨:“昨天销量100,今天销量120,增加20……”讲这些只要不是瞎子都能看得到的东西。也因此经常被笑话。咋办?!
一、读懂第一阶段:明指标
给一个数字:180,能看出含义不?
不能!
因为这就是孤零零一个数字,啥含义都没有。想读懂数据,至少它得是一个明确的数据指标。包含了指标名称,使用场景,计算口径。同样是180,我们换成:成年女性,身高180cm。是不是一下清晰很多了。
二、读懂第二阶段:立标准
而且很多人可能已经有了本能的判断:这个女生个子很高。这么判断,可能基于数据统计。根据2015年《中国居民营养与慢性病状况报告》,报告显示,成年男性平均身高167.1cm,女性155.8cm,也就意味着180cm已经超过大量男性身高了。可以定义为高。这么判断,也可能基于约定俗成的习惯。比如习惯来说,女生超过170已经算高个了,180更是超大个。肯定算是高了。
两种判断都没有错,其实都是进一步读懂数据的方法:统计法和习惯法。统计法基于数据统计上的差异进行高中低划分。习惯法则是把人们约定俗成的习惯量化。
从“成年女性,身高180cm”到“成年女性,个子非常高”是读懂数据的一个重要转折。因为180cm是一个客观数值,不能直接影响我们决策。但是“高”是一个判断结果,这个判断是会影响我们决策的。不信继续往下看。
三、读懂第三阶段:合场景
场景1:小明身高175,二姨很热情的介绍了一个180的女生来给他相亲。
场景2:小明在组织一次展会活动,需要5名模特,HR linda介绍了1个180女生给他。
问两种场景下小明的心情如何?
有些女生会嫌弃比自己矮的男生,很不幸,小明就是被深深嫌弃过的一名靓仔。所以小明遇到场景1估计就直接骂娘了:“早就说了不要找比我高的,你丫是诚心给我难堪吗!”——这就是无视别人要求的结果。
场景2估计小明会很开心。展会的模特嘛,就是要人高马大模样俏,这样才够排面。当然肯定出场费贵很多。这时候要是图便宜,随便找几个矮个子妹子,估计领导看到身高就要开骂了——给你们费用,不拿来贴门面,拿来擦屁股吗!
所以想再深度读懂数据,一定要结合具体场景。这里有两种做法:
1、基于业务逻辑推演
2、基于过往经验总结
两种方法,都需要对业务场景的深入了解(如下图):
四、读懂第四阶段:观态势
经过前三阶段,我们已知的信息是:
- 成年女性180cm属于:高
- 找模特需要个子:高
- 个子高+模样俏=价格贵
在这些基础上,再看数据,又会有新的解读。
比如你负责筹划展会,你下边的广告公司推荐的现场模特身高如下:
看完以后,你可能马上读出:这帮孙子又想黑我的费用!偷偷摸摸给我换了一批便宜的模特!是滴,这个解读就又比“诶呀,身高缩水这么多”更进一步,这就是第四阶段的解读。
同样的数据,如果你没有读出这个,直接发给了领导,领导看完可能立马解读出:这个新来的小伙子不懂业务呀,哪有排面活做得这么寒碜的。
同样的数据,如果领导没有处理,真的找了一批随便什么人去展会。你的经销商们看了以后,立马能解读出来:诶呀,今年这品牌实力是不是有问题呀,你看展台面积也缩水了,新品发布会也不热烈,模特都是凑数的,不行不行。
所有这些都是基于一个身高数据,所谓见微知著,其实背后都是有逻辑的推理(如下图)
五、读懂与瞎胡乱读的区别
当然,解读数据也是有限度的,过分解读,或者随便乱猜,都会导致错误理解。比如:
随便乱猜:你看模特都是美女,所以他们的老总肯定好色。
过度解读:你看这次请了九个美女模特,肯定有九款产品发布。
读懂与随便乱猜的最大区别,就是证据数量。比如上边经销商质疑品牌商实力,并不只是孤零零地看模特身高变化,也看了展台、看了新品发布会,有多个证据支持,解读自然接近真实。随便乱猜常常是毫无依据(好色的证据呢?)过度解读,常常是孤证不立(除了九个模特,还有其他证据吗?)。
当然并不排除我们获得了更多证据以后,有个新的解读。逻辑性+证据数量,是判断数据解读的唯一标准。只要有充足的证据+合理的逻辑,我们就有理由接受结论。
六、为啥企业里解读数据很难
为啥例子里解读数据很容易,可实际工作中很难呢?答:因为身高、相亲、展会模特这些例子,本身业务含义非常简单清晰,容易懂。可实际工作里,数据分析师常常脱离业务,对具体销售、运营、产品、售后等等情况一无所知,只能通过:销售额,毛利、活跃率、转化率等几个数字做简单猜测。
常见的问题,比如:
不懂业务含义:为啥相亲要关注身高?不是看有没有感觉吗?
不懂业务情况:为啥小明不喜欢高个子女生?高个子才是靓女啊!
不懂业务逻辑:为啥展会一定要找高个子模特?随便去几个人不行吗?
这样导致的结果,是无从对数据下判断。于是只能流于“昨天销量120,今天140,增长20,增长了16.7%”这种毫无意义的流水账。关键是,这些判断很有可能在业务看来是常识,所以在沟通中出现了“业务懒得说,数据不知道问”的尴尬场面。最后怪罪到数据分析师头上的时候,他还可怜巴巴地:我又没相过亲,我又没做过展会,呜呜呜……
所以想解读得深入、具体,就得贴近业务,学会从具体操作中抽象出数据含义,将业务方的判断量化。
作者:接地气的陈老师
微信公众号:接地气的陈老师
本文由 @接地气的陈老师 原创发布于运营派,未经许可,禁止转载。
题图来自 Unsplash,基于CC0协议。
拉新,微信加人,
![:twisted:](//image.woshipm.com/s/aoman.gif)
留存,告诉他们有好处
促活,讲沙雕段子,
召回,发红包
感觉运营就是个苦逼活
棒!这篇写的很通俗易懂
道理懂的不少,做的却不好。核心原因还是在于压根就没有听懂和理解对这个道理,以及没有花时间和功夫去验证道理。很多道理都需要验证几次几十次才能成为真理。感谢作者分享。
文章写得很有见地,作者的思考很深入,值得学习。