数据分析中遇到的圆

　　与十年前不同，当今令数据分析师迷茫的，可能不再是数据很少，而是数据很多；今天不是不知道玩好数据的重要性，而是不知道玩错数据的危害性，即所谓甜蜜的烦恼。一个数据分析师，如果能体会到，当下数据存在的核心问题，并且能清楚解决办法，就可以精益求精了。
　　这次想跟大家讲的是一个由受、想、行、识四个部份所组成生生不息的圈（FeedbackLoop），彼此互相推进。
　　听起来有些玄乎，不过结合例子说就可能有意思了。
　　一、受
　　受，即是对周围世界的感受
　　当前，作为一个电商，去感受公司经营状况的方式越来越依赖于数据，但是，今天来说很少有电商敢肯定的说自己有较完整的数据去掌握公司的状况，这里面主要有二个原因：
　　首先是堵，当许多电商开始收集数据时，发现数据分布在不同的地方。举个简单例子，有的平台不知道投诉的数量积攒到什么程度了，因为投诉渠道有电话、邮件、微博等，没有统一的口径，没有去收集整理，或者即使有数据，只掌握在具体运营人员的手中，不能及时到达管理者的手中，如果一个公司的数据只有少数人才能看到，不能及时的上传下达，可想而知数据的驱动力有多小。相信堵的状况在电商中间很普遍，如果团队允许的话，当然要整理，不然就像闭着眼睛在打架。
　　其次是散，电商缺乏数据运营的经验，只知道要数据，却不知道需要何种的数据，或者空有数据却无从下手。正好前几天周末，有个电商和我说了自己公司数据的运营现状，他是一个传统的企业，收集了一堆很散的数据，不知如何是好。我给的建议就是在一堆散乱的数据中，从自己擅长的领域切入，比如传统品牌电商对供应链数据非常熟悉，就可以从最熟悉的供应链数据去与其它数据关联互动起来看，比如一款产品卖出了10000单，但有没有想到去关联到把多少人看了却没有买的数据也收集起来，交易数据和前台浏览数据联动起去可以发现更多新的问题。
　　二、想
　　想，即是对事物的认识与辨别
　　数据害死人，这是部分电商的看法。最直接的原因就是他们的数据虽然是对的，但客观的数据受到主观太多的影响，而导致实际造成中数据失灵，反而给电商指错了方向。比如没有去掉数据中的噪音，比如来源就不对，或者是主观上就想找不客观的数据，比如做产品经理的人，正在开发一款收费较高的新产品，这个产品经理会不断说服自己，拼命在数据中找一些你认为价值高的用户，最后越来越偏离客观实际情况。当分析人员遭遇主观的问题，错误的判断也就在所难免了。
　　明白了这一点，也就可以理解同样的数据在不同的人眼中为什么会呈现出截然不同的图像，因此看数据，需要大家从多个角色进行思考，而在这时，又会遇到离的问题：
　　大家说的数据不是统一标准，就那转化率来说，每个部分的分子和分母都不一样，市场部门说一个渠道转化率，网站运营说一个页面转化率，交流起来大家都不知道彼此说的转化率是什么，自然是离题万里。更有甚者，数据人员和管理人员对数据口径的定义南辕北辙，管理人员拿到的数据与他本意相差甚远，而他却用此数据去进行决策，可以想见效果如何。由此可见，如果一个公司的数据标准是模糊的，可以料见数据运营是多么的难以实现，说不定会被数据弄得晕头转向。
　　三、行
　　行，即是对事物的深入思考与分析
　　前面的例子还比较好理解，这就好出海航行，海图信息不准或方向不明，自然也就很难到达目的地。但是在数据分析中，还经常出现的问题是涩：方向明确、海图精准，但在具体航行过程中运转不灵，由于对业务的理解不够深刻，导致在分析中产生迷惘和混乱，数据运用的方式失当，最终管理者无法依靠数据分析进行决策。
　　举个实际操作中经常会遇到的例子：重复购买率降低了。按照前文提到，数据分析师脑子第一点要问的是：这个重复购买率的定义是什么，分母是什么，分子是什么，是在什么时间维度的定义看重复购买率的。但是如此看完之后，依然可能出现错误，因为就是没有考虑到商业之中的复杂因素。比如当天一个客户同时间下了两个单子，是算重复购买，还是算一个单子？新增客户最近是不是增长很多？新渠道的百分比有没有变化？最近是不是很长时间没有促销活动？是不是调整了页面布局？
　　所以，是实际的行动当中，需要把多重影响指标纳入坐标系里面，并且把数据的关联性建好了，就不会盲目为重复购买率下降而担心了。到了行这个阶段，必须懂商业，不然前功尽弃。
　　四、识
　　识，即是对事物根本的归纳，对事物认识的沉淀