能對決策產生影響的數據分析才是有意義的數據分析

『寫在前面』

「每個人都需要具備數據分析能力」當被問及對數據分析的理解時，王武佳老師這樣說到。

『人物介紹』

王武佳 雲幕後創始人

2005年畢業於上海財經大學統計學，從事產品經理運營十多年。最早在51.com做個人站點，任職51.com產品副總裁，是國內最早一批產品經理，在此期間積累了大量數據分析實戰能力。2011年創辦「視頻達人秀」(騰訊開放平台上最大非遊戲應用)。2014年APP「女神計劃」。2015年創辦網路大電影運營孵化平台「雲幕後」（ 【雲幕後】幫助各類互聯網產品進行通過新媒體影視節目進行植入推廣）。

7月29日，他還將出席由CDA數據分析師主辦的CDAS 2017中國數據分析師行業峰會，以《精益創業中的數據分析實踐》為主題，根據自己創業實踐給大家帶來創業數據分析實戰分享，絕對不容錯過！

『金句集錦』

1、對於產品運營中的數據分析的用到的數學知識90%的情況下小學水平就夠了，更多的是對運營的了解和邏輯思維的能力。2、能對決策產生影響的數據分析才是有意義的數據分析。

3、針對很多運營和數據分析小白，首先要破除迷信，數據分析≠數學。

4、沒有一種數據分析能離開業務的背景知識去談數據分析。

5、社會中的每個人都需要具備數據分析能力。

6、數據分析主要分為兩個層面，第一個是方法論層面，第二個是業務知識，兩者是缺一不可的。

『採訪紀實』

一、什麼樣的數據分析是有意義的？

第一要破除迷信，即數據分析不是數學，對於產品運營的數據分析，可能小學水平的數學就夠了，更多的是對運營的了解和邏輯思維的能力。

數據分析分兩個層面：一是方法論層面，即數據分析的基礎知識和能力；二是業務知識層面，即對自己個人公司和業務的了解，二者是缺一不可的。沒有一種數據分析能離開業務的背景知識去談數據分析。不熟悉你自己的業務，是沒有辦法做純粹的數據分析的。而數據分析的目的也不是為了分析，而是為了能夠得出能夠指導實踐的結論，這才是真正意義的數據分析的產出。公司的任何一個崗位都是為了有產出，產品經理的目的是為了提高用戶的留存率，提高產品的收錄等，而不是為了產品改版而改版那麼而數據分析也是，不是為了分析而分析，並不是因為得到報表而進行的數據分析，而是報表到底能夠驅動產品和業務的能力，即我們要了解What、Why、How之間的關係，最終我們要生成的是How。最終我們分析的這些數據究竟會產出什麼，能生成什麼，能做些什麼事情，這才是真正的數據分析的目的，這可能也是一些數據分析界的小白走入的誤區，做了很複雜的數據分析，但是最終沒有產生驅動運營動作的結論。

二、數據分析的基礎方法論：拆與比

數據分析最基礎的方法論，其實就兩個東西，一個就是拆，另外一個比較對比的比。可以說所有方法最基礎的業務層面的分析都是從這兩個字開始的，衍生對這兩個字一定都是離不開業務知識的。

拆應該怎麼拆，比如說我們要分析一個產品的流失率是多少，你老闆跟你說我們最近網站的流失率很高，你要幫我分析一下流失率高的原因。其實會有很多很多原因造成流失率高，有可能是產品設計不好、有可能產品出bug。以化妝品店來講，可能最近霧霾天大所以女生都不出門了，自然也不用化妝了。還有可能各種各樣的原因，所有這些原因你都要做分拆，而這些東西肯定是要跟你的業務知識相關的。假如你是只做美妝的數據分析師，如果不了解消費者的行為習慣日常，就拓寬數據層面來說，產品業績的波動其實跟數據分析是沒有關係的。沒有一定的背景知識，你是很難去做這樣的拆分。

另外說數據分析對比的層面，對比首先涉及到跟誰做對比的問題，對比的參照物是什麼，比如說我們說產品的留存率高或者低，其中會涉及到參照物，所謂的高低都是相對的，比如說我個子不高，但是要看跟誰比，可能跟姚明比我個子不高，但是跟一個小朋友比我個子就高了，所以說你的分析取決於你的參照物是什麼。所以說你不同的基準值以及你跟基準值之間不同的差距決定了已有的業務策略是怎樣的，而所有的這些東西離不開你的業務背景知識。

三、如何正確理解大數據、數據分析和數學

首先，我覺得這這幾個名詞的辨析是很重要的，首先數據分析≠數學，我剛才已經破除這個迷信，不是說完全用不到數學，而是說小學初中的數學水平可能已經夠了，而相反我們需要的是方法論以及業務背景知識。第二個就是數據分析，跟大數據的關係是什麼，其實大部分數據分析跟大數據沒有關係。數據分析從理論上來說，我說誇張一點，不是說我們作為一個產品運營，實際上是在現代社會生存的每一個人都需要具備的一種能力。最核心的比如說產品運營，再往外圍，可能你是個開個小店的店主，再往外圍說，甚至你都沒有任何的創業，或者說你有什麼事業，你就是一個普通人，你在這個時代也需要數據分析？這種人肯定跟大數據其實並沒有太大關係。

舉個例子，為什麼說需要數據分析能力？比如說我們今天突然看到一篇報道，這報道裡面分析說，從2011年到2017年中國福布斯富豪排行榜中非正常死亡的人數有15個人，那說明富豪的日子不好過？這種文章報道如果你出現在今日頭條，很多人就看過也就看過，然後不會對文章中進行太多仔細分析，然後就會得出一個結論，只不過他的重點則會側重結論：富豪日子確實不好過。但是我們有數據分析經驗的人來說，任何東西好不好過都是相對的，11年到17年福布斯排行榜一共有多少人，首先得到分母，假設分母是1000人，其中12個人死亡，那這個數高還是低呢？這其實不好說。其實就是實驗組和對照組進行的對比和比較，如果說我們普通人群中非正常的比例，比如說去年的非佔比例，比如說10/1000，這是20是有可能的，那說明其實有些人非但不是日子不好過，他其實過得比普通人好多了。所以說試驗組和對照組的概念，其實就是數據分析的一種方法論，這用不到很高深的數學，但是對大部分來說，這其實需要去訓練的一種思維方式。

從大局來說，我覺得首先是大數據這樣的一個東西，任何一個大，首先，首先我覺得無論如何你都逃不開一個真相，就是數據要大，數據大了你才能稱為大數據，即資料庫。市面上95%的公司用戶規模和客戶規模都達不到那樣的一個層面，就算很多公司能達到這樣的一個層面，它的數據採集能力也達不到這樣一個層面。

數據的價值跟大小其實也沒有直接的相關關係，有可能數據很大但是沒有價值，是垃圾數據。舉個例子，什麼是高價值的數據，什麼是沒有價值的數據？跟現實生活跟交易結合越緊密的數據就是越有價值的數據，比如說大數據來說什麼公司數據量最大，中國最大不是騰訊不是阿里巴巴，而是中國移動。因為不管騰訊阿里巴巴，它最終的數據都要是經過移動去傳輸。但是中國移動的數據可能沒有太大的價值，因為他們離應用層面的東西太遠了，就而且離商業化的東西太遠了，因此就沒有價值。

四、從運營角度和數據分析師該如何破除對數據的迷信

要破除這個迷信，首先還是要增強自己。增強自己兩方面的能力，一個是方法論層面，一個是數據分析的業務背景知識。

（1）專業數據分析人員來說

對於專業的數據分析人員來說，需要增加的是業務本身的背景知識。在自己創業過程中包括自己的朋友中，遇到的很多專業的數據分析師，傳統的數據分析行業從業人員中，很多人缺乏業務知識的背景，離開業務知識的純方法論其實是沒有意義的。這讓我想起前幾天邏輯思維中講到一期，批判性思維。很多人都認為邏輯性思維即如何分析一件事情是不是正確，以及事情的結論等，更貼近於方法論層面。但是所有方法論層面都不是孤立的存在，都是和一些事實型知識捆綁在一起的，而業務知識就是事實型知識。在那期中講到反日，針對一些走到大街上反日想要去砸別人的車的人，對這些人來講，首先他動機和結論不論，也不是說他沒有批判性思維，而是出於無知。在現在世界全球化的程度來講，任何一個國家都是沒有辦法脫離整個國際貿易而獨立存在。除非你真的不用任何東西，比如智能手機，任何一部智能手機，電腦都會有日本生產的原件，所以想要徹底的反日，那首先你要把自己的手機砸掉。

同理，數據分析也是，如果沒有事實性分析作為基礎，那麼任何數據分析都是空中樓閣。

（2）對於運營人員來說

首先要認識到我們這個職業是很特殊的一個職業，包括運營、數據分析、產品，其實不應該分這麼細，三者是相通的，他跟技術是不一樣的，技術是可以分得很細，做前端可以不懂後端。但是我根本無法想像一個運營如果不懂產品，怎樣做好運營。本質上所有這些人做的一件事情都是企業家做的事情，都是一個項目。一些真正意義上產品經理在做的事情，所謂的產品其實也是CEO，做得都是CEO做的事情。站在整個宏觀的商業角度去理解去認識這件事情，那這樣才能把這個事情做好。

第二個建議就是要加入一個合適的社群，找到一群合適的人。你要明白，知識其實是由兩個組成部分，一個是內隱的知識，一個是外顯的知識，所謂內隱知識就是人腦中的知識，而外顯知識則是從書中獲得的知識。而理工男做數據分析的人大多崇尚外顯知識，而忽略的內隱知識。書本中獲得知識固然重要，但是最重要的知識是存儲在人腦中的。所以說要加入一個合適的社群，真正的越是前沿的知識，越是邊緣的知識越是不可能顯示在用文本的方式顯示出來，越是用非成形的方式寫出來。而你想接觸這些前沿知識，最好的方式就是去接近他們，跟他們做朋友，這樣你才能獲得第一手的知識。包括數據也是，所謂大數據有的隨處可得，數據有可能很大，但是未必是有價值的數據。我剛才講的有些小數據，可能就一張紙，但他對你來說價值連城。

現代互聯網上講述和分析的大多是成熟的數據分析團隊，這類數據分析團隊會有很多資源可以使用，例如成熟專業的數據分析師、大量的機器與硬碟數據存儲以及專業的數據分析工具等。然而對於創業中的小型公司來講，可能沒有豐富的資源和充足的時間。本次分享結合自身豐富的創業經驗，以及跟中小型的團隊的交流中發現的問題，王老師將分享自己的實戰經驗，結合中小型公司的需要，講述如何快速低成本的進行數據採集、數據分析以及從數據中挖掘出有益信息，將從數據分析角度幫助創業者指點迷津。

時間：2017年7月29日

地點：北京中國大飯店

主辦方：CDA數據分析師

獨家活動平台：活動行

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！