沉默的数据

大数据时代，似乎做什么事情都要"听听数据的"，因为数据不会说假话，所以无论产品发展，策略调整，都跟着数据走准没错。毕竟数据是用户真实反馈嘛。
数据确实不会说假话，但是同样，数据也不会说话。经过数据仓库的整理，数据不再是杂乱无章的，但是整整齐齐的数据也只是数据，不是知识。面对这些数据，这些仓库表，这时候就需要有人来解读其中的内容,帮助数据把信息表达出来。这种人，是数据分析师，这种行为，就叫数据分析。

分析师:数据的代言人。
简单说一下，理论上来说，分析师是要通过数据中表现的用户的反馈，得知产品好坏是否受欢迎，同时对产品提出优化调整策略(包括产品本身和推荐策略)。
设想是好的，实际上并没有这样，很多公司都有这个职位，但是部分数据分析师很尴尬，只是成了提数，做报表的"大表哥""大表姐"。对优化调整完全没有话语权。因为传统的软件开发中，产品/研发/测试这三种角色就像游戏中的战法牧组合一样，稳定牢固，新加入的分析师呢？根据数据反馈对产品提出优化方法，算产品么？自己写sql，Java，python计算，算研发么？自己验证数据保证数据准确性，算测试么？都不算，当然，更算不上是领导。在团队里找好定位，发挥分析师作用，和基础技能一样重要。

数据分析-定义

数据分析本质上是统计，对数据进行详细的研究，提取出有意义的信息，概括总结形成结论的过程。是对历史的总结。

数据分析-方法

excel/python/r/mr/spark等工具。

本文对数据分析的方法不做详细的解说，可以参考《深入浅出数据分析》等书详细了解。

数据分析-内容

分析有三宝:主题结论数据好。
做分析之前，一定要知道此次分析的目的，不能无头苍蝇一般乱撞。有主题有结论有数据论证，才是一次好的分析。
产品追求的核心是用户，用户数这个简单的指标，可以清楚的反应产品的使用情况。但是不能仅仅关注用户量这些指标(新增/活跃/留存/流失等)，还要关注用户的行为，随着产品形态的不同，具体关注的又不同。比如网约车，关注的是人的打车频率，车型的选择，行程范围；feed/短视频，关注的是用户的使用时长；电商，关注的是用户的GMV/行为路径。不同产品有针对的设定指标进行分析，才能更好的体现用户对产品的使用情况，才能对产品提出有意义的优化策略。

多数的时候，分析出来的结果会与基本认知相符合，不会每次分析都给人"眼前一亮"的感觉，这是正常的。

数据分析-可视化

分析出的结果怎么展示出来，也是非常重要的一步。可视化的阶段:

• 黑底白字的控制台展示
  这个阶段就根本称不上可视化，不要给别人看了，还不如把数据整理到excel里对外提供。曾记得当初第一次给公司高层展示，黑底白字控制台，敲两个命令，出来几行数，领导看的一脸懵，这种情况，明明10分的工作，估计只能得5分。
• 页面表格
  把命令行展示的数据，在页面上用表格表现出来，只能说算一种"美化"，最多增加下载功能。还是对数据的直接展示。
• 页面图表
  从折线图/饼图/柱状图开始，才是对数据的直观展示。对不同的产品形态用不同的展示方法。地图热点/热力图来表示网约车的使用情况。漏斗图来表示转化情况，等等。
  通过多种多样的图表，让人一眼能看到数据的情况。再用表格来进行详细数据描述，组合拳出击，达到最好的效果。

数据分析-报告

通过分析得到的结果，即便是图表展示，往往也会让人不太清楚，需要分析师进行解读。所以分析师的又一个核心技能：写数据报告。
面对的观众不同，数据报告又分为微观和宏观两种。

• 微观
  对内，为产品优化而做的报告。
  在新功能(包括产品界面布局，推荐策略等)准备上线之前，ab test的时候，根据用户使用的反馈数据，产出分析报告，给出此次改动是否达到预期，可否上线的结论。策略有很多种类，并且更新很快，所以这时候应该能做到自动给出简单的数据报告的能力。
• 宏观
  对外，让用户知道产品功能以外的内容。
  这个不是必须的，但是是一种很好的宣传:产品对现实世界的影响。比如滴滴打车对拥堵的改善/碳排放的减少有什么贡献(2015年中国智能出行大数据报告)，短视频对区域旅游/网红电商带来的影响(目前还没看到类似的报告)，行业报告(2016微博短视频行业报告)。等等。

报告书写，就像写作文一样，要有条理，如果包含多个主题，需要用线索穿起来，让人流畅阅读。

• 主题
  有针对才能进行更好的分析，得到结论。如"用户访问情况概览"，"登陆按钮更换位置对用户登陆的影响"，"留存与生命周期"，"各渠道用户质量分析报告"等。
• 统计周期
  标明此次分析统计周期。使用数据范围。
• 结论
  通过分析得到了哪些结论，按照一定顺序写下来。
• 数据验证
  对给出的结论，一一加以验证。
• 建议
  改进建议/下次分析计划。

数据分析-问题

不要被数据蒙蔽住眼睛，不要迷信算法。
在数据分析中，会遇到各种各样的问题，导致分析结果并不能反应真实的使用情况。下面分别介绍一下分析中可能遇到的误区。

• 幸存者偏差(Survivorship bias)
  是一种常见的逻辑谬误(“谬误”而不是“偏差”)。指的是只能看到经过某种筛选而产生的结果，而没有意识到筛选的过程，因此忽略了被筛选掉的关键信息。
  在二战的时候，军队检查战斗返航的飞机时发现，机翼中弹情况很多，机身中弹情况很少，就认为飞机机翼更容易中弹，开始加固机翼。实际是这样么？不是，因为机身中弹的很多飞机都没有安全返回己方机场。
  现实生活中也有。在用户主动参与的活动中非常常见。比如appsotre里面对产品的评价，有一部分人(比如我)就从来没在里面评价过。我公司楼下对面有个徽菜饭店，极其差，但是在大众点评上面评分还是三分多，有一些是刷单的，还有一些吃一次不好吃就不再来，也不会在点评上打分。这时候如果单纯的从评分来看饭店好坏，很可能就是错的。
  想要避免幸存者偏差，就一定要清楚，自己拿到的数据是否能代表全部用户，如果不能，它代表的是哪些用户。弄清楚这个的话，就不会掉到这个坑了。
• 辛普森悖论
  当人们尝试探究两种变量（比如性别与转化率）是否具有相关性的时候，会分别对之进行分组研究。然而，在分组比较中都占优势的一方，在总评中有时反而是失势的一方。
  比如公司有两款产品A和B，想知道是更受男生欢迎还是更受女生用户欢迎。从下面的表格中可以看到，单独看AB两款产品，女生的转化率都小于男生，可以认为两个产品都更受男生欢迎。
  但是综合两个产品看，女生的转化率又高于男生，又可以说女生更喜欢公司产品。居然得到两个相违背的结论。
  这是为什么呢？从数据可以看到，两款产品的总转化率相差比较大，男女分布又非常不平均，这样简单的将两组数据相加汇总，得到的结果不能反应真实的情况。
  如何避免辛普森悖论呢，在做整体分析的时候，要考虑不同产品的权重，做好降权，以一定的系数去消除以分组资料基数差异所造成的影响，才能得到一个正确的结论。

小结

数据分析的目的是把数据中的知识提炼并表达出来，温故而知新。
作为分析师，要明确自己要分析什么，关注哪些指标，明白指标的定义以及计算规则，同时关注产品改动，给出正确及时的分析结论。
给出清晰易理解的数据报告，是数据分析的意义以及分析师的责任。

欢迎关注

攻城锤的数据仓库