迷惑

唉，听完她的唠叨，我也比较郁闷。

的确是，现在的数据产品越来越智能，SQL的门槛越来越低，上升通道也感觉不是那么通畅。

后来她还说，现在想换工作，往上走一走，可是找不到合适的，到哪都是这个Level。数据分析好像跟她当时选择这个行业的时候想的完全不一样。

她当时以为数据分析可以去发现数据背后隐含的一些秘密，然后指导其他部门改善流程、做很多有价值的事情。

可是完全不是这个样子，她已经快没信心了。

我仔细思考了一下，的确，是我草率了。

作为一名数据从业者，我已经干了16年，这种问题其实我也一直在面临着，而且有些时候会更糟糕。收到客户质疑的事情时而有之。

甚至有些人跟我说数据分析没啥用。甚至有：“乔布斯从来不做市场调研，张小龙从不看数据”的说法。

上面那句话我没考证过，但是他俩的确都说过类似的话，就是有无数人给他们反馈，告诉他俩该怎么做产品。

如果他去相信这些用户的反馈，去设计产品，结果会怎样？

我估计，乔布斯会陷入无止境的需求调整，而张小龙则要面对海量的优化/调整的功能需求中，我估计这样做，应该没谁回去买一个古怪的苹果，和打开一个奇怪的微信吧。

而且，这帮人提的意见，真的就对吗？很多人反对，很多人就对了吗？

所以，貌似我朋友遇到的问题是一个真问题啊！那数据分析到底有没有用？

深入

管理大师彼得德鲁克说过：“如果你不能衡量他，就不能管理他”。

乔布斯也经常用数据抓住用户，在他的PPT中经常能看到类似的画面：

张小龙也是，微信的各个按钮都布满了埋点，看各种数据是微信产品经理重要的工作之一。

这就奇怪了，为啥还会冲突呢？

其实不管是乔布斯也好，还是张小龙也罢。他们说的话、做的事，都是基于一个深刻的洞察，就是：

数据，只是理解这个世界的方式之一，对，仅仅是之一。

我们理解这个现实世界，是通过什么方式？我儿子小时候，看见啥都要去舔一口；我媳妇到现在还有在黑夜中准确找到一件衣服的特异功能，她靠的是触觉。

我们绝大多数人，是通过眼睛看，通过手去摸，通过舌头去品尝，通过耳朵去听，这些手段来认识这个现实世界的。这样可以感知到这个物理世界。

对于一些看不见摸不着的东西，我们通过思考来探索各种奥秘，用抽象来解析规律，用反思去体察自身的弱点、用同理心去感知人性。

看见没有？有很多东西是数据没法衡量出来的，即便是衡量出来的，感觉也不一样。最典型的一个例子，北京的零下5度和广州的零下5度，你比一比，那个更冷？

数字告诉你是一样冷的，但是现实会把你冻成狗。

所以完全靠数据，那是傻子。

你说，这个例子太生活化了，不能一概而论。哈哈，这种例子到处都是。我就不说互联网的了，那个太乱了，每家公司玩法都不一样。

说个最简单的例子。假如说你在路边开了个饭馆，你会怎么做？嗯，买一个收银系统，开通美团，然后就能看到后台数据了。有啥数据呢？有外卖单量、客单价、退单、评分、评论、投诉等指标，可以按日期、时段、菜品等维度区分。

是挺丰富的，然后呢？是不是有了这些数据的人，开店就不会倒闭了？没有这些数据的店，生意就不好？

并不是。

很多饭店老板根本不看数据，但是店里所有的情况其实都已经刻画在他的脑子里边了。

不信？你放开胆子想指标，看你能想到多少个！今天来了多少个客人？门口的人流量有多少？进来的多少个，消费了多少个，营业额是多少？客单价是多少？还有吗？你还能提出其他的指标吗？

可以。我相信你可以的。但是都是量化的指标。请注意，这是很容易量化的指标。

还有有一些非常难以做到的一些量化量化指标，比如满意度。

好，现在满意度等不是那么容易量化的指标也给你处理好了。然后呢？是不是就可以大干一场，挣钱去了？

缘由

当你拿着这些数据去开店的时候，你就会疯掉了。你会发现，满意度调查的结果压根就不准，现场的顾客直接发飙。美团上的打分和点评也不太准，因为主厨今天病了，是小工炒的菜。

今天的进店客人还是很不错的，但是亏本了，因为你上个月搞了一个活动，送了很多优惠券，导致现在客人们吃饭的时候，没有优惠就不吃了。

怎么会这样？

我不得不说一个事实，数据分析不是超级跑车，而是一根拐杖。数据分析并不能帮助你获得超能力，仅仅能在你赶路的时候比别人更快一些、更省力一些而已。

这恰恰也能说明为什么很多老板根本没数据，却能做好生意，而有些年轻老板信息化做足，却依旧赔本的现象。

而且这还是基于数据能真实反馈现实世界的前提下推断出来的。

你是不是很惊讶？数据不是最真实的么？怎么还不能真实反馈现实世界呢？

答案是因为有人的因素在里面。

比如打电话之后的满意度评分，1非常满意，2很满意，3满意，4比较满意，5不满意。很多人等不到后面的不满意，就直接选择满意了。

更搞笑的是，有一次我收到满意度调查短信，上面只有非常满意、很满意和满意三个选项。

为啥？因为满意度是客服中心的KPI。数据太难看，谁的面子都下不来。

除了人的因素之外，还有一些数学小陷阱，比如辛普森悖论。这个解释起来比较费劲，有空可以单独写一篇。简单来说，就是部分的平均结果，与总体平均的结果不一致。

究其原因，这是数据分析本身的问题导致的。一方面，可量化的数据只是整个现实世界的一部分而已；另一方面，在数据量化时，还会受到人的因素、数据分析本身的一些限制。

而那些生意做的好的老板，除了运气好之外，他们早已经用自己的方法获取了更多的信息。客人是满意而归？还是吃完抹抹嘴就走了？是临时有事？还是永远不来？是门前修路？还是隔壁做活动了？这些都不是你那个点单系统能给的数据，你如果远远的坐在总部，看着数据就下命令，多半是要遭殃的。

而这些，小店老板是都能知道的。

所以总结一下，数据只能还原部分现实世界，而且还会受到数据分析方法、人为因素的噪音影响。所以并不是特别好用，就像是一个毛玻璃一样。

正视

那数据分析是不是真的没啥用啊？当然不是了。毛玻璃也比一堵墙要好啊！

而且，你不是用这个能力挣着钱了么？都能挣着钱，肯定是有用的。只不过，我们的期望和实际用途上，有一些错配了而已。

数据分析不是超级跑车，谁上去都能一脚油门踩到200迈，而是远行的拐杖，你的体力弱，探的路就短；你的身体好、能力强，就能走得远。

它只有在你手上才能发挥作用，在你知道的领域，能触及的领域才有最大的效果。

如果你掌握了数据，你可以比别人稍微快一点，比别人更安全一点，比别人更稳一点，仅此而已。你如果战略方向错误，你拿着这根拐杖往前走，你会越走越偏，越走越远，走进死胡同里面出不来，他就是这样。

但是我们也不必因为数据分析的局限性而摒弃它。比如，前面虽然说北京的零下5度和广州的零下5度不一样，但是你在北京的零下5度和石家庄的零下5度体感是一样的啊。

完全只看数据是傻子，完全不看数据，那也是二傻子。

很多运营的同学就是把数据分析当跑车，一脚油门踩下去，发现根本不是那么回事。然后就说数据分析没用。

但是咱数据分析师也要清醒的认识到，数据分析真的没有那么厉害。往往工作就是这么朴实无华，看数据的表现，作出合理的假设，设计实验，做测试，优化环节，不断精进。就跟科研是一样的。

案例

我们可以用数据分析来干什么？或者说擅长做什么？其实就是上面说的那些内容。

在我们已知的范围内，用数据真实的反馈到现实：今天的表现怎样？我们做了哪些动作，产出了什么结果？有没有直接的因果关系？有没有其他的因素影响？哪些环节卡壳了？

一切正常？我们就多从几个维度看看，不行再往下细分看看，然后在前后对比一下，横纵对比一下。

我们还可以多种策略同时并行，看看哪一种策略更优秀。这种在流程上优化的场景，才是数据分析擅长的、直观的。

就譬如说在女装店里，重要的是客群和服装匹配。这个基调定了，再去设计服装的摆放。比如在进店的地方摆上5个不同款式的服装，测试这5个款式的吸引力。客人进来看那件衣服比较多？

如果发现进店的人群中，大多是小姑娘，那我们就在这里多摆一些时尚的、小姑娘喜欢的衣服。如果是年轻妈妈多，那我们也可以配上一些儿童服装，但是不要太多，不要喧宾夺主，对吧？

这样，我们的产品和我们的人群就比较匹配了，就能很好的支撑我们的生意了。

然后我们再去观察衣服的销售情况，是否跟我们预期的一致，如果一致，就继续放大，如果不一致，就再尝试。

如果说刚才的例子是靠经验丰富的店员，拥有微观体感，不断的去试，那么其实也有拿数据分析的案例。

譬如说，“茵曼”，他们在每件衣服上面都装了一个RFID芯片。当这些衣服被选中，拿到试衣间里面去试的时候，系统就会记录下来。

这个就意味着什么？我们就可以把用户从进店到购买的整个的链条给串起来。这样我们就可以把用户决策的过程可视化下来，发现其中的问题。

有些衣服根本连试都没人试，大概率是风格问题，直接淘汰。有些衣服经常试，但就是不成交，大概率是版型不对，优化版型。有些衣服热卖，苗头刚起，那边生产订单自动就下好了。这边刚卖完，那边新货就续上了。

他说你告你要告诉我，我今天卖什么东西能发财，我卖哪个进哪个款会很好，数据分析告诉不了你，那那不是数据分析的擅长的事情，那是时尚达人擅长的事情那是服装买手擅长的事情。

他们去解决人的问题，数据解决流程、连接的问题。如果把人性、审美、环境等无法量化或者很难量化的东西都一股脑儿扔给数据分析，那肯定完蛋。

结语

我们现在再次回头看看前面说的那句话，数据分析不是超级跑车，而是你身边的拐杖。他并不能让您飞速到达目的地，但是能帮助你扫平前方的障碍，是你远行途中必不可少的工具。

我们不能过分的强调它的作用，也没必要尽力贬低它的效果。

指明方向，向毛主席学习，深刻理解战略、把控局势、洞察人性；制定计划，用项目管理方法，绘制甘特图，匹配任务、时间、资源；重在执行，观察过程，监督结果，复盘全局。

数据分析在哪儿？在每个过程中都有它的身影，默默的充当那根拐杖，陪你远行的拐杖。

-END-