《如何用数据解决实际问题》精读（上）

思维导图

数据分析师的思考方式

耗费了大量的精力和时间做了很多图表，最后也不过是得出了一份总结报告，只是描述了“本月xx分店取得优异的销售业绩”、“经费使用额整体上有所增加”等实际情况，并没有帮助我们解决实际问题。

再从接受提案的一方看，他们关注的也并不是数据分析的内容和方法，而是能以清晰明确的、能够说服别人的逻辑为前提提出建议，让相关人员接受自己的建议。在获得认同的基础上“推动其采取措施”。否则无论展示出多么高超的分析方法，也无法实现这个目标。

要做数据分析，前提就是要掌握“流程”，避免见到数据就立即动手的情形。

通常数据分析的流程为：确定目的或问题、大致把握现状、搭建分析框架、锁定原因、讨论及实施对策。

1.明确目的或问题

抱着“先从现有的、容易收集的数据开始统计”的想法，本身就是错的。

数据分析的目的是针对“原因是什么，需要采取哪些行动”的问题，进而通过分析得出结论。所以不要从分析方法开始，而要从明确目的或问题着手，这一点是最重要的。例如：销售额、利润等数据体现了公司业绩的最终结果，这类数据容易收集，也更容易得到人们的关注。我们面对这些数据时，却往往会想要先“做成图表看看”。明知道结果没有意义，却不由自主的这样做。所以仅盯着结果数据进行分析，是无法实现“改进结果”、“解决问题”等目的。

2.大致把握现状

把握“现状”与“理想的状态”之间的差距，开始的问题定义决定了后续分析工作的成败。当分析者拥有具体的直觉和经验，并对其深信不疑时，很多情况下，分析者并没意识到，他们进行分析仅仅是为了验证自己的想法。一开始就有了结论的分析，未必有很大价值。

例如：

这个问题已经把研究思路引向“过度降价”的方向上，分析结果必然是片面的。

如何避免先入为主？

有意识的回避“思考的近路”。在定义问题时，尽量具体的思考“怎样才是最理想的状态”。通过确认希望实现的理想状态扩展自己的视角，避免思路立即集中在具体原因上。

例如：如果将问题定义为“成本过高”，思路就会被限定在“降低成本”的范围内。但如果考虑“希望达到怎样的状态”则较易形成“不要挤压利润”的想法。这样才能确定“增加收入”的最终目标，与只考虑成本相比，视角就会更加宽阔。那么上面这个问题就会改为“洗发水A无法保持一定水平以上的年度利润”。

此时

过度降价只是其中一个假设

PS.如果不是为了解决问题，而是从最开始就有明确目标的话，情况就不同了，例如“为了将产品投放到某个市场，想用数据证明市场规模足够大”的情况下，就可以直接将其设定为目标，提出能够检验这个结论的假设。

3.搭建假设框架

确定目的或问题后，才能决定假设、方法、所需数据等具体内容。进行数据分析，“假设”可以发挥重要作用。

what型假设，通过搭建假设框架，对数据从维度和分类上进行分解和比较

why型假设，用来列举出候补原因例如：店铺A的现烤面包销售额在最近3个月急剧下降的原因

根据数据验证假设，哪种假设是正确、影响最大的。做到这一步，就能够发现问题出在哪里，应该采取那些对策，或者是否需要深入调查或分析。

建立假设的方法：

人们建立假设，很容易依赖工作中的常识、自身经验或直觉，可能会无意识的排除一些重要假设。所以需要锻炼结构化的思维，如利用流程图、损益表、4p营销理论等框架。

例如：流程图（目的：缩短从接到订单到发货的时间）

损益表（目的：防止利润继续减少）

4P营销（目的：防止销售业绩继续下滑）

4.锁定原因

利用框架提炼出需要考虑的关键词，再次确认自己的视野是否受到局限。

学会借用相同或相近的数据来代替理论上所需的数据

即使提出了思路清晰的假设，确定了所需数据，在实际工作中很少会遇到所需数据全都摆在眼前的情况。没有数据就不计代价的花费时间或金钱去收集数据，观点没错，但是在实际工作中是不现实的。因此要学会借用相同或相近的数据来代替理论上所需的数据。

例如：需要“工作繁忙程度”数据，若不具备获得相应数据的时间或人力，可以寻找与繁忙程度近似的数据，如“每月人均处理票据的数量”、“平均加班时间”、“日平均工作时间”等常规管理数据进行分析。

例如：预测“中东及近东汽车未来的市场需求”。通过“原油价格”、“外汇汇率”、“对象市场的GDP”、等数据反映中东及近东的市场特征，并将这些数据与过去日产汽车的过去业绩进行对照，从中选出可以用上的内容，尽量从自己能获得的数据中挖掘出更多的信息，反复摸索试错。

5.思考之“外”

开始以后很难再扩大视野。

开始分析之后，想要重新扩大视野，改变分析范围，无论在时间上还是在心理上，都具有很大难度。毫不夸张的说，能否在分析之初从逻辑上设定合理的范围，直接决定了之后分析的质量，从这个意义而言，决定胜负的第一扇门在于假设。数据分析的工作，就是为了能找出合理的假设，并对假设进行验证。

在提出问题时，不就事论事的只看问题本身，试着从高出自己一两个级别的水平进行思考，视野不能过于狭窄。高质量、高效率的数据分析并不只取决于“数据分析”本身的质量。在实际动手处理数据之前，应该先缜密的思考，这一阶段的内容和质量基本上决定了后面分析的质量及整体故事的有效性。