什么是好的数据分析？化繁为简的力量
编 辑：彭文华
来 源：大数据架构师（ID：bigdata_arch）
彭友们好，我是你的老彭友。今天在群里看到一个表，真的是太棒了！拿出来分享给大家：
有些时候，想说明一个真理，浪费口舌说那么多都没用，看这个表格就一目了然了。
其实这张图也是我一直说的，数据说话的典型。很可惜，我没找到这个表的来源，要不我得好好感谢感谢作者。
连续与离散
其实数据分析的奥义都在上面那个表里展现的淋漓尽致了。甚至把数据的奥义都展现清楚了。
在《华为数据之道》里有一张图我特别喜欢，就是这个：
现实世界通过IT系统，以业务过程和业务结果数据的形态，映射成了一个数字世界。
现实世界是连续的，我们把业务过程数据和业务结果数据进行量化后，其结果就必然也是连续的。
对了，这里需要给一下连续和离散的定义：
离散变量是指变量值可以按一定顺序一一列举，其数值是在一定区间内是固定的；
连续变量是指在一定区间内可以任意取值的变量，其数值是连续不断的，相邻两个数值可作无限分割，即可取无限个数值。
连续的现实世界量化之后，理解起来比较费劲。不像现实世界，可以用“手感”、“肌肉记忆”、“唯手熟尔”等说不清道不明的方法搞定高难度的事情。
在数据世界，一切都得量化才可以。在现实世界100%投篮命中，可以长期练习。
但是想要用数据思维实现100%投篮命中，那不要太简单了。只需要计算合适的角度，用合适的力量投掷就行。机器人投篮大赛基本上都是100%命中。
也有脑洞特别清秀的，比如Shane Wighton的程序员大佬，做了一个100%命中的篮筐。。。
你无论从哪个位置投篮都能准确地掉进篮筐里。
但是我们的生理结构决定人脑天生会偷懒，CPU高速运转可不是什么好事。所以，我们看到连续的数据第一反应就是怎么把他们分开。
理解一个有限的、离散结果集，比理解一个无限的、连续的数据集要容易的多。而且最好是足够离散，足够有限，最好是就只有两个选择。比如：
这个人是好人 VS 这个人是坏人；
这个东西好吃 VS 这个东西难吃；
爱我 VS 不爱我；
开车比我快的都是SB VS 开车比我慢的都是菜鸟。
这就是为什么最容易火的事情通常都是挑起双方矛盾的话题，因为最容易理解，也方便别人站队。
一旦某件事情出现反转，或者反反转，讨论起来就很费劲，话题自然就延续不下去了。
对数据分析的启示
讨论这些有什么用呢？
很简单，这些有用，有大用！经济学家、社会学家一直都在寻找类似的有足够区分度的样本集。一边是好的，一边是坏的。这样结论就非常非常明显了。
我们再来看看这张表：
脑洞太清秀了有没有？
研究一个病的治愈效果，在社会群体一般怎么做？双盲测试、安慰剂实验呗。
但是这个分析的脑洞就很惊奇了。他把高血压、糖尿病两种病的分析人群选在了服刑人群和社会人群之间做比较。
服刑人群最大的特点是什么？极度的规律和可控性。
社会人群则反之，按时服药简直是要了命了。我感觉我自己从来没有严格遵医嘱吃过药。不是忘吃了，就是间隔时间太长（短）了
。
这个人群选的，简直是神来之笔。至于数据，那都是统计之后的结果，不要太简单了。
我之前看过一个二战小故事，差点没把我笑死。说的是一个小岛上有土著居民，没见过高科技。美国大兵在小岛上建了军事基地，运了一队兵在那边。
土著人觉得很奇怪：这帮人天天就在那里跑来跑去，也没见出去打猎，为什么会有大鸟过来给他们投放食物？
等美国大兵撤走了之后，这帮土著人也不打猎去了，天天在机场跑操，期待神明派神鸟（飞机）赐予他们食物。
我只是把这个当笑话看。但是社会学家就像是找到了宝贝一样，因为这个可以用来区分“神创世”和“人创神”两种论调。而且这个区分度太大了好么？
数据重要还是思路重要
好，到这里，基本上就能解答这个问题了：“数据分析，到底是数据重要，还是分析思路重要”？
数据当然重要。数据是现实世界投射到数字世界的形式。但是，数据何其多也！
现实世界是连续的，投射过去的数据也是连续的，人脑理解起来太费劲了！
想要得到广泛的认同，就必须降维，把连续变成离散，区分度越高越好，离散的值越少越好，最好就是二项分布，是/否，好/坏，讨厌/喜欢，爱/恨。
不要什么中间态，不要什么模棱两可，不要什么不置可否，这些都是影响快速判断的搅屎棍！
所以你明白为什么我发言总不太受欢迎了吧？因为我发表言论的时候总喜欢是喜欢找第三选项。我觉二项分布不是世界本来的样子，世界应该是连续的，而不是离散的。
可是，我忘记了让人接受第三选项有多难...
更多精彩：
如何搭建一个数据分析体系
企业级数据分析体系的最佳实践
什么才叫做懂业务？分析的5个层次。
如何看待数据分析无用论？
到底什么才是数据分析思维？
就光会拉个数，要你数据分析师有何用？
数据分析的基石-真实世界
排版 | 老彭
审校 | 老彭 主编 | 老彭