中国统计网「数据分析新人」如何摆脱“取数机器”？( 二 )

比如红细胞数量参考值3.5-5.5 。现在的数据是2.5 ，正常范围是3.5-5.5 ，比较一下，得出结论：红细胞偏少了。这样一个没有医学常识的人，也能很快解读出数据代表的含义。相比之前的案例，我们从数据到结论，多了一个确定的参考标准。
通过上面这个案例，总结一下标准的描述现状的过程：

第一步，现状是什么，提取指标数据的具体数值。
第二步，标准是什么，列出参考标准是什么。
第三步，结论是什么，综合现状和标准，得出结论。

只有现状数据+标准才能得出一个“是什么的结论” 。所以在写数据分析报告的时候，正确的做法是：用户流失率达到32% ，相比去年同期提高5个百分点，流失率较高。

本文插图
数据+标准=结论的分析流程，结构非常简单，不过标准怎么定？

常见的标准第一类是通过数据客观得出的，如同比、环比、历史最高、历史最低等。
第二类是业务制定的，如KPI目标、老板的预期等等。

如果一次营销活动上线前就制定了活动目标，那么这个标准直接就用这个目标就可以了。如果没有那么清楚，只是简单地想要做个活动提升一下销量。那么就可以用第一类标准。
4
严谨的逻辑是数据分析师的基础
按照这种结构描述现状，也有可能会出现业务方不认可的情况。比如你用同比，业务方认为去年同期有特殊事件，所以用去年同期的数据对比结果不合理，改用环比更好。
遇到这样的质疑，也并不会动摇数据分析师专业性的根基。数据分析师同学一定要知道自己的价值是什么。
我们提供的结论不能是天马行空的猜想，除非是在头脑风暴会议上。创意类的想法是业务同学应该做的。
数据分析师提供的应当是逻辑关系非常清楚的结论，这种结论换任何一个人来分析，得出的结果一定是一样的。因为数据是确定的，标准是确定的，那么结论也一定是确定的。
业务方可以质疑你论证过程中为什么选这个指标，为什么选择这个标准，但业务方不能质疑你的逻辑有问题。
如果你看到广告点击率2%就觉得点击率很低，下结论只凭借自己的主观判断的话，那么很难预测你之后给出的结论是否靠谱。换句话说，你的结论准确性不可控。
一个严谨的分析师，他的逻辑是清晰的，那么得出的结论就是可信的。只要论证过程大家都认为没有问题，那么最终结论就能被大家接受。
5
总结
描述现状，解决业务现状“是什么”的问题，这是最基础的一种数据分析需求。这类分析虽然简单，但很能反应一个分析师的基本功。
之前提到的指标思维、对比思维、逻辑思维在这个分析里都会用到。这种需求做的多了，应该磨练出一颗只讲事实和逻辑的心，而不是走向“取数机器”和“我认为2%偏低”这两个极端。