数据是一种信仰

针对数据分析没态度的几句牢骚

对于数据分析的态度，有几句牢骚要发泄一下，纯属这几年工作的个人心里感受。

面试后的感想

这个周末我一直在面试，总共三十多人，只有一半能到我这一关，不管是工作了几年的，还是一点工作经验都没有的，不管是名牌大学的还是一般学校的，他们对数据的态度都让我有些失望。

我问他们，假如我是京东商城的CEO，周一早上你要给我看上周的三个数据，你会选择什么数据？

几乎所有的人没有1秒就回答，比如流量、转化率、交易量等。

我接着问，你听清楚我的问题了吗，我说是给CEO看的。接着大部分人会倒抽口气说，也许CEO不会关注这么细节的数据，那应该是XXX数据了。

接着我又问，我说的是上一周情况，你注意到“周”这个时间段吗？接着大部分人又会恍然大悟似的说，是啊，周和月应该是不一样的，那应该是XXX数据了。

最后我问，这是给京东CEO看的，不是给凡客CEO看的。这个你考虑到了吗？这下所有人都愣在那里了。

结束时让他们给自己打个分，所有人给自己打分都打得非常低，最高分也是六七分（满分是10分）。

我问这4分去了哪里啊，他们总结了三个原因，一是没想到看数据的人是CEO，二是不明白京东，三是对数据不够敏感。

我并不是要拿这个问题来难倒他们，他们的答案也没有对错之分。在提问中间我给了他们三次机会，提醒他们可以问我问题，还要注意问题的要素。我考量的并不是他们给的答案，只是想看一下他们对于数据的态度和思维。是不是非常尊重数据，懂不懂得把数据和商业联合起来思考问题，这些在我看来是一个优秀数据分析师具备的基本条件。对数据没有热情和信仰，很难当好数据分析师。

面试的不满意让我想起来前段时间有人在微博骂艾瑞说的B2C转化率太不靠谱这件事情，也有人说转化率不应该是这样算的，不知道多少个专家在这个坑里面倒下去了。我觉得这个东西挺有意思的，的确是如这个人说的一样，不知道多少人掉到坑里还不自知：大家拿着转化率来谈东西，但却没有人问是哪种转化率，分子是什么，分母是什么。你说一个转化率，我说一个转化率。市场部门说一个转化率，网站运营说一个转化率。但是大家说的转化率到底指什么，很小人刨根问题过。而且，我们是用转化率来做什么决定？不然只光秃秃地说一个转化率又有什么实际意义？

怪异的是，如今的网上零售，好像不说数据就不专业，但是真的尊重数据、把数据当做科学的人却没见几个。

当然，这不是某个数据分析师的错，而是整体环境造成我们的数据分析师很难做到这一点。根据这几年的工作经历，我觉得毁掉一个数据分析师对数据的尊重其实很简单，“杀手”随处可见；同时，也只有真正体验到数据奇妙和甜头人，才会对数据有近乎炽热的信仰。

毁掉分析数据态度的三个常见原因

首先，大环境不尊重数据，尤其是老板的态度。如果数据分析师只要随便给一个报告就行，数字多一点和少一点，大家也是一笑而过，并不会追根到底，那么很难让数据分析师以严谨的态度对待数据。

例如，国内这几家数据分析机构，基本都在着急扩张行业，争着占领行业，对于其推出的数据有多精准却不那么在意，所以艾瑞的数据最近才会经常被人说“不靠谱”。

数据分析，今天做得不准，明天再改是没有用的。比如艾瑞，如果数据不稳固，抢着做很多行业，这是不靠谱的做法，指不定哪天砸了自己的牌子。

有人和我提过FACEBOOK数据分析师为什么那么牛，因为他们不觉得数据分析是一个苦事，十几个人在一个房子里把数据分析当做一件很开心的事情来做，数据分析对于他们来说是在追求科学。

第二，好的数据分析师需要一点天分，同时也需要高人点拨，但是电子商务这个圈子，真正懂数据分析的人不会超过10个，所以一般人很难取得真经。这和信仰一样，没有师傅领进门，难度也会大很多。

我回顾自己从微软到易趣，再从敦煌到支付宝，在数据分析上有一次长足的进步，得益于从两位老师的身上得到了许多启发。一位是亚马逊的首席科学家韦思康，曾经，我告诉韦思康，KPI报告显示敦煌网需要4秒钟，他立马让我叫来做技术的同事(他要听到一线同学的反应)，问这个4秒钟怎么测算出来，是美国人打开用4秒钟，还是英国人打开用4秒钟，用的是甚么Browser等等。这个4秒钟和商业价值(例如交易量)有关系吗？我当时很触动，连这么一个很基础的数据，他都是以求证的心态来分析的。更令我印象深刻的是，只请他当敦煌网顾问半天，按照他的工作经历来说，随便忽悠我半天是很容易的事情，但是韦思康非常严谨，先是以一个普通人的身份花了半个小时在敦煌网买东西(坚决要真实付钱)，切身体会敦煌网的用户体验，然后也不先看数据，而是先问很多能更了解敦煌网的生意形态的问题。讲真他的问题比很多投资分析师来得专业。而现在许多数据分析师，包括当时我自己，只看数据就开口说问题，不深入去体会公司的商业形态。

韦思康告诉我数据是一种态度，让我明白做数据的人就是要全身心投入，好像一种信仰一样，中间有许多路要走；而且，数据与商业密切相关，不能局限在数据的死角里。

另一位是清华大学的教授谢劲红，有一个夏天碰巧去旁听他的课，拿一堆的数据给他看，他一边看一边给我演绎他的思维，他可以很快在一堆数据找到他们之间的关系。后来我带着团队常常去清华找他聊，他教我如何看网络数据，用联动的思维来看网络数据。可以说是他启蒙了我用 “关系”的思维看数据。一听完就回到敦煌跑到敦煌看很多数据，发现了新世界。

 第三，数据分析师感叹落不了地，只能谈数据，而不懂商业。如果不懂商业，而单纯看数据，不仅很难有创意的思维，而且是没有意义的（曾经谈过这个问题，不懂商业就别谈数据：http://blog.sina.com.cn/s/blog_5025e3880100kwn1.html）。

     而对于一般的数据分析师来说，大部分人没有系统思维，而且也只能看一部分数据，无法从大面儿上了解整个公司的运营数据，这样就令数据分析师难以形成全面的思考方式。

以我自己的工作经历来举例，为什么我在敦煌的时候数据分析能力会突飞猛进，也是因为我在前两家公司只能看到一部分数据，而到了敦煌之后我爱看什么就看什么，受谢教授启发之后我更是天马行空地把营销数据、市场数据、财务数据、产品数据、卖家和买家数据等等联动起来看，这大大改变了我对数据的运用方式。

听起来简单做起来不容易

相比于高深的数据分析方法，好像上面说到的道理非常简单。但是在现实中，正如面试时候所看到的情况一样，多数人是在被提醒之后才恍然大悟。

说起来简单的东西，但是真正做到却很难。

包括我自己在内，真的每次都能保证每个数据来源是可靠的才进行演算吗？有时候也不一定。对于公司来说这种态度更为重要，今天的独立B2C天天说营销多么昂贵，可是他们的营销真的做到够细了吗？数据分析师有没有问过从门户网站的流量分为几个渠道，每个渠道的转化率又是多少？转化率的算法和数据收集准确吗？不能转化的用户从那来然後往那走? 用这个转化率来决定什么问题才有意义？

只是单纯地放一个数据出来，不是一个合格的数据分析师。