打假！伪数据分析思维大曝光

近两年来，数字化、数据分析、大数据等概念火了，引来一帮牛鬼蛇神，把各种各样乌七八糟的东西都包装成“大数据思维”兜售。总结一下，一共八大门派，各个身怀绝技。在工作中遇到了，绝对让人苦不堪言。

一、门派一：“数据在手，天下我有”派

这个派系的口头禅是：“只要拥有了大数据，就能精准预测，千人千面，大幅度拉升收入！”

听着振奋人心吧！可实际上，大数据不能帮你做到这些！用户最终买单，是因为有好的商品、便宜的价格、吸引人的设计、恰好在需要的时候看到广告等等，从来都不是因为有什么大数据。数据的作用，是在商品、价格、设计、投放的基础上做优化（如下图）。

这一派的危害在于：对数据能力有不切实际幻想。比如把增长的运气都赌在一个神乎其技的数据分析师身上，最后肯定是乘兴而来败兴而归。

二、门派二：“关我啥事”派

这个派系的口头禅是：“我们要建立全链路数据模型，收集：用户信息、用户爱好、用户意向、用户情绪、用户行为、用户评价、实现全方位分析。”

听着很厉害是吧？你问他一句：“等会！这些数据你打算咋收集呀？”

他就会回答：“数据采集关我啥事！不是有开发吗！我聚焦思维就好了……”

数据思维之所以不是吹牛思维，就是因为它以数据为基础。而数据是需要采集的。并且，不同类数据采集的难度、成本、采集质量，相差甚远（如下图）。

这一派流毒也很广，特别在非技术出身的人群里，这帮人以为数据是天上掉下来的。导致的恶果，是“业务一张嘴，技术跑断腿”，回头他还怪你：“人家头腾阿就有，你没有是你没本事……”

(╯‵□′)╯︵┻━┻

三、门派三：“SWOT”派

这一派是“关我啥事派”的另一幅面孔，就是喜欢扯非算法类的思维模型。尤其以什么SWOT、PEST为甚。

大部分思维模型，真的只是PPT里四个格子，根本没法量化，跟数据思维一毛钱关系都没有。

但是，很多领导是SWOT派的信徒，并且尤其爱在汇报PPT里看到这种东西。所以一般面对这种领导，我们不会选择怼回去，而是用科学、复杂的方式，量化这种“模型”（如下图）。

四、门派四：“十大法则”派

从这一派开始，后边几个门派都开始讲数据了！这是个重大进步。但嘴巴上挂俩数字，并不代表就是数据思维。典型的一类错误，就是这个“十大法则”派。他们尤其喜欢在某个公司、某个业务、某支股票成功以后，洋洋洒洒列举一堆数据，然后总结出以下结论：

“十大成功法则”、“五大底层逻辑“、“九个关键因素”……

这一派相当唬人。一来它讲的都是成功的案例，你不能直接反驳。二来它确实列举了一堆数字，看起来好有道理哦。实际上，这是典型的事后诸葛亮行为。

数据思维的核心是逻辑、而不是数字有多大。逻辑是可以从旧的数据中归纳，可以用别的场景验证，可以推测到未来。没有经过检验，只看成功个案，会混淆视听（如下图）。

这一派的最大危害，在于：引发盲目崇拜和瞎指挥。通俗地说：成功的人可能每天只睡4个小时，但你每天睡4个小时不会成功，只会累死。道理就是这么简单。

五、门派五：“朕即国家”派

这一派在业务部门尤其多，特别喜欢讲数据：

“这个业务，活跃率必须做到30%以上”、“我们的服务，要在1分钟以内响应客户”、“今年的目标，要做到1个亿，才能实现腾飞”……

并且标榜以上东西为：大数据思维，还尤其爱说：“这是朕在行业内沉淀十年的内功心法。”

然后你问他：

• 为什么是30%，不是20%；
• 为什么是1分钟，不是30秒；
• 为什么是1个亿，1.5亿又怎样。

他就回答：

• “朕从业十年，数字就该是这样”；
• “朕认识好多人，他们也认为这样”；
• “朕是这个行业内专家，谁不认同我谁是傻”；
• ……

这根本不是数据思维，恰恰相反，这是反数据思维的经验主义。真正的数据思维，给出标准是有逻辑、可验证的，绝不是什么“老子从业十年……”（如下图）。

这一派人在工作中引发的乱子尤其多！大部分经验主义者，并没有真正验证过自己的认知，经常在顺景中盲目自大，仗着经验乱怼人；在逆境中胡乱甩锅，自己前后言行不一，还恬不知耻，反正只要是他说的，就是对的。

六、门派六：“转念一想”派

这一派是“朕即国家”的另一幅面孔。他们也很喜欢标榜自己“精通数据思维”，然后讲的案例，都是：

“我看到街上有10张广告牌，转念一想，这要是打上广告，得赚多少钱”“我看到销售们每人有100张名牌，转念一想，这要是打上广告，又是多少钱”“我看到车厢里十个人有八个在看手机，转念一想，这要是……”

这根本不是数据思维，因为你会发现：拿掉里边的数字，这些故事照样成立。真正的数据思维，是把决策建立在数据的基础上，根据数据差异做判断（如下图）。

这一派的毒害，在于用无聊的数字，掩盖了真正要分析的问题。最后出了问题，他还会倒打一耙：“都是数据分析不深入，才让我决策失误的呀。”

七、门派七：“算法模型”派

这一派牛了，张口《机器学习》，闭口《统计学习》，总之非模型不数据。常见于刚毕业的，做技术的新人。

算法不是数据思维的全部。实际上，正如算法叫“算”法，本质上它就是个计算公式而已（如下图）。

现实问题非常复杂，需要转化以后才能用对应方法解决。比如预测销量问题，可以用时间序列预测，也能用两阶段预测，也能用回归预测。遇到问题，第一时间应该是理解业务目标，然后找合适的方法，转化为分析问题，而不是去搬书。

这一派的毒害，在于用：常常用看似科学的方式，行不懂脑子的事实。最常见的，就是胡乱塞几个指标进回归模型，然后说：就是这个因素影响业绩，因为R平方的值是0.99呀！结果自然被人怼得体无完肤。

八、门派八：“假设检验”派

这一派是“算法模型”派在业务部门的代表。近两年来，在产品领域尤甚。

很多产品经理，上版本的时候，不管目标受众，不想检验指标是啥，不考虑影响因素，不理强相关特征，不理会抽样框设计，不管控制变量……总之瞎几把做两个版本丢上去ABtest，然后逼着数据分析师用各种统计量论证结果到底有没有差异。

这就打着科学旗号反科学。最后经常沦为：逼着数据分析师用科学方法证明一个拍脑袋的结论。

九、小结

以上八大门派，本质上违反了数据思维所要求的“从事实出发，先收集数据，再通过逻辑论证”的思路，把数据思维简单等同于几个数字，几个玄幻的概念，几个教条公式。

并且试图拿着这些来路不明的数字与书本上公式解决现实问题。可能有同学会好奇：真正的数据思维是啥样的？我们下一篇分享，敬请期待哦。

#作者#

接地气的陈老师，微信公众号：接地气学堂。资深咨询顾问，在互联网，金融，快消，零售，耐用，美容等15个行业有丰富数据相关经验。

本文

版权声明

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！