浅谈“数据敏感度”

先从身边的一件小事说起：
7月初交水电费的时候发现用水量大幅上涨——6月份竟然用了9吨水——之前每个月都是在3-4吨左右，这期间用水习惯、计费周期并没有发生变化。“用水量”很可能有问题。
用水量来自水表的读数，水表读数异常可能有两种情况：①水管有漏水(水表出口的那头)，②水表的读数不准。
水管漏水的话，那么不用水的时候表也会转，这个假设很快就通过试验排除了。接下来验证水表的跑数，接连3天下班后查看一下水表数据，发现水表跑得真得好快啊，平均一天能跑半方(吨)水，一个月能跑15方，明显不科学啊。后来把这个事情反馈给房东，就把水表换掉了。
 
从上面的案例中可以看出，如果没有注意到之前每个月的用水量，那么很可能不会发现水表有问题——对数据敏感不是数据分析师的专利，而是日常生活、工作中，人人都需要也很容易习得的能力。
 
对数据敏感的起点是“注意力”——要有意识的去感知和记录一些数据，做到“心中有数”是对数据敏感的基础。
 
有一些数据和我们息息相关，自然而然会投入更多的注意力，比如：
  • 像文章开头那样，会注意到水电费波动；
  • 如果你处于减肥中，那么会关注体重数据以及每天摄入的卡路里；
  • 如果你常去菜市场买菜，就会知晓各类蔬菜的价格范围，也能明显感知到菜价的上涨或下降；
  • 如果你玩股票，那么对股票价格的波动就会比较敏感；
  • 你应该很清楚上班通勤单程需要花费的平均用时，毕竟要根据这个时长来设定自己出门时间点(通常你不会想迟到)；
 
 
“数据敏感度”可以定义为对数据的感知、计算、理解的能力：
  • “感知”指能从生活或者工作场景中发现数据；
  • “计算”是能依据某种规则计算得到某个数据；
  • “理解”则是能发现数据背后的含义，比如从数据中发现规律、探索数据间的关系、通过数据发现业务问题等；
注：以上只是笔者的理解，仅供参考。
 
需要用到“数据敏感度”的场景可能涉及到如下几方面：
  • 鉴别真伪，能看出数据是不是有猫腻；
  • 评判好坏，从数据指标上评判事物的好坏以及是否异常；
  • 数据关联，基于特定的场景，发现数据间的关联；
  • 问题定位，通过数据来诊断特定问题；
  • 提炼规则，从数据中发现某种模式或者趋势；
  • 数据预估，基于已知的数据推算未知的目标数据；
 

1 鉴别真伪

e.g. 判断如下描述的真伪：
  • 200名学生参加优秀学生干部选举投票，在5位候选人中投票，一人只能投一票(不能弃权)，最终得最高票者的支持率为88.7%；
  • 某校AB两院系录取学生，已知两院系的男生录取率都高于女生，那么整体而言两个院系的整体的男生录取率都会高于女生；
  • 某电商平台交易金额环比增长30%，其中老客交易增长50%，新客交易增长20%；
 
数据上的真伪主要从以下几个方面判断：
  • 采样数据覆盖的范围，可以理解为筛选数据的条件有哪些——比如具有某种特征的用户(e.g.年龄、性别)，某个特定的业务场景或业务环节等；
  • 指标的计算口径是啥，是否适用于当前场景？e.g. 比率指标要看分子分母，对比的时间周期等；
  • 计算得到的指标是否准确？通常的做法有两种——①和某个参照值(或者区间)对比；②指标验算，看能否还原这个指标；e.g. 某APP声称自己的日活(DAU)是千万级的，你事前查过该app在应用商店的累计下载量才小几百万，那么对方的数据可能有问题。
  • 基于数据推断的结论是否正确？通常结论推广的范围不能超出采样数据覆盖的范围，此外还需要注意区分相关和因果关系、人为因素和自然因素等。
 

2 评判好坏

假设被告知如下数据：
  • 某电商平台近1月的首单支付成功率为80%；
  • 某产品的付费转化率为30%；
  • 某平台的近30天的平均DAU为500W；
如果没有相应的业务数据作为参照，很难判断业务表现的好坏——这个数据在行业中属于什么位置？正常还是异常？相比于历史数据比是增长还是下降？
 
好坏的评判来自“对比”，“对比”需要相应的参照物，可能是一个值，也可能是一个区间。
基于参照物，我们能发现一个指标的相对好坏，或者和预期的数据是否存在偏差。
 
常见的对比分为两类：
  • 横向对比：和类似事物对比，和行业的平均值、最高值、最低值对比，e.g.上面提到的电商首单支付成功率可以和行业整体水平对比，也可以和行业的TOP产品对比；
  • 纵向对比：和历史数据对比发现当前数据的偏离度，e.g. 同比、环比；
 

3 数据关联

e.g. QuestMobile关于短视频分析的报告中，提及短视频获得更多注意力资源(月人均使用时长)的同时，其他泛娱乐行业的用户使用时长出现了下降——用户的注意力是有限的。
 
数据关联是通过指标的联动性发现事物的关联性，涉及3种关系：
  • 因果推导，比如气温的增长和冰激凌的销量。
  • 共变关系，比如不同成分间的此消彼长(e.g.上述举例)，或者由潜在因素同时触发了两个以上数据的变化(e.g.下雨天，打车的数量和雨伞的销量都会增加)。
  • 场景协同，把不同维度下的数据当做一个个小模块，然后将这些模块拼接成一个完整的场景，有点类似于我们通过各个维度的数据来描述一个人，然后还原出这个人的真实生活状态。
 

4 问题定位

指通过数据来诊断特定问题，包含两种情况：
  • 自下而上，从数据中发现问题，e.g. 你发现交易的增长放缓，进而发现主要是新客数量降低，进而找到某个新客引流渠道的量大幅减少，那么你可以假设是因为这个渠道的问题最终导致了交易的变化；
  • 自上而下，如果某事物(业务)出现问题，那么对应在数据指标上会有怎样的表现？e.g. 如果支付成功率降低，那么可能是用户放弃支付率增加，也可能是支付通道的成功率下降等；
 

5 提炼规则

典型案例是序列值填充的题目：
  • 1, 2, 4, 8, __, 32
  • 1, 3, 6, __, 20, 37
  • 11, 27, 66, __, 291
提炼规则是指从数据中发现某种模式或者趋势，上面提到的数据关联中的因果推导和共变关系也属于数据的规则。
 
不过，这里更强调的是两方面：
  • 在时间维度上发现周期性、增长性或者生命周期等有规律可循的痕迹；
  • 在空间维度上则是构建数据指标之间的函数关系，比如出行平台可以基于天气、是否节假日、是否工作日、出发地、目的地、叫车时间等数据指标来预测得到从出发地到目的地的叫车人数；
在提炼规则的过程中需要经历多次“提出假设-验证假设”的过程。
 

6 数据预估

基于已知的数据推算未知的目标数据，部分要依赖于上面从数据中提取到的规则，另一方面还要依赖于对于目标数据的定义和拆解。
这部分的内容就不多讲了，可以参考先前写的两篇文章：
 
 
如何培养数据敏感度？
  • 留心身边有价值的数据，不管是日常生活，还是工作需要(e.g.业务数据、行业数据报告等)，只要数据对你有价值，那就有必要付出你的注意力(去记住它理解它)；
  • 记住“参考值”，比如某数值的均值或者范围等，工作中则还会关注业务数据、行业数据(通常关注均值、竞品或者TOP产品的数据)。e.g. 某电商平台的日订单量，客单价，每日交易金额，放弃支付率等。
  • 关注“异常值”，指标波动通常意味着有重要的事情发生，挖掘波动背后的“故事”，很可能会发现减少损失或者提升收入的点；
  • 训练自己的批判性思维，外部给到的数据的真实性都值得怀疑，必要时要进行“交叉验证”；
对于数据分析师而言，还要做到：
  • 熟悉业务流程，清楚了解业务的环节，不同环节对应的关键指标，哪些因素在什么场景下会影响业务指标，哪些是正/负向因素，哪些是可操作的因素等；
  • 熟悉数据指标的算法和用法，指标是计算口径是怎样的？适用的场景是啥？
  • 数据化思考，如何将业务概念“翻译”成数据语言？如何用一系列数据去证明某个结论(自上而下)？如何从多个数据中发现其中的业务含义(自下而上)？
对业务的理解是数据分析发挥效用的基础，分析师对业务数据的敏感度通常是从报表中来，从需求中来，从数据报告中来。
 
 
学习任何一项技能，勤动脑，勤动手，始终是不二法门，“数据敏感度”的培养也不例外。
共勉。
本文完。
posted @ 2020-03-23 15:14  dataxon  阅读(2435)  评论(0)  编辑  收藏  举报