数据需要唯物

华丽的图表不代表能有准确的结果,先进的技术不代表适合每一个企业需求.信息化需要客观实际,数据分析要结合行业特点.

不久前,我与业务部的人员在茶歇闲聊中,谈及到公司销售状况的时候,发现了很奇怪的现象.为什么不同人对同一结构的数据分析出的结论却大相径庭.一个人说公司最近销售情况震荡严重,而另一个人却说销售情况没有明显波动.于是为了探其究竟,我认真聆听了他们两人的分析方法和参数设定.

结果发现原来两个人,在横轴时间参数不发生变化的情况下,一个人以万级金额为纵轴参数,一个人以十万级金额为纵轴参数.纵轴以不同的销售数值区间出现,图表形态以及曲线平滑度就变得完全不一样了.这两个的方法和分析结果虽然都正确,但是他们都没有考虑到日销售量范围和实际经营情况,如果企业日经营规模通常或者绝大时间都在万级单位上,那么前一个人指出的“销售起伏较大”的结论自然是有价值的,需要我们进一步的分析找寻原因,反之同理.从这个简单的事情不难看出不客观的分析数据而产生的图表是会让我们产生“心理错觉”.企业结论性的数据分析是源于对基本数据的加工处理,当我们在设计分析模型的时候是需要剥离我们的主观意识,要一切从客观事实出发,设定科学符合实际的变量参数,合理的划分区间,不要让我们被华丽的图表而迷惑.

刚刚讲的对业务数据的准确把握需要遵循客观的经济行为和需求,这样才能让我们的数据结论更客观,但是数据分析很多情况的误读并非是我们故意的,这和经验和技能是密不可分的,我们需要掌握更多的技能和经验,没有这些技能和经验即便你对业务有很好的感觉和清晰的头脑,我们也同样得不到好的结果.所以我们不要盲目地崇拜某种数据分析方法,不要夸大数据分析模型的作用,更不要夸大数据分析案例的作用.只有适合、实用、准确才是硬道理.

“啤酒与尿布”是大家耳熟能详的数据分析案例,有人根据此案例设计更多的购物篮分析算法,也有人利用此案例进行宣讲数据分析的重要.而却忽视“啤酒与尿布”的本来.“啤酒与尿布”是在特定的时间,店内人员发现后再经过科学的数据分析才发现的.而并非被“自动数据挖掘工具”给挖掘出来.

“啤酒与尿布”是典型的购物篮分析,而购物篮分析是高端应用,高端应用往往意味着高投入,高投入就必须有高回报,仅凭一个从海量的交易数据中挖掘出销售额占比微不足道的“啤酒与尿布”的案例,就像我们从顾客的消费中去寻找哪种品牌的牙膏和哪种品牌的牙刷有关联一样,“只要有力气拿得起牙刷的人就一定会用到牙膏”也是勿庸置疑的常识!问题很可能会出在：购物小票上用来分析的牙膏和牙刷是两种商品（单品）,而陈列在货架上的牙膏和牙刷却是两个颇有规模的商品群；数十种品牌、系列、口味、功效、不同的包装规格、不同的消耗周期、不同的单次购写数量、越来越快的产品更新换代、甚至在牙膏包装中赠送牙刷,这么多种因素的综合交错会大幅度地稀释牙膏牙刷在单品层面形成“同时并且重复购写的组合”的概率,对购物小票进行遍历分析后,很有可能会得出反常识的结论：牙膏、牙刷这两种商品之间没有关联性!这样的数据分析即使是准确的,也毫无意义.打动不了追求投资回报的企业决策者.

数据结论产生需要客观,数据分析方法需要客观,数据分析工具和解决方案也同样需要结合企业的经济行为去选择.越来越多的公司开始筹划部署商业智能系统,满足BI性能与扩展性的新方法层出不穷.但我们是否真的需要?我们需要什么样的解决方案?又如何通过科技的手段构架适合自己企业的知识体系?一切的问题都要求我们考虑现在,着眼实际,以客观唯物的思维去思考.华丽的图表不代表能有准确的结果,最先进的技术不代表适合每一个企业需求.好的数据分析方法不代表能分析所有行业.企业的信息化建设需要客观实际,企业级数据分析的机构规划更需要结合行业特点、企业特点.

哲学中有一种思想叫做“唯物主义论”,这种思想认为在人的意思和物质中,物质决定意识,物质是第一性,精神是第二性,世界的本质是物质.这样说似乎很抽象,简言之就是遵循自然规律的行为就唯物.而将唯物的哲学思想指导我们去进行数据分析才能更好地通过经验、技术、方法来将“数据坟墓”变成“数据宝藏”.所以无论用什么手段,什么方法产生的报表一定是要能真实地反映现在,客观地预测未来.