起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識如何看待數據分析無用論？
編輯導讀：作為一名數據分析師，你入行的初衷是什么？很多人入行時滿懷熱血，認為數據分析可以發現數據背后隱含的一些秘密，指導其他部門改善流程，做很多有價值的事情。然而卻發現其他部門根本不重視數據分析，提出的意見也不被采納。本文作者也經歷過這樣的時期，并對此提出自己的看法，與你分享。
一、前言
前兩天，我一個前同事很惱火，她說現在已經找不到工作的價值感了。一天到晚就是查數、查數、查數！簡直就是個查數姑！
我說你去努力啊，給他們多輸出一些有價值的東西呀，慢慢的用數據推動他們運營呀。
她說，我努力過了！根本沒用。我抽空、加班，專門為了這次活動一個分析報告，運營也不愛看；看了又說只有分析沒有結論；給了結論又說結論不對；我根據他的意思調整了方向，又說沒有行動策略，給了行動策略又說沒啥效果。我就納悶了，你都沒做，怎么知道沒效果？
最后還是根據運營自己的意思去搞活動。而且，那個報告也不是我想說的，也不是我的觀點，是被閹割的結果。
這是運營在拿我的數據印證他想說的話而已。他們認可的，就拿走，不認可的，就說我們分析的不對。
所以，他們只是把我們當做提取數據的機器而已。我的努力全部化為泡影，然后繼續淪落到“查數姑”的地步。
二、迷惑
唉，聽完她的嘮叨，我也比較郁悶。
的確是，現在的數據產品越來越智能，SQL的門檻越來越低，上升通道也感覺不是那么通暢。
后來她還說，現在想換工作，往上走一走，可是找不到合適的，到哪都是這個Level。數據分析好像跟她當時選擇這個行業的時候想的完全不一樣。
她當時以為數據分析可以去發現數據背后隱含的一些秘密，然后指導其他部門改善流程、做很多有價值的事情。
可是完全不是這個樣子，她已經快沒信心了。
我仔細思考了一下，的確，是我草率了。
作為一名數據從業者，我已經干了16年，這種問題其實我也一直在面臨著，而且有些時候會更糟糕，收到客戶質疑的事情時而有之。
甚至有些人跟我說數據分析沒啥用。甚至有：“喬布斯從來不做市場調研，張小龍從不看數據”的說法。
上面那句話我沒考證過，但是他倆的確都說過類似的話，就是有無數人給他們反饋，告訴他倆該怎么做產品。
如果他去相信這些用戶的反饋，去設計產品，結果會怎樣？
我估計，喬布斯會陷入無止境的需求調整，而張小龍則要面對海量的優化/調整的功能需求中，我估計這樣做，應該沒誰回去買一個古怪的蘋果，和打開一個奇怪的微信吧。
而且，這幫人提的意見，真的就對嗎？很多人反對，很多人就對了嗎？
所以，貌似我朋友遇到的問題是一個真問題??！那數據分析到底有沒有用？
三、深入
管理大師彼得德魯克說過：“如果你不能衡量他，就不能管理他”。
喬布斯也經常用數據抓住用戶，在他的PPT中經常能看到類似的畫面：
張小龍也是，微信的各個按鈕都布滿了埋點，看各種數據是微信產品經理重要的工作之一。
這就奇怪了，為啥還會沖突呢？
其實不管是喬布斯也好，還是張小龍也罷。他們說的話、做的事，都是基于一個深刻的洞察，就是：
數據，只是理解這個世界的方式之一，對，僅僅是之一。
我們理解這個現實世界，是通過什么方式？我兒子小時候，看見啥都要去舔一口；我媳婦到現在還有在黑夜中準確找到一件衣服的特異功能，她靠的是觸覺。
我們絕大多數人，是通過眼睛看，通過手去摸，通過舌頭去品嘗，通過耳朵去聽，這些手段來認識這個現實世界的。這樣可以感知到這個物理世界。
對于一些看不見摸不著的東西，我們通過思考來探索各種奧秘，用抽象來解析規律，用反思去體察自身的弱點、用同理心去感知人性。
看見沒有？有很多東西是數據沒法衡量出來的，即便是衡量出來的，感覺也不一樣。最典型的一個例子，北京的零下5度和廣州的零下5度，你比一比，那個更冷？
數字告訴你是一樣冷的，但是現實會把你凍成狗。
所以完全靠數據，那是傻子。
你說，這個例子太生活化了，不能一概而論。哈哈，這種例子到處都是。我就不說互聯網的了，那個太亂了，每家公司玩法都不一樣。
說個最簡單的例子。假如說你在路邊開了個飯館，你會怎么做？嗯，買一個收銀系統，開通美團，然后就能看到后臺數據了。有啥數據呢？有外賣單量、客單價、退單、評分、評論、投訴等指標，可以按日期、時段、菜品等維度區分。
是挺豐富的，然后呢？是不是有了這些數據的人，開店就不會倒閉了？沒有這些數據的店，生意就不好？
并不是。
很多飯店老板根本不看數據，但是店里所有的情況其實都已經刻畫在他的腦子里邊了。
不信？你放開膽子想指標，看你能想到多少個！今天來了多少個客人？門口的人流量有多少？進來的多少個，消費了多少個，營業額是多少？客單價是多少？還有嗎？你還能提出其他的指標嗎？
可以。我相信你可以的。但是都是量化的指標。請注意，這是很容易量化的指標。
還有有一些非常難以做到的一些量化量化指標，比如滿意度。
好，現在滿意度等不是那么容易量化的指標也給你處理好了。然后呢？是不是就可以大干一場，掙錢去了？
四、緣由
當你拿著這些數據去開店的時候，你就會瘋掉了。你會發現，滿意度調查的結果壓根就不準，現場的顧客直接發飆。美團上的打分和點評也不太準，因為主廚今天病了，是小工炒的菜。
今天的進店客人還是很不錯的，但是虧本了，因為你上個月搞了一個活動，送了很多優惠券，導致現在客人們吃飯的時候，沒有優惠就不吃了。
怎么會這樣？
我不得不說一個事實，數據分析不是超級跑車，而是一根拐杖。數據分析并不能幫助你獲得超能力，僅僅能在你趕路的時候比別人更快一些、更省力一些而已。
這恰恰也能說明為什么很多老板根本沒數據，卻能做好生意，而有些年輕老板信息化做足，卻依舊賠本的現象。
而且這還是基于數據能真實反饋現實世界的前提下推斷出來的。
你是不是很驚訝？數據不是最真實的么？怎么還不能真實反饋現實世界呢？
答案是因為有人的因素在里面。
比如打電話之后的滿意度評分，1非常滿意，2很滿意，3滿意，4比較滿意，5不滿意。很多人等不到后面的不滿意，就直接選擇滿意了。
更搞笑的是，有一次我收到滿意度調查短信，上面只有非常滿意、很滿意和滿意三個選項。
為啥？因為滿意度是客服中心的KPI。數據太難看，誰的面子都下不來。
除了人的因素之外，還有一些數學小陷阱，比如辛普森悖論。這個解釋起來比較費勁，有空可以單獨寫一篇。簡單來說，就是部分的平均結果，與總體平均的結果不一致。
究其原因，這是數據分析本身的問題導致的。一方面，可量化的數據只是整個現實世界的一部分而已；另一方面，在數據量化時，還會受到人的因素、數據分析本身的一些限制。
而那些生意做的好的老板，除了運氣好之外，他們早已經用自己的方法獲取了更多的信息?？腿耸菨M意而歸？還是吃完抹抹嘴就走了？是臨時有事？還是永遠不來？是門前修路？還是隔壁做活動了？這些都不是你那個點單系統能給的數據，你如果遠遠的坐在總部，看著數據就下命令，多半是要遭殃的。
而這些，小店老板是都能知道的。
所以總結一下，數據只能還原部分現實世界，而且還會受到數據分析方法、人為因素的噪音影響。所以并不是特別好用，就像是一個毛玻璃一樣。
五、正視
那數據分析是不是真的沒啥用??？當然不是了。毛玻璃也比一堵墻要好?。?/p>
而且，你不是用這個能力掙著錢了么？都能掙著錢，肯定是有用的。只不過，我們的期望和實際用途上，有一些錯配了而已。
數據分析不是超級跑車，誰上去都能一腳油門踩到200邁，而是遠行的拐杖，你的體力弱，探的路就短；你的身體好、能力強，就能走得遠。
它只有在你手上才能發揮作用，在你知道的領域，能觸及的領域才有最大的效果。
如果你掌握了數據，你可以比別人稍微快一點，比別人更安全一點，比別人更穩一點，僅此而已。你如果戰略方向錯誤，你拿著這根拐杖往前走，你會越走越偏，越走越遠，走進死胡同里面出不來，他就是這樣。
但是我們也不必因為數據分析的局限性而摒棄它。比如，前面雖然說北京的零下5度和廣州的零下5度不一樣，但是你在北京的零下5度和石家莊的零下5度體感是一樣的啊。
完全只看數據是傻子，完全不看數據，那也是二傻子。
很多運營的同學就是把數據分析當跑車，一腳油門踩下去，發現根本不是那么回事。然后就說數據分析沒用。
但是咱數據分析師也要清醒的認識到，數據分析真的沒有那么厲害。往往工作就是這么樸實無華，看數據的表現，作出合理的假設，設計實驗，做測試，優化環節，不斷精進。就跟科研是一樣的。
六、案例
我們可以用數據分析來干什么？或者說擅長做什么？其實就是上面說的那些內容。
在我們已知的范圍內，用數據真實的反饋到現實：今天的表現怎樣？我們做了哪些動作，產出了什么結果？有沒有直接的因果關系？有沒有其他的因素影響？哪些環節卡殼了？
一切正常？我們就多從幾個維度看看，不行再往下細分看看，然后在前后對比一下，橫縱對比一下。
我們還可以多種策略同時并行，看看哪一種策略更優秀。這種在流程上優化的場景，才是數據分析擅長的、直觀的。
就譬如說在女裝店里，重要的是客群和服裝匹配。這個基調定了，再去設計服裝的擺放。比如在進店的地方擺上5個不同款式的服裝，測試這5個款式的吸引力?？腿诉M來看那件衣服比較多？
如果發現進店的人群中，大多是小姑娘，那我們就在這里多擺一些時尚的、小姑娘喜歡的衣服。如果是年輕媽媽多，那我們也可以配上一些兒童服裝，但是不要太多，不要喧賓奪主，對吧？
這樣，我們的產品和我們的人群就比較匹配了，就能很好的支撐我們的生意了。
然后我們再去觀察衣服的銷售情況，是否跟我們預期的一致，如果一致，就繼續放大，如果不一致，就再嘗試。
如果說剛才的例子是靠經驗豐富的店員，擁有微觀體感，不斷的去試，那么其實也有拿數據分析的案例。
譬如說，“茵曼”，他們在每件衣服上面都裝了一個RFID芯片。當這些衣服被選中，拿到試衣間里面去試的時候，系統就會記錄下來。
這個就意味著什么？我們就可以把用戶從進店到購買的整個的鏈條給串起來。這樣我們就可以把用戶決策的過程可視化下來，發現其中的問題。
有些衣服根本連試都沒人試，大概率是風格問題，直接淘汰。有些衣服經常試，但就是不成交，大概率是版型不對，優化版型。有些衣服熱賣，苗頭剛起，那邊生產訂單自動就下好了。這邊剛賣完，那邊新貨就續上了。
他說你告你要告訴我，我今天賣什么東西能發財，我賣哪個進哪個款會很好，數據分析告訴不了你，那那不是數據分析的擅長的事情，那是時尚達人擅長的事情那是服裝買手擅長的事情。
他們去解決人的問題，數據解決流程、連接的問題。如果把人性、審美、環境等無法量化或者很難量化的東西都一股腦兒扔給數據分析，那肯定完蛋。
七、結語
我們現在再次回頭看看前面說的那句話，數據分析不是超級跑車，而是你身邊的拐杖。他并不能讓您飛速到達目的地，但是能幫助你掃平前方的障礙，是你遠行途中必不可少的工具。
我們不能過分的強調它的作用，也沒必要盡力貶低它的效果。
指明方向，向毛主席學習，深刻理解戰略、把控局勢、洞察人性；制定計劃，用項目管理方法，繪制甘特圖，匹配任務、時間、資源；重在執行，觀察過程，監督結果，復盤全局。
數據分析在哪兒？在每個過程中都有它的身影，默默的充當那根拐杖，陪你遠行的拐杖。
#專欄作家#
大數據架構師，微信公眾號：大數據架構師，人人都是產品經理專欄作家。國藥國華大數據總監，擅長BI、數倉、數據中臺產品規劃領域。
本文原創發布于人人都是產品經理。未經許可，禁止轉載
題圖來自Unsplash，基于 CC0 協議
數據分析不是超級跑車，而是你身邊的拐杖，他不能讓您飛快到達目的地，但是能幫助你掃平前方的障礙。作為剛步入職場的數據分析小白，明白了這個，對于以后的成長有很大的幫助