你知道运营中是什么陷阱让你看不懂数据吗?

28人浏览 / 0人评论

我是平民数据分析师宁静,近10年我一直致力于普及数据化应用进而创立宁静数据智慧军团。

专注于做与业务紧密结合的数据分析应用学习,坚持你所学即可使用。

本期主题是给大家预警“数据也有可能给你错误暗示”。数据分为单个数据或组合数据,它们所呈现出来的数据结果不一定是正确的。这些数据结果可能会让你掉入陷阱,导致你的决策失误。今天就跟随宁静一一道来数据结果组合起来造成的陷阱,让你了解数据指标的分析方法,规避“数据陷阱”精明决策。

定量研究方法的数据

使用定量研究方法的数据是管理决策的必要条件

数据化运营考量的其实是我们对信息的综合处理能力,这个处理能力不是仅仅的从数据这个角度,更多的是通过解读信息来帮助我们做决策。很多小卖家经常在问,我没有数据,我数据量少,我怎么去做数据化运营?其实这是一个错误的概念。数据化运营是为了能够让我们精准、精细化的运作,但它不代表一定全部都是数据。但是实际上越往后越需要把所谓的经验信息转化为数据,这样才能够保证后续的规律能够掌握在自己的手上,能够做到胸有成竹的运营能力。

对于早期,甚至是大公司来说,他们也不是所有东西都能够形成数据的,所以决策过程中,定量和定性是同时存在的。这个时候,我们要通过我们所掌握的各方面的信息来支撑我们去做决策。所以,数据分析并非企业管理决策的惟一要素,不是所有的问题都是通过数据来说话的。

数据100%反映了客观因素

对图表和数据的崇敬和迷信经常使得企业的决策者们不假思索的认为:统计数据是客观的,理性的,值得信赖的。这个也是不对的。在这方面最著名的例子就是可口可乐1985年那次几乎造成灾难性后果的可乐配方改进事件。在做出用一种口感更柔和、更甜的新可乐配方取代已面世99年的老配方的决策前,可口可乐公司耗资400万美元,动用大量人力,做了一系列的口味测试和问卷调查,统计结果显示大多数消费者认为新可乐更易接受,于是可口可乐作出了那个激起了数百万可口可乐爱好者愤怒的决定,使得公司不得不在两个多月后重新启用老配方并一再道歉。这一事件使得十年后戈斯维托(当时可口可乐公司的董事长)仍心有余悸,公开承认那是一个大失误,大灾难。

在这个案例中,受访者在接受调查时不可避免地受到文化背景、受教育水平、个人性格及一些不可预知的心理因素的影响,而他们的答案到底在多大程度上反映了他们的真实情况我们是无可预知的,对待这些统计结果时应该抱着正常的怀疑态度。

其实数据是商家引导进去的,比如我们店商在勾选产品属性的时候,是为了给搜索引擎看的,而不是为了给消费者看的。比如说,对于女装风格,很多产品连卖家都搞不清楚到底是属于日系的、韩版的,还是欧美系列的,或是属于街头的。而消费者其实也不会在乎这个东西,他只要能搜索出来,他就会觉得对。这个就是模糊的概念。在这个时候,我们看到的往往跟消费者本身所理解的是不一样的。所以我们在分析市场的时候,会发现韩版市场占比80%,但在实际上并不是有80%的人喜欢韩版这个风格,他只是觉得这个产品适合他,而这个80%的数据,是因为绝大部分的商家把他们的产品风格改为韩版,而系统(生意参谋、生e经等软件)抓取出来的是他们在勾选的这一部分。所以在选择市场的时候,不要觉得一定要去做韩版的,你只是填韩版的,但是产品不一定都是韩版的。

数据产生的过程是合乎逻辑的

证实这个误区最简单的例子就是刷单。早期的刷单里面,很多商家自以为是的要还原买家的浏览(购买)轨迹,也就是先搜索,再对比,然后再收藏加购,再跟客服聊天,最后再去购买。但事实证明,真实的买家,不同的人浏览轨迹是完全不一样的。所以表面上看这个过程产生的数据是合乎逻辑的,但其实一点都不合乎消费者真实的轨迹。事实上,原始数据的处理和分析模型的选择有很大的自由度。也就是说,同样的数据,可以分析出多种不同的结果。比如说我们分析销量数据时,从数据看销量是呈现直线增长的,那么单纯从数据角度看,我们用线性预测法来预估后续的销售情况是合理的。但是如果我们忽略产品季节性的话,就会死的很惨。因此,数据分析人员可能由于对企业或调研所涉及的行业不够了解,而造成了数据处理和分析的偏差,也可能有意的将原始数据处理成他们希望得到的结果(也许仅仅因为他们认为这个结果更“合理”)。这也是为什么说数据产生的过程不一定是合乎逻辑的。

 

数据不会被误读?

大多数经营者认为,数据因为其客观性和高度概括性,从而不会被误读和产生歧义。现实的情况是,数据被误读的情况大量的存在于我们的管理实践。比如数据显示公司平均身高为163cm,那这个身高是否分男女?是否排除了极值?这些都容易造成误读。其实我们刚才讲的数据分析的五大思维里面就已经存在误读的现象了:从一开始的有价值,到没价值;从一开始的爆款,到不是爆款。这些就是运营在误读各种各样的数据。数据是客观的,但数据往往是事后统计的,具有一定的滞后性,而市场是不断变化的,那么分析的方式是否客观?看数据的人是否有偏见,是否本身具有局限性?这些也是造成数据误读的重要原因。所以就会存在这样的一句话:不懂数据的人,宁愿不要去看数据,也不要被数据所误导。但是我们也应该看到,未来的社会当中数据越来越普遍,它不再像以前那样纯粹靠经验来总结,甚至没有多少人能够真正的掌握经验,可以说未来的竞争就是数据化的竞争。因此,现在越来越多的企业帮我们去解读数据,帮我们去做一些关键性决策的思考,我们不需要花时间去做这些基本性的东西,而只要把握最关键的方向性的数据决策就够了。

关注数据不会产生副作用?

其实过多的数据不一定是好事,过度细化的指标,容易让人迷失自我判断力。比如针对客服,一味的追求响应速度指标,也许会丢失了回应质量,因此我们还要结合询单转化以及服务态度等指标来综合分析,而不是一味的要求响应速度一定达到某项水平。再比如我们在分析绩效的时候,过多的绩效考核指标往往会把一个人限制的过“死”,那样这个人就缺少了能动性,一旦缺少能动性,他就不会灵活性的处理事情,只会呆板性的工作,但这样在这个社会其实是行不通的。所以关注数据有时也会产生副作用,我们只要抓住重点就好,不要过度的去要求锦上添花的事情。

其实以上这些都是在衡量大家对数据应用的辨别能力,说起来非常简单,但只有真正去做了才会发现各种各样的问题,这些问题往往是因为没有把这些五大思维、五大陷阱融入进去。你觉得自己已经很懂数据了,但其实连它的1%可能都没有掌握,反而往往会被数据牵着鼻子走。这就是未来短期内的一个现状,也是要大家能够突破出来的最关键的环节。所以,五大思维和五大陷阱必须要牢记在自己的心里,才能够在做的过程中不断地反思自己。做数据化讲究的是效率,讲究的是越简单越有价值、越有效力,这个是最重要的。过分烦杂,过分讲究条条框框不是数据化的根本。

我们今天分享就到这里,下一篇继续分享收藏加购率/客单价/转化率/退款率。

我是平民数据分析师宁静,推广普及数据化应用。

附上之前写过的帖子:

干货来袭:利用第三方工具做数据分析:http://bbs.paidai.com/topic/1916162

分析问题太表面,那是你还没把握数值的转换:http://bbs.paidai.com/topic/1912596

[宁静数据]用数据分析让店铺订单暴涨:http://bbs.paidai.com/topic/1900890

 

全部评论