分析是個基本功,掌握三種就夠了

最近一兩周,重操舊業,撿起一些數據分析的活幹了起來。分析在很多工種裡面都是基本功,幾乎是從大學時代做實習開始,就會被要求具有較強的「分析能力」。很多時候,這個要求被理解成是會使用 Excel 裡面的若干功能,又或者是在回答問題的時候能用「第一、第二、第三」的列表法。無論是實際和人合作,還是作為面試官在篩選人,我見過很多的「分析」像是套了一層模板,而沒有實際意義。

令人遺憾的是,儘管 Excel 和面試技巧都有大量可以購買的「從入門到精通」的書籍,但分析這門必修課卻一直沒有一本教科書。我在好幾年前讀過一本書叫《麥肯錫教我的思考武器》,書的翻譯質量一般,但裡面有一些方法對分析方法的解讀是足夠精闢的。這裡挑一個「定量分析的三種模板」的主題來講一講。

這三種模板分別是:比較、構成和變化。下面用一張圖表示。

比較

換一種說法就是對標(Benchmarking)。當你看到一個數字的時候,在缺乏參考系的情況下,是沒法做出什麼判斷來的。大多數時候,我們的大腦會內置一些參考系(按照《思考,快與慢》的說法就是系統一在運轉),潛移默化的讓我們對眼前的數字進行比較分析。還有些時候,我們往往同時被提供了一組數字,已經可以直接進行比較分析。但也有可能,我們得自己去尋找合適的標的進行比較,才能看到事情的本原。

比較或者說對標分析被大量的使用在競爭分析中。因為競爭對手做得如何,往往提供了一面最好的鏡子,讓你可以一下子找到問題的根源。

更有趣的對標,則跨出現有的問題空間,去看其它區域市場(比如:微信在中國已經天下無敵,但還可以和美國的 Facebook 比一比),歷史上的其它時期(分析 VR 的早期發展,可以對標智能手機的普及),或者把這些都組合起來(上個世紀美國高速公路的發展對零售業態的改變 vs. 智能手機普及後對中國消費者購物習慣的影響)。尋求對標的跨界越大,則越考驗分析者的視野和深度,我的一位同事被稱為「對標之王」,就是因為他閱讀涉獵廣泛,善於深入思考。這也是分析能力真正進階的唯一通道。

構成

分析一件事情的構成,就是從宏觀進入了微觀世界。我總是覺得這個分析方法需要和其它兩種結合起來用。比如,在對標分析中,我們需要拆解到更低的維度上,進行更為細緻的對比。或者在分析趨勢變化的時候,不僅僅看整體變化,也關注組分的變化。

唯一的建議是,在進行此類分析的時候,對原始數據的處理往往是最關鍵的。很多時候,原始數據會給你幾十個分類,遠遠超出了人類大腦認知的舒適區域。這時候,應該用合適的方法合併同類項,或者乾脆把長尾的分類都甩進「其它」,從而只關注較大的那些分類,使得結論更為聚焦和清晰。

變化

或者說是趨勢分析。這裡不得不先吐槽一下 Excel,至少在我使用的版本里,新建一個折線圖默認顯示的橫軸是「類別1234」,這簡直是一個巨大的誤導:為什麼要用折線圖來做類別直接的對比呢?

是的,折線圖用來做的最好的事情就是展示時間序列的趨勢變化。這件看起來簡單的事情中,最大的 trick 來自於對時間範圍的選定。就像下面這張圖:

如果只看右下的三張圖,選擇時間範圍的前半段和後半段,講述的故事完全不同。有時候圖表會說謊,好的分析應該能提供全局視角。

除此之外,由於趨勢分析的信息量一般都會很大(考慮你同時提供幾個對標的趨勢變化在一張圖上,而且時間跨度很長),所以在圖表的製作上也需要有一些技巧。基本的原則是盡量避免趨勢線無意義的交叉(如果要說的故事就是 A 在趨勢上超過了 B,那麼交叉就是有意義的),以及合理的選擇橫軸的刻度(越細的刻度,趨勢線就會出現越多的「抖動」,但這些細微的變化可能是沒有意義的)。有時候,折線圖不見得是唯一的解決方案,面積圖(Area Chart)和柱狀圖(Bar Chart)都能提供趨勢變化的說明。下面是一個例子(來自 Asymco)。

好的分析不是「瘋狂的圖表」

儘管花了很多時間來總結這些「分析模板」,但有時候覺得這些都還是「奇技淫巧」。早年剛剛開始工作的時候,很喜歡做一些看起來複雜花哨的分析圖表,老闆會稱讚說"Look at this crazy chart!"。現在回頭看,好的分析師在接到問題時候的第一反應就已經很不一樣了。這種近乎於直覺的反應,還是來自於日復一日的點滴積累。

積累從哪裡來呢?一方面是廣泛的閱讀,特別是那些梳理近一兩個世紀的技術和商業革命的書。越是靠近現在,這些敘述就越呈現出有跡可循的規律,數據記錄也越全面、準確和容易獲得。另一方面,則是收集,利用印象筆記這樣的工具,無論是紙質媒介(拍照)還是數字媒介(複製粘貼或者截圖),都可以大量收集好的分析和圖表。有一個說法是保存截圖的文件尺寸和分析師的薪水成正比,這個你愛信不信。

推薦閱讀:

你設計生涯的開端
不用Office,這些工具一樣炫酷的辦公
一點感悟:做自己的英雄
對於設計這個行業沒有天賦還應該堅持下去嗎???

TAG:数据分析 | 商业分析 | 职业发展 |