面試坑殺新人指南，第二篇：數據哪來

作者：陳老師

美P黨是很容易吸引HR小美眉的面試者，卻是用人部門主管經理們很討厭的角色。這些哥們喜歡在附件里掛一個很美的PPT，聲稱這是自己的作品（所以叫他們美P黨，因為一般掛附件的ppt真的很美）。HR小美眉們不懂行，看到好看的圖表，配圖就砰然心動。然後就推薦到用人部門這裡了。

然而用人部門主管們對這玩意卻是深惡痛絕。美化的PPT，就和美圖秀秀P過的微信頭像，各個都是尖臉大眼，鬼知道真人長什麼樣啊！看到一張美女臉，心理十二分打鼓：

這個PPT真是你自己做的？不是你從哪裡抄來了？

這個PPT真是你自己獨立做的？不是哪個高人指點帶出來的？

這個PPT真是你自己全部做的？不是準備好了數據你做個P？

而且隨著kaggle的流行，現在模型也成了重災區，各個應屆畢業生都是建模高手。HR案頭一天收到200個泰坦尼克經驗的簡歷，搞得小美眉都來問了：最近是哪個古董公司在撈泰坦尼克嗎？怎麼人人都在泰坦尼克。身為數據主管的你，還得耐心解釋：別慌，馬上人人都買波士頓房，人人都插鳶尾花呢。

為了節省主管寶貴的時間，提高HR小美眉識別真假能力，要是有個：簡單的，即使不會模型的人也能問的問題就好了。這個問題可以這樣問：你這個數是哪裡來的？

比如一個面試的哥們正在濤濤不絕講ppt，HR可以半路打斷他，就指著其中一個數據問：這個數是哪裡來的？特別是那些用戶特殊的數據，比如性別年齡職業收入愛好。揪著一個連問幾句：

你這裡是哪裡來的？

數據是人工採集？用戶自填？第三方提供？

人工採集的你們誰去采？誰負責質量？怎麼保證質量？

用戶自填的你們怎麼審核？怎麼保證質量？

第三方提供你們怎麼審核？怎麼保證質量？

真實性比例是多少？這個比例你覺得會不會干擾業務判斷？

不用扯整體流程，我就問這個欄位，就這個，男女，你怎麼就知道他是女的？

基本上不懂裝懂的，網上抄襲的，沒有經驗的菜鳥都會活活被坑死。或者顧左右而言他，或者說：「這個行業就是這樣的啊！」或者鼓起勇氣憋一個數出來，然後在你追問下四分五裂，兩股戰戰幾欲先走。或者乾脆就開始額頭冒汗手扣指甲——這時候即使是不懂模型的小美眉也會看出來這是心慌發虛的表現，自然練成火眼金睛了。

踢出菜鳥找真正大神，就這麼簡單！

——本文還差一點點就完了——

之所以這個套路會管用，是因為新手們大多把注意力放到了模型、演算法、思路、結構圖上邊去了。做PPT的看到麥肯錫之類報告就高潮，做演算法的跑一邊泰坦尼克就以為自己真的可以去撞冰山了。然而，數據分析的本質是數據，真實可靠的數據從來都不是天上掉下來的，也不是「假設」「剔除」「分析」出來的。而是結結實實的需要完善的業務流程、採集、審核機制。哪些新手們看不上的，看似簡單的分析方法，其實大部分是切合實際情況，退而求其次的方案。

實際上無論是人工採集、用戶自填、用戶行為、第三方提供，都有相當局限性

1.人工採集：給補貼就造假，不給補貼就不填，很正常啊，採集員月薪才多少！

2.用戶自填：陳老師到哪都留147開頭的手機號……

3.用戶行為：大量死在一次操作的用戶怎麼辦？倖存者偏差怎麼辦？

4.第三方提供：呵呵呵呵呵呵！不怕被深圳警方抓嗎（深圳警方曾一次出動500警力橫掃非法販賣公民信息的大數據公司）

所以結合業務需求，在有限度的真實性範圍內解決問題才是正道。而不是拼誰的PPT漂亮，誰的模型複雜。數據分析的目的是產生效益！就這麼簡單。當然，理解了這一層的都不是菜鳥了，老鳥們不會栽在這裡。