大数据时代
大数据时代的来临，让更多的人接触到数据。无论在工作或者生活中，都需要利用数据进行分析，得到更科学、更合理的答案，去解决实际的问题。
不知道大家是否读过这样一个故事：
1923年，美国福特公司的一台大型电机出现故障，公司请德国机电专家施坦敏茨帮忙。只见他看看转转，写写算算，两天以后，他在电机上部画了一条线，让修理工把画线部位里面的线圈减少16圈，故障很快就排除了。事后，施坦敏茨收取修理费10000美元。他在收款单上写明：用粉笔一条线，1美元，知道在哪里画线，9999美元。
我们这样定义问题：阻碍目标达成的关键点，就是问题。例如在上面这个案例中，阻碍大型机电正常运作的故障就是问题。
那么，寻找问题的这个过程，我们就称之为分析。
数据分析
而用数据解决实际问题的能力，已经成为大数据时代人人必备的硬实力之一。大家都知道数据本身并没有什么价值，是由于分析方法的存在，使得海量的数据变得如同一座永远开采不完的矿，是金矿还是银矿，得看怎么分析和怎么利用了。但哪有那么多的数据分析专业人士呢？大多数可能仅仅只接触过操作EXCEL而已，那要如何做好分析并利用好数据呢？
正好手头上有一本日本数据分析实战专家及资深培训师，数据&故事公司总裁柏木吉基先生著作的《如何用数据解决实际问题》，本书摒弃了复杂的统计学原理和数学公式，紧密贴合多种工作场景，介绍了一整套简单实用又立竿见影的方法和流程。根据本书的方法，即使没有专业背景，也能轻松实现数据分析与解决问题的完美融合。
《如何用数据解决实际问题》
本书第一章P17告诉了我们一个数据分析需要“假设”的方法。
确定目的或问题后，才能决定假设、方法、所需数据等具体内容。进行数据分析，“假设”可以发挥重要作用。如图1-2所示，在解决问题的过程中，有两个环节需要假设。
图1-2
首先，在“锁定问题的关键”时，需要通过“WHAT型假设”对数据进行分解和比较。此外在“锁定原因”时，还需要通过“WHY型假设”来列举出候补原因。
为了整理思路，可以制作一个如图1-3所示的图表。按照逻辑关系，将目的或问题、假设、方法以及所需数据从上至下依次连接起来。
假设听起来好像很难，也许会让人有些抵触。其实我们也可以把假设替换成“着眼点”来考虑。
图1-3
书中用了一个探讨店铺A的现烤面包销售额在最近3个月急剧下降的原因这个例子，来说明如何通过假设得知“分析什么，如何分析”。在这个事例中，可以考虑三种假设：
假设1：卖场的服务水平变差了（服务的原因）
假设2：顾客对畅销商品的评价变差了（商品的原因）
假设3：促销活动减少了（促销的原因）
接下来，要确定检验各假设的方法及所需数据。如果检验假设1的方法是“调查不同销售人员之间的差别”，那么所需数据就是“不同销售人员的销售额数据”和“不同销售人员的工作履历数据”。假设2和假设3也是按此方法来进行分析，找到所需数据。按照这个步骤进行准备，就可以大大减少面对数据不知所措的场面。做完这些工作，就要根据数据来检验假设。要确定对问题来说，哪种假设是正确的、哪种假设的影响最大。做到这一步，就能够发现问题出在哪里、应该采取哪些对策，或者是否需要继续深入调查或分析。
数据分析之假设
说到这里，我就联想到前不久的一起事。我们小区有个桶装水经营部，因经常到那里订水，跟那里的负责人挺熟悉的。那天，正好这个负责人正在做测算，他刚换了一个品牌的水，试行了近三个月的时间，自己定了几种售价对外，现在想确定一个最终的售价。他也想测算一下，定价多少才能获得最大利润？算来算去，还是不知道如何确定。问到了我头上，当时我俩就按照数据分析的假设方法，把问题明确清楚，看需要哪几方面数据。我列了一个表：
问题分析图
找到数据如下：
每天的房租、人员工资等固定成本为200元，新品牌桶装水的进价是5元，
销售单价与日均销售量的关系如下表
数据表
根据以上数据，得出销售单价每增加1元，日均销售量就减少40桶。假设要确保日均销售利润为Y元，则桶装水的最高售价为X元，那么先求出日均销售量的公式，然后列出销售利润Y与售价X之间的关系式。经过测算，最后得出当售价为11.5元时，可以保证最大的利润。
虽然这是一次很简单的数据运用，但是通过“假设”帮助那位负责人理顺了思路，从两方面去设想后续需要利用到的数据是什么。这次分析并不是纯粹的数据分析本身的内容和方法，而是利用“假设”，以清晰明确的、能够说服别人的问题或逻辑前提为基础提出的建议。解决问题的目标是准确地锁定主要原因，让相关人员接受自己的建议，在获得认同的基础上“推动其采取措施”，这样才能得出最合理的答案。虽然本次的案例可能还有许多不完善的地方，但也让自己认识到数据的魅力，正好自己也有这方面的兴趣，后期也会更多的尝试着用数据分析的方法来解决实际问题。
网友评论