随着技术的日益精进，大数据已成为一种非常流行的工具，通过利用大数据技术与各领域结合对复杂问题进行分析已成为了时下的流行趋势，目前较为成熟的应用领域有商业智能、市场营销、金融经济、心理学等。
在上一篇文章中我们提到了数据分析是大数据处理的核心，然而在实际应用中，企业和用户往往更关心的是对于数据分析结果的解释。
在一些人看来，数据可能只是冷冰冰的数字，但是对企业来说，这些数字的背后暗藏的却是盈利的方向、潜在的商机。
然而企业很多时候会遇到只有数据，没有分析的情况，仅仅是描述数据，告诉你产品发生了什么，然后呢？往往就没有然后了。
如果数据分析的结果准确，但没有采用适当的方法进行解释，所得到的结果很可能会让人难以理解，极端情况下甚至会引起歧义。
如何读懂这段成功密码？可以试着从以下几方面着手：
第一阶段：明指标
想读懂数据的第一步，需要明确数据的相关指标，例如名称、使用场景、来源、通过何种计算得到等。
例如数字175 ，没有相关指标，这个数据毫无意义，如果告诉你这是一个地区成年女性的平均身高，你可能就会本能地判断，这个地区的女性身高可能比其他地区的高。
第二阶段：立标准
对于一个或者一组数据结果，需要一个标准来衡量其是否符合预期的结果，可以通过统计法对历史数据进行统计，对数据中的差异进行阶段划分，也可以通过习惯法将人们约定俗成的习惯进行量化。
还是以上文中的地区平均身高175数据为例，通过习惯法，生活经验告诉我们超过170的女生已经很高了，因此在对数据进行解释时可以突出高这一特点，但说服力略显不足，这时可以通过统计法对比，比如根据相关权威数据统计我们得知中国成年男性平均身高167.1cm，女性155.8cm，对于数据的解读就可以从“成年女性 平均身高175cm”再得到平均身高非常高的判断结论。
第三阶段：合场景
通过明确指标和标准已经基本能够满足数据解释的基本需求了，如果想要再进一步深度解读数据，此时就一定要结合具体场景了，也就是我们常说的“具体案例具体分析”，可以基于业务内容进行逻辑推演，也可以基于过往经验进行总结。
当然，解读数据也是有限度的，过分解读会导致错误理解。读懂与随便乱猜的最大区别，就在于对数据进行解释时其背后能够提供支撑的证据数量。
当然也不排除在获得了更多证据以后，我们能发现新角度、新视角进行解读。只要有充足的证据+合理的逻辑，就有理由接受数据解释的结果。
数据解释的方法其实有很多，比较传统的解释方式就是以文本文件的形式输出结果或者直接在电脑终端上显示结果。
这些方法在面对小数据量时不失为一种可行的选择，但大数据时代，不光数据是海量的，很多时候数据分析结果往往也是海量的，结果之间往往也有着复杂的关联关系，采用传统的简单解释方法几乎是不可行的。
因此，在解释大数据分析结果时，可以考虑从以下两个方面提升数据解释能力。
1）引入可视化技术
通过数据分析，隐藏在数据背后有价值的信息逐渐浮现出现，此时需要通过合适的方式展现出来，让人一目了然，提高信息传递的效率。
可视化作为解释大量数据最有效的手段之一率先被科学与工程计算领域采用。该方法通过将分析结果以可视化的方式向用户展示，可以使用户更易理解和接受。常见的可视化技术有标签云、历史流、空间信息流等。
图：企通查—园区智慧大屏
2）让用户能够在一定程度上了解和参与具体的分析过程
这方面既可以采用人机交互技术，利用交互式的数据分析过程来引导用户逐步地进行分析，使得用户在得到结果的同时更好地理解分析结果的过程，也可以采用数据溯源技术追溯整个数据分析的过程，帮助用户理解结果。
图：奥德塔大数据应用分析平台
奥德塔大数据应用分析平台坚持“所见即所得”的设计初衷，通过完善的图形界面与简单的拖曳操作，即可完成复杂的数据计算、可视化图形的快速生成与配置、交互式的数据探索以及分析报告的布局与设计。
奥德塔大数据应用分析平台在易用性方面进行了大量的探索，旨在降低工具操作的复杂度，提供人人都是数据分析师的自助式数据探索工具，让没有数据分析专业背景的业务人员在拖曳点击之间，即可快速发现数据中蕴藏的价值，充分释放企业的数据分析活力。
网友评论