提升数据敏感性,主要靠积累经验,看的数据,量越多、种类越丰富,敏感性越强。
但是这也不意味着随便看、胡乱看,而是有针对性的增加自己能力,可以参考以下三个方向:
❶预估能力
❷发现数据异常的能力
❸数据转化为知识的能力
预估能力
在看到实际数值前,就可以依据其他数据、主观感觉来估算数值,并控制估算误差。
此能力较容易锻炼。看数据之前,对数据进行主观猜测,再拿猜测值与实际值对比,根据实际值调整自己的感觉。多多练习即可。
对于系列数据,比如销量、网站访问量、活跃用户数等,需要明白,在没有异常的情况下,系列数据是由 规律+随机数 组成的。比如周一网站访问量在100W左右,这是规律;上下波动95%的可能在5W以内,这是随机数。
发现数据异常的能力
发现数据异常,是预估能力的一个延伸。越强的预估能力,就越能提高发现异常的速度、准度。
异常有两种:
正确的异常,即现实中有特殊事件发生,反映到数据就异常。
错误的异常,即现实正常,但统计错误导致数据异常。
发现错误的异常也有些小技巧,一并分享如下:
数量级
观察最终数据,保证在数量级上没有大的误差。例如,通过询问需求方得知,每天付费数在30单左右,若统计结果在80单或者8单,则结果很可能有问题。
各维度汇总
对于不同纬度分析,各纬度汇总值是否一致
交互式报表,下钻之后的汇总是否跟下钻前一致。
分布
统计结果的分布,往往有其特性。
例如每天付费数,会有连续性跟周期性两种特性,连续性是不会出现忽高忽低的大幅变动,周期性是周末都会有一定程度的提高或降低,7天一重复。
例如统计员工工作量,对一周的工作总量按员工汇总,一般是由高到低的一个均匀递减。
抽样
抽样检查一直是最有效的方式。取统计值的明细,直接对其中几条进行核对。
选择核对明细时,尽量保证抽样能覆盖各个分层,以及随机性。
数据转化为知识的能力
从数据、信息到知识的演变如下:
数据、信息和知识的区别联系:
(以上两图,引自涂子沛的《大数据》88页)
这部分能力最难培养。可通过查看各行各业的分析报告,学习从数据转为知识的常见思路,例如:归纳、细分、对比等。
另外针对自己日常工作,请将根本目的设为解决问题,而非完成数据需求。
只有深入了解运营,深入了解数据的一线运用场景,才能完成数据到知识的转化。
本文转载自知乎by孙文亮
—END—
*茶小星Cynthia,HSEE/茶痴/书虫/收集故事的人。
*原创不易,言论仅代表本人,转载请注明出处。
*本文章及图片非盈利用途,若侵权,请联系删除。
网友评论