【经验】如何发现销售报告中有错误的数据

你是否有这种经历：开会的时候，一屋子人正在热火朝天的讨论着一项计划，突然听见有人大叫一声“不对，这个数字是错误的”！大家一看果然有个数字是有问题的。于是有人开始重新计算，有人在抱怨，这个**部门是怎么搞的，不是浪费大家时间吗？对！这是浪费大家的时间，说重一点就是谋财害命呀！不过，我还是要恭喜你：祝贺你发现了数据的错误，如果没有发现，把建立在错误数据基础上的结论或策略投放到市场中去的话，后果不能设想！

大家是否还记得那个震惊世界的小数点的故事：就是因为一个小数点的错误，前苏联著名宇航员费拉迪米尔·科马洛夫一人驾驶着“联盟一号”宇宙飞船返航时，直接冲向了地球！最后化成了尘埃！

在谈如何判断数据的问题之前，先说一说数据和数据化的区别。数据是一个名词，是一个冷冰冰的数字。而数据化就不一样了，它是一个过程，是一个动词，它是在一定情境下的有血有肉的数据。（这有点类似于产品和商品的区别）。而数据化管理的第一步就是将数据进行数据化。既然是数据化管理，就要保证数据库中的数据满足一些有条件。数据基本上有如下四个特征，真实性、客观性、时效性和逻辑性。

一、数据的真实性

这是数据化管理的基础。假的数据充斥在我们生活中的各个角落，从权威部门的数据造假，到商业宣传中的误导性数据，无处不在，无孔不钻。同样，在我们日常的工作中，假的、错的数据也是比比皆是，在每个公司（或大部分公司）的销售部和财务部是最可能产生有问题的数据的地方。

数据的真实性是数据化管理的基石，是神圣不可以侵犯的。不真实的数据产生主要分主观原因和客观原因。主观原因就是故意篡改数据，客观原因可能是由于统计数据的人的能力、疏忽或系统错误等原因造成的。对于这些错误只要我们平时多留意，多问几个为什么就可以发现的。

二、数据的客观性

不具有客观性的数据是比较麻痹人的，非常会误导人。这些数据往往是真实的，但是如果我们用他们来进行分析，就会有问题了，分析的结论也一定是错误的。

大家是否还记得如下一条新闻：国家统计局数字显示，2009年一季度全国城镇单位在岗职工平均工资为7399元，与去年同期的6524元相比，增加了875元，增幅为13.4%。平均工资最高的三个行业是：金融业，16048元；信息传输、计算机服务和软件业，13972元；科学研究、技术服务和地质勘查业，11604元。最低的三个行业是建筑业，住宿和餐饮业，水利、环境和公共设施管理业(新华网)。我记得这条新闻公布后，全国人民都在骂，都打趣的说工资被增长了。

在5月我的一个数据化管理的培训课上（参加的都是能源行业的经销商老板），我特的做了一下调查统计，发现涨工资的企业只占到8%左右，并且涨幅不到10%。其实我一直认为国家统计局这个数据是真实的，但是没有客观性，它很可能是统计的路径发生变化造成的。举个例来说，有一家公司原来自有一个普通员工，月工资5000元，后来老板又招聘了一个CEO，月工资10000元，于是你就发现在你的工资没有变化的情况下，该公司的平均工资就增长了50%。还有一种可能就是由于08年底的经济危机，各公司纷纷裁员，但是你会发现被裁掉的大多数都是工资在平均线以下的人员，这样自然平均工资也会增加了。

所以我们在作数据化分析的时候一定要将这些真实的但却没有任何参考价值的数据剔除掉。造成数据不具有客观性的原因主要有：以偏概全，以全概偏，定向取值，标准不统一等等。听过一个笑话，是说某南方城市的某领导说要采取措施在半年内将该市商品房均价下降30%。半年后他做到了，只不过是扩大了统计范围，原来只统计城区的价格，现在统计了郊区的商品房价格罢了。

三、数据的时效性

说数据的时效性的前提是该数据一定是真实的并且是客观的。在笔者十几年的销售工作中，发现数据的时效性这个概念，被一些销售人员基本淡忘了。他们在做销售分析的时候，随意选取数据，根本不考虑数据的时间概念。其实数据的时效性在销售数据分析过程中占据非常重要的作用，举一个事例大家就明白了。我们来看一段对话：

某公司有款一直畅销的产品A，经销商对这款产品也是情有独钟，订货一直很积极。但是经销商B却发现该款产品最近库存很大，占用了45%的资金量。于是询问采购员

问：你订货的原则是什么？

答：系统会根据产品前六个月的平均销量来自动采购（有数据分析，很有道理）

问：A产品平均月销量是多少？

答：每月568箱，现在库存488箱（理直气壮，有数据支持）

问：查一下上月销售多少箱？

答：68箱！哦，对不起，我马上把本周订单取消（发现问题所在了）

数据的时效性换一句话来说就是离现在越近的数据或规律越具有参考价值。注重数据的时效性是市场快速反应的有力保证。他能有效的节约资金，增加利润。我们在日常的工作中可以运用权重法来解决数据的时效性的问题。在目前市场上的进销存管理软件中，都有采购量的建议这个功能，可是大部分（90%以上）都是用平均分析法，而不是权重法，所以就会出现上面的对话中的这种情况。当然平均法也是权重法的一种，只是他的权重值都一样。在这个事例中，如果该软件系统中的销售值不取平均值，而是取如下的权重值：5%,10%,10%,15%,20%,40%。问题马上就会解决。

四、数据的逻辑性

数据的逻辑性是数据较高层次思维的一种方式。有的人经常自嘲说自己对数据没有概念，实际上就是指的他们对数据的逻辑性没有概念的错误。随着工作经验的日益丰富，逻辑性的能力会逐渐提高，天天和数据打交道到的人员提高会更快，当然参加了我的数据化管理培训班就会提高的更加快了。

数据的逻辑关系主要有以下几种：总分关系、平均关系、因果关系和合理性。那些编造数据的人往往会在逻辑性方面露出马脚。有些“高手”炮制的数据隐蔽性会好一些，但是也是经不起推敲的，就是一句话，假的就是假的！

如果我们留意一下每天的新闻或流言，你会发现有问题的数据到处都是。比如这两天被人恶搞的一条“新闻”：12月11日，国家统计局称，在他们随机调查的100位网友中，有87.53%的网友支持封杀BTchina。这是最简单的逻辑的平均关系错误。

如果能够熟练的掌握以上四点特性，大部分有问题的数据都会被你发现。到那个时候你就可以进行数据化的分析了。你也将会洞悉更多的数据背后的故事。

在接下来的文章中，我有一些题目，你可以测试一下自己的数据化思维值！

作为一个公司的销售或市场经理，你每天都会收到各式各样的数据报告。如何快速的发现其中的问题数据？节约时间成本，降低策略风险呢？

我们已经了解到可以通过数据的四大特性：真实性、客观性、时效性、逻辑性来判断数据是否有问题。这几种分析方法有时候会比较麻烦，有的时候甚至会非常具有隐蔽性。

除了上述这几种方法之外，我们还有一些更简单的方法：从数字（不是数据）本身的规律来判断数据正确与否。主要有下面三种简单方法：

方法一：尾数法。原则是数字的尾数相互加减乘除后的结果也必须满足对应的算术规律。举例说明，下面这个等式是否成立：345678＋13897＋6732＋19753＋685454＋23988＋348766＋768＝1445038（见第8题）。其实我们不需要用计算器（有人对计算器有严重的依赖性，这对数据化思维的建立是没有好处的，建议大家扔掉计算器），只需要将这几个数据的最后一位相加就知道这个计算结果不正确。其实这种方法是非常基本的，但确实非常实用的。特别是当你面对批量的数据报告的时候尤为管用。只是你有没有下意识的运用它。试想一想，你的下属花了一个下午做出来的报告，你只需要5秒钟就能判断出来他的报告中的数据是有错误的，还不告诉他错在哪里。那你的下属下次还会交给你这种愚蠢错误的报告来浪费你的时间吗？

方法二：数位法。原则是几个数字的位数相互加减乘除后结果的位数应该满足对应的算式规律。举例说明，请选择：1258×308=?

A 38764

B 387464

C 3807464

答案是B，计算过程是4位（即1258）×3位（即308）＝6～7位，本例你会很轻松的发现应该是6位（即387464），所以是B。如果你的下属交给你的报告是7位，那当然是错误的了。

再举一个例，请选择：3864+23459+472345+35674+368+8888=?

A 94598

B 944598

C 544598

答案是C，计算过程：4位＋5位＋6位＋5位＋3位＋4位＝6～7位（加法的原则是结果的位数大于等于最大一个数字的位数）。

方法三：相近法。原理是将计算的数据做近似处理后再做计算。继续举例说明：

请选择： 12837+9235+432867=?

A：454934

B：454939

C：434939

答案是B，计算过程1＋1＋43＝45（实际上是将所有数据除以了10000后再计算就简单多了） ，所以结果应该是A或B，再根据尾数法淘汰A，正确答案就是B。

当然大部分数据处理都会综合运用上面的方法。一般情况下，我们需要先用尾数法进行初步判断，然后再用数位法来第二次验证，最后再用相近法。这样的话，一份销售报告你会很快的“看完”，并发现其中的问题，同时还节约了你宝贵的时间！也只有这样才能确保你建立在数据分析基础上的策略是最正确的！

销售/市场经理们，丢掉你们身边的计算器吧！