如何提高数据敏感度？

来源：林骥

有位读者问：如何提高数据敏感度？

我们从一个故事说起。

1. 知道数据背后的信息

有位卖煎饼的大妈，与顾客争执时说了一句：“我月入 3 万，怎么会少你一个鸡蛋？！”

看到这句话，对数据比较敏感的人，可能会想，煎饼大妈月入 3 万，真的有这么多吗？假设煎饼平均 6 块钱一个，那么一个月要卖 5000 个，按 30 天计算，平均每天要卖出 167 个，再假设流量转化率为 1.67%，那么平均每天经过摊位的人流量大约是 10000 人，经过观察测算，在人流量大的地铁口，平均每天经过摊位的人估计是能够达到 10000 人的。

我们说一个人的数据敏感度高，通常是指这个人能够快速地知道数据背后的信息。

2. 对业务有深刻的理解

从一个数据出发，引申出来一连串的数据，其中隐含了很多种假设，这需要对业务有深刻的理解，才能做出合理的判断。

对于一个外行来讲，恐怕很难判断假设数据的合理性。

比如说，一个对煎饼行业完全陌生的人，不知道煎饼的价格，也不知道各个地区的价格差异，更不知道流量转化率是多少，数据敏感度也就无从谈起。

不要以为业务很简单，其实真正的业务数据分析有很高的门槛，这个门槛并不是分析工具的使用，而是对业务的深刻理解。

还是以卖煎饼为例，如果你从「人、货、场」等角度去理解这个业务：煎饼的消费人群主要有哪些？煎饼的原材料的成本是多少？原材料从哪里采购更实惠？煎饼销售的价格是否合适？煎饼口味的欢迎程度如何？在什么地段卖煎饼的生意更好？竞争对手的情况是怎样的？……

当你对业务的关键信息都很熟悉以后，看到一个相关数据，自然而然就会产生一些想法和见解，相应地，对数据也就会更加敏感。

3. 发现关键指标的异常

我在知乎上看到一篇文章，其中关于零售管理的指标有 109 个，面对这么多指标，你没有必要全部记住，只需要记住关键的几个指标即可。

比如说，销售收入 = 人流量 * 转化率 * 客单价，其中转化率是一个关键指标，一般都在 1% 到 3% 之间，但某一天的转化率为 10%，那么这就属于异常数据，需要快速识别出来，并分析产生异常的原因。

通过加深对业务的理解，不断积累经验，知道关键指标的正常范围，以及关键指标之间的相互关系，这将有助于提高数据度。

4. 追问数据的本质

丰田汽车公司有一种「5 why 分析法」，就是对一个问题点，连续用 5 个「为什么」来追问，以找到问题的根本原因。

举个例子：

★ 问题一：为什么煎饼大妈月入 3 万？

答案一：因为煎饼大妈一个月能卖 5000 个煎饼。

★ 问题二：为什么煎饼大妈一个月能卖 5000 个煎饼？

答案二：因为平均每天能卖出 167 个煎饼。

★ 问题三：为什么平均每天能卖出 167 个煎饼？

答案三：因为平均每天经过摊位的人流量大约有 10000 人。

★ 问题四：为什么平均每天经过摊位的人流量大约有 10000 人？

答案四：因为摊位摆在人流量大的地铁口。

★ 问题五：为什么把摊位摆在人流量大的地铁口？

答案五：因为人流量大的地铁口来来往往的人多，生意才能好。

经过连续五次不停地问「为什么」，知道生意的本质是流量。

5. 预测数据的趋势

根据历史的数据，预测未来数据变化的趋势，这是一件很有价值的事，也是提高数据敏感度的一个有效方法。

比如说，你可以尝试预测下个月的销售收入，等到下个月结束时，再分析对比你的预测值与实际值的差异情况，找出差异的原因，想办法让自己的预测的准确率越来越高。

在预测和分析复盘的过程中，你可能会发现，一些促销活动对销售收入的影响。

比如说，煎饼大妈有一天搞促销活动，买一个煎饼，送一瓶豆奶，结果当天销售收入比平时增加 10%，但是当活动结束后，销售收入又恢复到了正常水平。

经过总结，你得出经验：短期的促销活动一般不会带来长期趋势的改变。

从此以后，当你看到某个指标具有长期趋势的时候，就不会把原因简单地归为某个短期的促销活动，这也是对数据敏感的一种体现。

6. 小结

本文从煎饼大妈月入 3 万的故事说起，介绍了提高数据敏感度的 5 种方法，希望能够对你有所启发。