熟悉产品、精通数据为什么这么难？（四）║干货

熟悉产品、精通数据为什么

这么难？（四）

重剑无锋，“道”篇----经营逻辑jy9000110

（续）

接下来的内容，有点烧脑了。当然，还是期望你能认真的看完……

对文章最前面的问题的正确理解，是——真正精通数据，是要具备数据思维，是要具备将业务问题转变为数据可分析问题的能力。

古人云：以道驭术，以术驱道，呃~，这是套话，一般我们不说，你懂得。

从海量数据、到大数据概念，再到大数据运用，缺不了基本的统计分析方法，这中间，最基本、最常用、也最重要的，就是回归分析。

回归分析是统计知识，是确定两种或两种以上变量间互相依赖的定量关系的一种统计分析方法。

注：从技术（知识）层面讲，回归分析就是各种各样的统计学模型。它主要有五种类型：线性回归、0-1回归、定序回归、计数回归以及生存回归。这个有点烧脑，可是很重要，这里暂不作详细解释，在文章的最后，我们会简单的普及一下这些知识。

如果这样直接“简单粗暴”解释什么是回归分析，估计很多人终将不明白。

先来一个案例：

►假设，A君向你借1万元钱，你该咋办？

在你的直觉反应告诉你借还是不借时，你的大脑已经完成了这些步骤：A君平时的为人、你俩关系够不够铁、是否该签写借条（包括要不要收利息什么的）、A君的家境情况等等的考虑。

为什么会有这些直觉反应？

很简单——衡量A君还钱的可能性。

当然，如果还是以常识思维的直觉去做决策，你借出去的钱要不回来的可能性会非常大，想必那些借钱是孙子的文章中的主角可能说的就是你了。如果，你善于运用回归分析，情况就完全不同了。

比如，此处A君还钱的可能性就是因变量Y；而为人、关系、借条、家境都是自变量X。

注：看到这里还是不明白“因变量、自变量”的，只能找你们公司统计专业或数学专业本科毕业的小伙伴们问问了，如果公司里没有这些人，建议你就不要整天瞎掺乎大数据、数据思维什么的，该干啥干啥去…

图片来源：图形天下

你要做的，就是要把Y和n个X之间的关系找到！

n个X中的n是什么意义？

对，最通俗的理解，这个n叫权重。

好了，稍安勿躁，不要以为你很懂什么叫权重，下面，我们稍微专业一点的表述一下：

►在“道”的层面上，回归分析是一种思维方式，在“它”的指导下，我们可以把“业务问题”定义成“数据可分析问题”。而在“术”的层面，回归分析又是一种可以运用的数据分析工具。

►什么样的问题可以被看作是数据可分析问题？

你需要找到两种变量：

因变量Y：因为别人的改变而改变的变量，这是业务的核心诉求。

自变量X：用来解释因变量Y的相关变量，通俗点说，自变量X的改变，影响了因变量Y的变化。

nX表现了数据分析者对业务的洞见。

也就是说，数据分析者，如果是一个决策者，要掌握这些系统而又专业的知识，方能做出正确的决策，否则，是在撞大运，史上有多少“能人志士”运没撞到而把自己给撞飞，看看文中留给你的三个“比如的案例”吧；如果是一个技术支持者，必须要懂得业务，否则，你一定、一定、一定没有那个洞见。

注：史上最大的悲哀，莫过于老板们都喜欢凭直觉决策，他们从来不喜欢数据，甚至他们还以为那是在玩数字游戏；史上最大的悲剧，莫过于建模做产品（IT）的技术工程师们，他们从来不懂得业务，甚至他们还发现了专有名词，叫你提需求我建模…

严格讲，这两类人都不具备真正的数据思维。

数据思维是把“业务问题”定义成“数据可分析问题”，就是要在乱成一锅粥的业务问题中，准确定位业务的核心诉求，即因变量Y，并找到影响核心诉求的相关因素，即自变量X，然后利用各种数据分析工具进行进一步研究、分析，才能做出正确的决策。

好，现在小结一下：

1、精通数据，要有数据思维。

2、所谓数据思维，就是要把业务和数据之间的关系找到。

3、一直以为的客观现象，依然存在非确定的+相互依存的关系。多数情况下，客观事实并不客观。

4、习以为常的直觉和线性思维是商业大忌。

5、正确的数据思维，要能甄别出不同Y和X，是相关关系还是因果关系。

6、回归分析是理想到现实的桥梁，关键在能否精准的找到Y和X，还有那无数个n。

精通数据就是这么难！

看到这里，你可能会窃喜，以为自己搞懂大数据了，呵呵…

注：精通数据是解决能否正确掌握业务未来的演变趋势。完整的精通数据，包含两个层面，底层是能对数据的成因进行剖析，上层是能对未来可能出现的趋势做出预测，由此，调动资源去解决业务问题才有价值。

（未完待续）

温馨提示：

1、欢迎加入经营者大学堂旗下的“老板私塾”和“经理人商学院”，具体加入方式请查看上周六、日所发的图片内容。

2、商务合作请扫描下面的二维码。

“经营者大学堂”运营

2018年8月13日

本文经作者独家授权，抄袭属于侵权

ina.com上查阅；或直接百度“经营者大学堂”进入网站查询。