数据分析有什么用

Posted 2021-04-27 余晟以为

今天，我想再多讲讲。

前些日子我们在工作中见到一份诡异的报告：一个页面，不管有没有使用加速方案，全国各地多个节点访问的平均速度都没什么差别，一直保持在0.6秒左右，甚至使用加速方案之后还要慢一点点。数据确实是客观的，数据也不会骗人。但是，大自然的逻辑更不可能骗人。如果数据和逻辑无法保持一致，很可能是数据的处理和解读出了问题，所以得到“无法解释”的数据。

这个0.6秒就是如此，大家一开始猜测了半天，都无法给出信服的解释。最后有人提出应当看看详细的数据。仔细拉出来之后一看，大部分节点的访问速度都很快，在0.2秒之内就可以完成，唯独有一个偏远地区的节点，访问时间接近30秒。这样一切就可以解释清楚了，如果页面本身的响应时间已经足够快，加速方案对它的影响很可能是微乎其微的。如果大部分响应时间都在0.2秒以内，却出现了一个30秒的异数，算数平均之后得到0.6秒也就不足为怪了。

在这种情况下，P99（排名在99%的记录时长，表示99%的访问都可以在这个时间内完成）之类的数据指标，明显强于简单的算数平均。

许多年前我还遇到过一个诡异的例子。每天晚上11点左右服务器的负载就暴涨，但是无论是负责业务服务还是负责数据统计的同事，都说自己的程序没问题（当时服务器很紧张，各种程序共用的）。考虑到业务服务程序全天都不太可能有变化，怀疑点应当在数据统计程序上。可是，从数据统计上看，又没有任何异样，而且数据量也不大，几十万不到上百万，应当不会造成这么高的负载。

我花了一晚上蹲守之后终于发现了问题：数据统计程序是没有问题，但对应的crontab脚本写错了。本来应该是11:00分开始数据导入再统计，结果写成了11点的每一分钟都进行数据导入再统计…… 所以数据量一下从几十万上升到了几千万，偏生这个统计的结果是比例和增量，没有绝对数字，所以数据量原样放大60倍，比例和增量并不会变化…… 这虽然是程序代码的问题，但也提醒我们，只看比例和增量，可能漏过重要的问题。

除了数据的处理和解读，数据内部的逻辑也相当重要。我之前写过马蜂窝的数据事件，如果各种数据是真实的，那么哪怕没有从程序上约束，它的内部也一定是有逻辑，可以互相印证的的。

如果是个社区网站，用户留下的评论数量，一定和用户注册、登录等等行为数据之间有稳定的关联。如果用户的注册、登录数量不涨，只有评论飞涨，或者注册、登录数据飞涨，而评论、互动保持不动，那数据多半有问题。

同样的，用户留下评论的时间分布，以及注册、登录的时间分布，一定和普通人的行为模式相符合。如果用户的注册和登录时间平均分布在全天24小时，或者评论的时间高度集中在某些时间段，那数据也多半有问题。

最近一两年，“数据科学家”成了热捧的对象，大家也开始重视数据体系，重视还原数据内部的逻辑了，这是好事。但我同时也认为，数据不只是数据科学家的事情。

只要你在多人合作的组织里，数据很可能就是能帮大家对齐差异、达成共识的通用标准。关心数据、了解数据、懂得解读数据，这些能力不只是你的防身利器，抵挡各种不合理的指责，更可能成为指引未来工作的灯塔，发现真正的价值所在。

下一次人家拿一个决策来让你执行的时候，你可以问：你们是怎么判断的，计算依据在哪里呢？

下一次人家拿一个数据指标来指责你的时候，你可以问：你们的指标体系是怎么样的，权重如何分配？这里的数据低了，在整体中占多大比重？因果关系是确认的吗？

下一次计划未来工作的时候，你可以问：我们真的对准了最有价值的点了吗？如果成功了，如何用数据验证我们确实成功了？会不会有其它的连带影响？

其实，这些运用数据的能力并没有那么高不可攀，普通人积累了有足够的经验，或者经过专门的培训，也可以在其中发挥重要作用。

如果你觉得自己数据分析的能力偏弱，缺乏完整的分析思维和逻辑，不妨参与网易云课堂明天（1月17日）推出的免费直播公开课。来自 网易严选 的商业分析负责人 珍妮同学 将与大家分享如何设计一个高可用的数据评估体系，同时还限时推出以下免费福利：

PART 1 免费直播公开课

直播主题

▼

《如何设计一个高可用的数据评估体系》

<1月17日 周四 20:00>

直播讲师

▼

珍妮 网易严选商业分析负责人

直播大纲

▼

引子：从高考3+3体制改革说起

一个思维模型：OSLAS

一个应用案例：商品评级体系

生活小感悟：无数学，不生活

PART 2 免费体验课

你能收获什么 

▼

快速了解电商业务，学习行业大厂方法论 

提升数据分析技法，拓展业务应用能力 

从方法论到实战案例，进阶电商数据分析师

PART 3 获取方式

扫码进群即可领取所有福利

群号：931630461

席位有限，先到先得~

点击阅读原文，一键领取福利！