您现在的位置是：网站首页>管理管理
《数据思维》用数据洞察驱动精准决策与价值创造
铛铛铃2025-09-08【管理】891人已围观
简介
咱们今天要聊的这本书呢，叫做《数据思维》。
在分享之前呢，先跟大家伙说个真事儿啊。前两天不是圣诞节嘛，哈，我一个哥们儿啊，非得找我，要请我吃火锅。然后咱俩就套个店里去吃火锅了。你说满屋啊，人家都是一对儿一对儿的，一夹一夹，你就看咱这桌俩大老爷们儿在这吃。我就说：“我说你这大过节的，你说你烦不烦人，是不是还得出来陪你？我说陪谁不好啊，陪你这玩笑是归玩笑啊，实际上这是有目的的。为啥呢？就我这哥们儿啊，他实际上是另一家火锅店的老板。他就觉得这家比较好，唉，所以呢，就趁着这个高峰期来了啊，一起呢，趁着晚餐这个时段呢，看看人家这个翻台率啊，看看人家这个客流量，从而呢，他要算一下自己的这个投入产出比啊，也要看一下下一阶段呢，自己应该怎么去经营。
所以你看哈，尽管火锅是一个非常传统的生意，但是啊，它实际上仍然需要数据的分析啊。而且呢，现在呀，我们身边的好多朋友啊，都去创业了，有好大一部分呢，都去做实体了。而他们对数据的认识啊，也跟以前不一样了，会越来越重视。所以我们说啊，数据思维的应用啊，跟是不是互联网企业啊，或者是一个传统的企业，其实没什么关系啊。你想做好生意，那你学会使用数据是非常非常重要的。
那这本书啊，就是将一个又一个看着很高深的统计学的原理和数学的名词，用普通人都能听懂的白话和案例讲出来。反正像老郑这样数学不好的，基本上看得津津有味。那你说学会数据思维对我们有什么帮助呢，对吧？如果说不创业啊，不做生意，对吧，那数据思维你说还有啥掌握的必要吗？实际上非常需要。你比方说我们想减肥，首先你得明确自己的目标吧，对吧？你是要减重呢，还是要减脂呢？那数据思维啊，实际上就是能够帮助你明确诉求。那明确了诉求以后，接下来呢，我们就能够将我们的注意力啊，聚焦在相关的自变量上。你看，如果是减重的话，哎，那我们就关注体重的变化；减脂呢，我们就关注脂肪的含量。那最后呢，我们可以通过尝试最简单的这种方法啊，你比如说运动啊、节食啊、哎等等这些手段，看一看哪些是相关的关系，哪些是因果的关系。那知道了这些啊，就能够更好地帮助我们去减肥。
这本书的作者啊，叫王汉生，他是北京大学光华管理学院商务统计与经济计量系的教授、博导啊，也是系主任。他同时呢，还是北京大学商务智能研究中心的主任。这本书啊，一共分成了五个章节，老郑呢，今天从三个方面和大家好好分享一下这本书的精彩内容。它分别是第一部分，什么是数据思维；第二部分，怎么掌握这个数据思维；以及第三部分，数据思维的应用场景。
那好，接下来咱们就开始今天的分享啊。我们先来看看这第一部分，什么是数据思维呢？在说数据思维之前，我们先说说什么是数据。有一个通俗点的定义啊，就是凡是可以被电子化记录的，这都叫数据。这不仅仅局限于一些数字啊，还包括了像语音输入的声音、数码相机拍的照片、手机录的视频等等啊，你被电子化记录的内容都叫做数据。
那知道了什么是数据啊，我们下面呢，可以讨论一下数据的商业价值。只有我们真正知道了数据的商业价值，才能够知道将数据用在哪儿、卖给谁，对吧？否则的话，那就是一堆没有用的垃圾了，对吧？那数据的商业价值呢，要从以下的三个要素进行衡量，它们分别就是收入、支出和风险。我们说这个收入啊，是企业能够活下去的一个基础，而为了获得收入呢，你就要投入成本，这就是支出。那最后呢，没有任何企业对自己未来的收入和支出是100%确定的，就是我肯定花多少、我肯定挣多少，这你肯定是确定不了的，这里边有非常大的不确定性。那一不确定你说能带来啥？对喽，就是风险。而任何的数据产品啊，如果可以帮助客户在这三个方面中的任何一个方面实现可量化的改进，那么这个数据的商业价值啊，它就比较容易说清楚，否则的话啊，那就非常困难了。如果大家想买数据的话，也要从这三个方面进行思考和考虑。
我们先说说这个收入啊，咱举个例子啊，这个和咱们平常说的那个收入还是不太一样，是放在数据领域里的啊。比方说咱们是卖豆浆的，我在没有用数据分析之前呢，一天大概可以卖200杯。那用了以后呢，如果我还卖200杯，那我这个数据的分析就没有任何价值了，因为我没有带来收入上的增长。可是如果我用了这个数据分析以后呢，从原来的200杯，唉，我现在可以卖300杯了，那么多出来这100杯，那就是我的数据价值。
那说完了在数据领域里边这个收入的概念，我们再来聊聊这个支出。咱还是举个例子啊，你比方说你的公司呢，是做汽车设计的，最近呢，通过数据的研究就发现了，说这个车窗啊，它这个开关设计的不太合理。你说那车窗开关有啥不合理的呀？那主要是因为我们的汽车设计标准啊，现在都是跟欧美这个汽车的设计标准一样。那国外的嘛，对吧？它这个空气质量啊，相对好一些，那大家开车的时候呢，唉，都喜欢开着点窗户，小风一吹啊，晒着太阳，哎，挺舒服的嘛。但是你在国内呢，一些大城市，大家都知道嘛，雾霾有的时候它比较严重，那很多司机在开车的时候啊，就特别不喜欢开窗户。那有数据分析就表明啊，说平均而言，一个司机一年啊，他也就开关车窗1000次左右，那平均就是一天三次呗，对吧？那假设一辆车它的设计寿命是10年，那么这个车呀，在整个使用周期里，也就需要开关车窗1万次。那我们为了保守起见，你不能将哪家这么做，对吧？我们给他加个量级啊，加个零，那就变成多少次？10万次。也就是说，从设计的角度来看，我们只需要一个能够承受10万次开关的车窗电机就够用了。而欧美车的设计标准是什么？是50万次。那50万和10万对比上，那在这个电机的支出上，也就是说设计成本上，你说这个能多出多少钱吧，对吧？那至少从这个数上比的话，那至少差五倍啊，对不对？你明显用不上那么好的吧，你10万次就够了。
那最后呢，我们再说说这个风险呢。这个风险的度量啊，它有两种情况。第一种呢，就是这个风险根本没有办法通过钱来衡量，你比如说健康啊、时间呐、你的生活质量啊，唉，相关的这些东西，你不太容易用钱能给他衡量出来。那第二种情况呢，风险是连接收入和支出的转化器，风险啊，要么能够降低成本，要么能够增加收入。那咱们也可以举个例子啊，现在很多银行都有网上申请系统，那其实这种网上申请的系统啊，它的风险啊，普遍要高于线下当面签协议做申请，肯定比线下要高啊，风险要高。那为什么现在这种形式反而普及了呢？那有的时候可能说，那大家的需求呗，啊，客户的痛点呗，对不对？你说的是有原因，但这里边有一个关键一步，那就是如果风险这块解决不了，你就是再有需求，它依然不能退出，因为你存钱的目的是啥？不是为了方便，第一条一定是安全，对吧？今儿个存2000，明儿去就剩两块了，你干嘛这事？那这个风险是怎么被解决的呢？就是大数据的分析。因为这个数据分析啊，它可以帮助我们很快地区分出哪些线上申请的是好人，哪些呢是坏人。那通过这种方式啊，它就有效地降低了这种行为的风险。所以我们看，在这个例子里边，数据呢，就为公司带来了间接的价值。
那讲清楚了数据的价值啊，我们再回过来说说这个主题啊，啥叫数据思维。那它的定义啊，实际上就是通过客观的、有理有据的数据，能够证明当前的工作是否是正确的，以及对未来的工作提供有效的指引。那数据思维呢，它意味着看重反馈，意味着每个判断都要有科学的依据，而不能靠拍脑门儿啊，靠个人经验不行。而那些拥有数据思维的人呢，是依托测试之后的反馈再去做决定。没有数据思维的人啊，主要就是靠猜、靠赌、靠扔鞋啊，决定下一步的行动，这实际上就是一个区别。
咱们可以举个例子啊，比如说啊，咱们是做公众号运营的一个小编辑哈，你想衡量一下自己的工作能够带来什么样的价值，于是呢，你就做了一个转化的漏斗啊，分析一下当下的工作内容。首先我们来看看没有数据思维它会怎么样。第一层，你写上了啊，制作了一个内容，获得了1万次的阅读，1000次的转发。然后底下第二层了，有多少人注册了呢？试用了这个产品呢？不知道，画个问号，因为你没有数据分析选项。第三层，有多少人和销售人员建立了联系呢？啊，不光租车还用了，而且呢，还和销售人员建立联系了，还是未知，接着问号。第四层，这次宣传到底为产品带来了多少次真实有效的转化呢？又是一个问号，还是未知。那这就是没有数据思维的做事方法。所以你看你这个宣传计划，你这怎么有没有效，你就只能靠猜了啊，你只能靠碰了。那对吧，你点儿好就成了，点儿不好就完了。
我们再来看看有数据思维的人，他会怎么去做这件事啊。首先，唉，制作一个内容，并且呢，在这个内容里植入了个人微信和官方群。你为啥这么干？这是可以评估效果的监测方法之一。个人微信的新增好友数和官方群的入群人数，唉，这就是从这篇内容转化来的一个实际的数字。接下来呢，接着用这个转化漏斗，我们接着分析啊。你看啊，转化漏斗的第一层啊，这篇内容有50个加群用户。转化漏斗的第二层，这50个加群用户啊，有30个人注册了。你说你这数哪来的？就笨办法呗，对吧？你与这个官方群里每一个用户进行一对一的沟通，你拿到他们的用户名，你不就知道有多少人真正注册了吗？那接下来我们看看转化漏斗的第三层，50个加群的、30个注册的，到了第三层呢，这里边有11个人和销售呢，建立了联系。那得到这个数据方法也挺简单啊，至少有两种。一个呀，你自己在群里边就装成销售就完了啊，那你就知道了。还有一个是你有销售人员，那你就和人家沟通好，你让他把那数据和你同步了，你不就知道多少人和他建立联系了吗？那到了这个转化漏斗的第四层，就是通过和销售员的同步呢，你就知道了，说那11个和他联系，最终有五个人，唉，付费了。那你有效的转化你就知道了啊，50个加群的经过这层层的筛选呢，最后有五个付费的，那最终的这个转化率那不就10%吗？这就是我们说的数据思维的简单的应用啊。
总的来说啊，这个像我们古代的先贤们就说过啊，“以道御术，以术渠道”。那数据思维啊，是道，而回归的分析呢，就是术。那在他的指导下，我们可以把业务问题啊，也就是需要借助数据分析的问题，把它定义成数据可分析问题。那你说什么样的问题，我们可以把它看作是这种数据可分析的问题呢？它有两个特点啊，也可以说是两个变量啊。那第一个变量呢，叫做因变量，我们把它叫做 Y ，这个因就是因为的因啊，就是因为变量 Y 啊，就这么理解就行了。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。那举个例子啊，你比如说这个车险，对吧？对，拿车险说，对吧？业务的核心指标就是你是不是出险了。你比如说隔壁老王啊，买了咱们家的车险，那接下来这12个月它是不是会出险呢？如果它出险，那么定义老王的这个 Y 呀，它就等于一，这就说明这个老王手法不咋地啊，这开车也不注意。而如果他不出险呢，那定义老王的这个 Y 呀，他就等于零，那就说明这老王对我们来说，哎，这个是个天使啊，没有我们没钱吗。那在这种情况下呢，我们说的这个因变量的 Y 啊，它就是一个取值为0~1的因变量。
那说完了这个因变量，我们接下来就必须要了解另一个叫自变量，我们把这个叫自变量 X ，它主要是用来解释因变量 Y 的相关变量。通俗点说吧，就是这个自变量 X 的改变啊，它影响了因变量 Y 的变化。咱还是举个例子啊，假设老王啊，隔壁老王他想找我借这个1万块钱，那你说是不是得想想啊，你说是借他了，他还不还我呀，对不对？这个时候呢，如果你知道他家别要钱啊，他家房子都多少套啊，家里老有钱了，所以说我不太担心他不还钱，因为如果他真的不还钱了，那他有的是东西可以抵押，就我没啥损失，对吧？那如果这个业务分析它是正确的，那么就可以定义很多的 X ，用来描述老王的这个财产情况。你比如说 X 1啊，表示他有房；X 2表示他有车；X 3它表示它有什么黄金啊、首饰啊等等，这些东西可以抵押等等等。这些，这些 X 1、 X 2、 X 3等等吧，都是围绕老王的实物资产去设定的。这就是老郑要和大家说的第一部分啊，什么是数据思维。数据思维呢，是通过客观的、有理有据的数据，证明当前的工作是不是正确的，以及未来为工作他能够提供怎样正确的指引。那数据思维呢，它意味着看重反馈，意味着每个判断都要有科学的依据，而你不能靠这个拍脑门啊，靠这个个人经验或者脑补啊，你不能靠这个。同时呢，我们也了解了两个最重要的因素啊，一个叫因变量 Y ，一个叫自变量 X 。啊，大家别觉得烦啊，这两个在下面是非常有用的。
你知道啥是数据思维以后啊，我们就来聊一聊怎么使用这个数据思维啊，了解了解这个使用它的方法。那在这里呢，我们用几个统计学的小技巧啊，咱们好好地解释一下。
我们先说说第一个啊，叫做回归分析啊，就是第一部分我们刚才提了那么一句。那这个回归分析啊，他研究的就是这个因变量，就是我们说的目标啊，和自变量之间的这种关系。那这种技术呢，通常是用于预测分析。所以你看看任何可以预测未来的东西，咱们是不是都应该兴奋那么一小下子，对不对？而这个回归分析啊，它可以分成三个，一个叫线性回归，一个是0~1回归，还有一个叫定序回归。
那这个线性回归呀，呃，严格点说，它应该叫普通线性回归，它的特点是什么呢？就是因变量 Y 必须是连续型的数据，而这个普通的线性回归呢，他对这个解释性变量 X ，它没有什么太多的要求啊，就我们常说的什么 Y 等于2 X 之类的这些。那在数据的世界里边，这个线性回归呢，可以应用于股票投资、客户的终身价值、医疗健康等等领域里去。
那接下来呢，这个叫0~1回归，这就是因变量 Y 只有两个可能的取值，你不是零，它就是一。那举个例子啊，比方说性别，对吧？除了男，那就是女。那购买的决策呢，那要么买，要么不买，对吧？就两种。那这种0~1回归啊，它主要应用的地方呢，就是互联网征信、个性化推荐、社交、好友推荐等等，做社群这块应该用得上。
那最后一个呢，叫定序回归，就是说因变量 Y 啊，它是有顺序的，是按照从高到低啊，或者是从低到高啊，反正是按照一个有序的逻辑顺序排列的。咱举个例子啊，比如说现在啊，就是如果有那么个案件的话，请各位书友给我打个分，根据你的这个喜好程度，一表示非常喜欢，二有点，三感觉一般，四有点不喜欢，我非常不喜欢。哎，这就是一种定序数据。那定序回归的常见应用场景啊，主要是像什么电影啊、歌啊、这个你买的商城里买的那些东西啊，等等这些1~5星的这种。
你说那我们知道这回归分析分这三种有啥用没有啊？这三种实际上是回归模型，对吧？它主要是完成三个重要的使命。你像第一个使命啊，这个回归分析呢，你要去识别并且判断哪些 X 变量和 Y 是真的相关，哪些呢不是。而那些不相关的，哎，你就把它撇一边去就完了。最终的那个预测模型啊，你就不会把它放进去。那这么做的好处是什么？是当你在预测结果的时候，你不会被那些不相关的东西干扰你，进而让你做出的结果呢，不准确。所以我们说他第一个使命啊，是筛选的使命。
那第二个使命是什么呢？就是有用的 X 变量同 Y 的相关的关系是正的还是负的。也就是说啊，你要把一个大概的方向给他判断出来。你比方说咱刚才说老王那个还钱的事儿，借钱的事是吧？那假设说除了老王正常的上班以外啊，他还在这炒股，对吧？他的股票收入呢，和他的还款行为的可能性，是正相关还是负相关呢？对吧？你如果是正相关，那么老王的股票收入越高，他是不是还款能力就越强啊？那我就越敢借钱给他。如果是负相关呢，他的这个股票收入越高，说明他赌性越大呀，我越不敢把钱借给他，对吧？今儿有名儿没了嘛。
那第三种使命啊，就是赋予不同的那个 X ，就是咱说 S 1、 S 2哈，给它不同的权重，也就是说不同的回归系数。这样我们就可以知道说不同变量之间的相对重要事，就是啥最重要。那举个例子啊，啊，还是老王啊，也找我借钱，也不知道咋的了，都找我借钱。还有一个人也来了，老李啊，老王，老李都来找我借钱了。这个时候呢，老王他每个月的基本工资就是 X 1，我们说是1万块钱，可是他股票收入呢，是 X 2多少呢？零啊，人老王不炒股。老李呢，恰恰相反，他不上班，他没有什么基本的工资，所以他 X 1呀，他就是零，但是他们炒股啊，每个月的这个股票收入呢，就是，那 X 2呢，它等于1万块钱。那这个时候我就想问问大家了，哪一个的还款能力强呢？请注意啊，他们这个月总收入都是1万块钱啊，但是他们的还款能力恐怕是不同的。这个时候，如果我们能够通过数据建模，赋予 X 1和 X 2不同的权重，也就是不同的回归系数，那这个问题啊，实际上就非常容易回答了。你比方说我的这个权重的设计啊，是他每月的基本工资这个比重很高，达到了80%，对吧？那在 X 1这个选项里边，老王是1万块钱，对吧？那老李呢，是零。那你还用比吗？你不用想了，我更看重的是他基本工资还款能力，而不是股票的宏观能力，因为我觉得那个风险太大了，所以我把那股票那个在我这权重呢，放到了20%。那这种权重一对比你就知道了，那我肯定宁可见老王，我也不敢见老李呀。
那说完了第一个小技巧啊，我们再来聊聊第二个小技巧。第二个小技巧啊，叫做机器学习啊。在这里边呢，我们啊，着重的讲一下什么叫做朴素贝叶斯，它实际上啊，就是一种高频词和低频词进行归类的一种算法。咱可以举个例子啊，咱呢，还是说这个老王啊，咱刚才不是说老王上班了吗？啊，你说他上哪儿上班呢？他就是咱们那个市的市长热线12345的管理人员。他最近呢，他就发现这个接线人员的工作量啊，非常大啊，总在那加班，加班也干不完啊，因为这个工作量太大，很多人都吃不消了。于是这个离职率呢，也上升了，这给他愁的不行不行的。然后他就想说，有没有一种方法呢，能够提升工作人员的工作效率啊，少加点班。而就着这条线研究下去呢，他又发现了说，要是有什么方法哈，能够将过去的分类经验给他积攒下来，甚至说能够根据市民来电的信息记录，进行自动分类，那你说我得节省多大的功夫，对不对？于是呢，他就总结了这三个月近2000已经被分类过的这种投诉的信息，他这主要是想看看呐，这个投诉呢，主要集中在哪些部门。那于是呢，他就对记录里边的各个政府部门的受理数量啊，进行了一个仔细的统计。那统计完他就发现，在这个12月份啊，对这个市里的水务集团的投诉是最多的，而对市里的供电公司和市房地产集团呢，收到的投诉啊，反而是最少的。
那接下来呢，他又发现了，说在供热集团接受的投诉里边，室温和效果这两个词呢，出现的比较频繁。那通过这俩词儿咱就能猜出来嘛，对吧？你这些投诉大致的内容就是可能多人吐槽呢，说这个供暖后啊，这个屋里的温度还是很低，对吧？你供暖效果不咋地啊，我就交了暖气费，那为什么还是那么冷，对吧？而再从水务管理局受理的这个投诉的建议内容里边，我们就可以发现说自来水和维修唉，这两个词儿，它出现的频率就比较高。那我们就能猜测出来，可能这段时间呐，自来水表啊，或者说管道啊，啊总坏啊，总是需要去上门去维修的。那通过这些调查呢，老王就注意到不同的部门啊，受理的投诉建议的内容啊，不仅包含着这样有趣而且有用的信息，似乎呢，还反映了不同部门的职能特点。那有了这些资料呢，唉，他干脆他就做了个模型啊。那这个模型不用想了，里边肯定有俩变量嘛，对吧？咱刚才讲的嘛，一个是 Y 变量，这就是代表着投诉建议的受理部门，就那些政府部门。还有一个呢，是 X 变量，它代表的呢，就是已有的词汇表里边，各个词汇在投诉里边是不是出现过。你比方说提到自来水啊，你提到这个自来水的投诉建议啊，那就是属于市水务管理局职能范围的，可能性肯定要高于供热极端，对吧？那换句话说吧，当看到投诉的这个内容里边，有自来水这个词儿的时候，没有其他信息，那你猜一猜这条投诉线应该归哪个部门呢？十有八九都是给人家市水务管理局，对吧？所以呢，老王就运用这样的分析方法，成功地将本来属于人工分类的内容，给它转化成自动化了。所以呢，效率就极大的提升了，提升了不用加班了，那人员的流失率啊，也就降下来了。这就是我们说的数据化的经典应用啊。
那最后呢，我们来说说什么是非数据化的结构。咱之前讲的例子啊，最后都是将这个数据转化成为公式啊、数值啊等等这些数字模型，而非数据化和它对比啊，就是相当于将中文文本啊，当成了一种数据进行分析。你像咱举个例子啊，你随着这个互联网的发展嘛，对吧？用户评论出现在了生活的方方面面，你像咱们平时购物啊、吃饭啊、看电影啊、旅游啊等等吧，什么都可以拿来点评一番。那对于消费者而言啊，书写用户评论啊，就是他们分享经历、抒发感受的这么一个途径。那对商家而言呢，你说这用户评论它能产生什么价值呢？我们以这个手机产品为例啊，对这个用户尝试着进行一下分析啊，找一找看哪些关注点，可以真正的影响用户对手机的评价，从而呢，为厂商进一步的改善产品提供思路。你像首先啊，我们可以先对用户评论内容里边的热评词进行分析，对这个好评和差评里边出现的频数最高的啊，前100个词，我们给它做个词的云图。你说啥是好评和差评啊？好评那评分四五分呗，五分满分啊，好评四五分，差评就一二分呗，对吧？你在这里边找出频率最高的100个词儿，哎，你把它绘制一个词的云图。那这些高频的词啊，你刚整起来的时候，你瞅着肯定是杂乱无章，乱七八糟，对吧？但我们实际上啊，还可以从这里边儿发现很多亮点。你比如说在好评词里边，大家都提到了电池、屏幕、物流，对吧？那在差评的词里边呢，大家都提到了客服啊，当然他也提到了屏幕和电池。那这个时候我们就面临问题了，是不是这些方面让大家对手机又爱又恨呢？这就要求我们接下来进行更进一步的探索。什么探索呢？就是要寻找显著影响好评率的热评词，把这个好评率呀，当成我们的因变量，并且啊，同时控制每部手机的价格、品牌、屏幕、尺寸等等这些参数指标。那最后选出来的这个热评词啊，可能有四个，分别是物流、客服、电池和这个运行。那如果说其中物流这个词啊，是正向的，就说明这个物流这个词在手机评论里边出现的次数呢，越多，那这个手机的好评率啊，就越高。而客服、电池和运行这都是负面的，那就说明这三个词它出现的次数越多，手机的好评率呢，反而就越低。那有了这样的模型参考以后啊，我们就知道应该在什么位置加大我们的投入，我们的广告甚至怎么打也就知道了。
那这就是老郑跟大家分享的第二部分内容啊，怎么使用数据思维。这里边儿咱们介绍了以下三种方法，分别是回归分析、机器学习和非数据化结构。
那接下来我们聊聊第三部分啊，就是数据思维的应用场景。你像我们讲过了如何使用，那你说我们应该在哪里使用呢？那大家都知道啊，因为咱们创意读书会啊，是讲这个职场、创业和管理这三个方面的书籍，我们呢，也就从这三个方面入手，来讲一讲数据思维在职场、创业和管理方面的应用。
第一个啊，咱先说说这个管理里边，他是怎么能够提高沟通效率。你像我们在工作里边儿，经常会遇到这样的情况，就是数据专家说的都是技术语言，需求部门呢，说的都是业务问题，这两方沟通起来那可费老劲了对吧？因为你说的我也听不懂，我说的你也听不懂，就鸡同鸭讲嘛。那因为我说的你听不懂嘛，所以就瞧不起，唉，就就变成了互相瞧不起。那要解决这个问题啊，这不仅需要专业人士摆脱自己的知识的诅咒啊，就非得说点专业的词，你不说你难受，也需要呢，需求部门啊，去克服对数据的恐惧感。你公司的内部啊，自上而下都有必要培养一种数据思维。这就要求你的决策者啊，就是大领导，你要认识到哪些事和数据是相关，而需求部门呢，应该有将自己的核心诉求把他说明白的这种能力啊，你得把话说明白吧，对吧？你就像啊，有一个公司啊，非常看重这个数据对自己业务的影响能力，为了这事儿呢，特意成立了一个数据部门，专门就支持公司的这种业务发展。那公司为了扶持他们啊，啊，不仅配备了最好的分析设备，还给他们组建了优秀的技术人才。那有一次这个公司的领导层召开会议的时候，就问这个数据中心的这个主管，就问他，呃，你们这数据对咱公司现在都帮助到什么程度了。那主管就说了，他说我能够支持公司所有业务部门的工作啊。这话说的硬不硬，大不大啊，这实际上就有点夸张了对吧？因为我们之前讲过啊，在说那个回归分析的时候，说这个企业内部啊，它是存在很多变量的，这些变量啊，它可能是正相关的，也有可能是没关系的，压根儿没关系。所以就不可能存在啊，说这个可分析的数据啊，就能够适用所有的场景，那不扯淡嘛，对不？所以啊，这时候一个业务部门的主管就站起来了，说：“你别在那说了，还支持全公司业务，你那数据对我他就没支持啊，我咋啥也没看着呢。”那这一说，数据主管不乐意了，马上站起来也说：“你想要支持行啊，你也没给我需求啊，你不给我需求，我支持你啥啊？”他这话一说完，业务主管瞬间就黑人脸了啊，一脸懵，这啥啥还得提需求，啥需求我都不知道咋提需求，我都不明白你那玩意是啥，我提什么需求。你看，这是一个非常典型的问题，业务部门呢，就是数据部门的客户，可是我们的客户啊，只知道说自己需要数据分析支持，但是啊，他提不出需求，他不懂。一个很简单的原因，就是你数据部门呢，那是经过专门的培训，专门的学习是吧？你甚至专业就这个，可是那业务部门，绝大多数人根本就没受过这样的训练，所以他根本没办法去提出那些需求啊。那你说这时候应该怎么办呢？方法来了，你还记得咱刚才讲的 XY 吧，对吧？你只需要把因变量 Y ，把它这个定义啊弄清楚，然后呢，你给一些关于自变量 X 的一些想法，剩下的事儿呢，那数据分析的小伙伴，他就可以全力以赴了。你比方说啊，就我这个部门吗，我很明确哈，我要的实际上是什么呢？就是要提升我的这个团队的谈单的这种能力啊，就是我的业绩要翻番啊，这是我要的，你数据得告诉我，那我这里边那再明确一点是啥呢？就是我的团队啊，我的团队对这个目标和目标之间，它是一种什么关系。那接下来你就可以提了，比如说这个平常的这个培训的情况啊，啊考试的情况呀，这个出勤的情况呀，啊，参加早晚会的情况啊，那这个陌生客户的拜访啊、回访呀，啊，老客户的跟进啊等等，哎，一系列 X 你就给到他们吧，剩下的事呢，他拿着核心目标，拿着你说这个一大堆 X ，他就移动给你分析，就可以给到你支持。所以你看，从这个角度来看，数据对于企业的价值啊，最需要被普及教育的不是什么数据分析部门啊，而是业务部门。你只有当公司的全员都具备了朴素的这种数据价值观，都使用同一种回归分析的语言，那需求呢，才有可能被说清楚，那支持啊，才能够到位。
那接下来我们说说第二个啊，说创业中啊，如何抓住商业机会。我们上面说了这个管理，那接下来咱就聊聊这个创业。具备了这种数据思维啊，实际上能够帮助创业者抓住商业机会，但是呢，这有个前提啊，主要是三个步骤，这三个步骤你得弄清楚。你像第一个，我所在的创业方向，数据到底能不能帮助我；第二个，如果数据很重要，那么将业务里边的因变量 Y 和这个自变量 X ，你就需要梳理清楚了，像刚才老郑给大家举了个例子啊；第三个，在战略层面，保证 Y 和 X 的高质量供给，而且是长时间的这种积累。我给大家举个例子啊，比如说这个抖音啊，现在比较火，大家呢也干了一个个抖音号啊，觉得说我得好好运营它。那你也知道对吧，这个抖音上你想火下去，那首先原创的内容我们是鼓励的对吧？那假如说你给自己定了一个啊，目标，比如说那 Y 你定的是啥呢？你说这个，你比如说我要给自己一年的时间，我就让我的抖音号啊，达到多少多少人的粉丝啊，我要成为一个大号啊，这是你的这个目标。那 Y 定完了，你得定 X 就是自变量对吧？自变量有啥呢？什么能够影响到这目标，比如说更新的频率啊，你更新的内容光抄不行吗？你得原创吧，等等等等。这一大堆东西，你挨项去准备。我单独载一个，比如说内容你得看一下，既然是一年的时间啊，比如说你一天一更，那就是365更，那你有没有这样高质量的内容可以连续输出365天呢？你有没有这样的数据，你说我这有一拍脑门子挺兴奋的，结果捋到后来就35个，你后边那300多个你上哪整去？那这种情况下，你就实现不了战略上的高质量供给和长时间的积累。
那聊完了创业啊，我们可以聊聊这个职场啊，它可以帮助我们培养思考的模式。那假如我们既不是创业者啊，所涉及的这个业务问题，又和这个数据分析八竿子打不着啊，那你说我培养这种思维有啥用呢？事实上，生活里边的大部分小事，这个数据思维呢，都可以给你启发，关键就看你怎么用了。你看，首先，培养数据思维啊，能够帮助我们养成一种思考啊，有的放矢的习惯啊，碰着什么事儿，我们先分析目的是什么，核心诉求是什么，因变量 Y 是什么。其次呢，搞清楚目的以后啊，你就能够将注意力聚焦在相关的自变量 X 上，你像老张刚才说那个抖音那个啊，就那个意思，这样你就不会陷入那种一眼看过去，这家伙全是重点啊，全是要干的事，那不迷乱了嘛，对吧？那最后呢，我们可以尝试最简单的分析啊，那个专业的建模，咱先撇一边去啊，不说那玩意，那至少我们可以区分一下，哪些是相关的关系，哪些是因果的关系。你举个例子啊，你就拿咱们说这个教育孩子啊，这拿这个来说啊，你先要思考你要培养的是什么样的孩子啊，也就是你要培养孩子的大方向，做企业一样嘛，战略嘛，方向。接下来呢，才是去找能够达到你培养方向的那种手段和具体的方法。你比方说我要培养一个具有开放性思维的孩子，那这就是我的因变量 Y ，那我就在陪他学习的过程当中啊，一起做一些突破性的思维游戏，做一些数学逻辑游戏啊，我会用头脑风暴的原则去玩故事接龙等等这些游戏。那这些都是我的自变量 X ，而且阶段性的呢，我还会评估孩子的学习效果，根据他的喜欢程度，我不断的调整这些方法。那这就是能帮助我们区别出哪些是相关的关系，哪些是因果的关系。
那这就是老郑为大家分享的第三部分内容，数据思维的应用场景。在管理当中啊，需要公司的相关部门啊，尤其是业务部门，它能够运用回归分析的这种方法，找到业务变化的自变量。那在创业当中呢，需要分析自己的商业模型啊，就是那个因变量 Y 和自变量 X ，它俩之间的关系要保证，要从战略上保证这个 Y 和 X 的高质量供给和长时间的积累。那最后呢，在生活里边培养数据思维呢，能够帮助我们这种形成有效的思考习惯。
那现在啊，随着各类这种大数据应用的涌现啊，各类实体都开始数据化了。大数据时代的魅力和破坏力，已经开始呈现出来了。那在时代的变化当中啊，最关键的是什么？就是先要跟上这个时代，你因为你跟不上，那就被淘汰了。总的来说啊，这本书的核心价值呢，就是在于将具体的业务问题，把它定义成了一个数据可分析问题。那通过描述、统计、数据可视化、回归分析、机器学习等等一系列的方法，进行了数据的分析和建模。最后呢，通过流程的改造、产品的设计以及进行有效的数据业务实施，那就有可能让数据呢，为我们产生真正的商业价值。那就算是大家暂时的工作和数据没有太直接的关系，我们具备了这样的思维，至少我们不会被这个时代给淘汰。
"感谢喜欢，赞赏支持是对我的鼓励。"
很赞哦！ (0)
