你好,游客 登录 注册 搜索
背景:
阅读新闻

数据化管理:数据咋了?就喜欢看你被忽悠的样子!

[日期:2016-07-26] 来源:数据分析精选  作者: [字体: ]

  从一张图片说起,今天上午有粉丝@给我一条微博,让我解读一下。这是一个财经媒体发出的一条微博,配图(下图)是今天贵阳三家报纸的同一条消息,初步一看,貌似三家媒体的结论有些矛盾异常的地方。

数据

  出于职业的敏感性,我肯定不会被标题党忽悠到,一定会找到文章的出处详细阅读。

  数据源:2011年贵阳市的住房月租金每平方米均价为21.21元,2016年6月租金每平方米均价为23.44元。5年多只上涨了10.51%(贵州商报数据出处,下称贵商)。2011年贵阳市住宅按套计月租金为每套均价1216.5元,2016年6月每套均价为1435.27元,5年多只上涨了17.98%(贵州都市报数据出处,下称贵都)。5年间,租金历史最高是在2014年,月租金每平方米均价为24.82元,2015年月租金每平方米均价下降为23.65元,2016年6月,月租金每平方米均价已经下滑至23.44元(贵州晚报数据出处,下称贵晚)。

  经常看我微博微信的朋友知道,我经常揭露一些数据忽悠的事情。从数据源来看,三家媒体的标题数据都没有问题,没有忽悠人。反倒是把这三张报纸放在一起对比的媒体,有故意挑事儿的嫌疑。

  不过,这三份报纸真的没有忽悠吗?其实有,他们在选择不同的结论。贵商和贵都选择了突出涨,贵晚选择报道主题是跌。不过总体上三家媒体都是在报道事实。

  回到今天的主题,企业数据分析层面上来。做数据分析的都知道,选择不同的数据、指标定义、权重值、区间都会产生不一样的结论。很多企业老大们看到的数据其实是被分析师或业务人员“筛选”后的优质数据,所以我经常说数据分析是良心行业。数据是客观的,数据背后的人是主观的。

  举几个栗子来说明,以下所有数据均为虚拟,如有雷同那就巧合了。

  1、不同的数据源不同的结论

  前面租金的案例其实就是这点的最好证明,选取不用的数据源结论自然就不一样了。大家可能还记得去年好几个手机厂商都说自己的市场份额第一,有的公司用金额计算市场份额(单价高的公司就会占便宜),有的公司用出货台数算市场份额(这有利于单价低的公司),有的公司说自己在细分市场份额第一(比如白领市场份额第一,学生群体市场份额第一,高端机市场份额第一等)

  不同数据源不同的结论是很多公司忽悠消费者的有力武器。

  2、同一组数据不同的指标

  二战中某7人雷达小组,雷达小组军官一再向上级机关请求加强力量,增加1-2人,可是一直没有得到批准。但当其中一名成员的神经崩溃时,这位军官改变了策略,他的申请报告是这样写的:“14%的人员由于过重的负担而变得精神恍惚,甚至出现神经错乱的现象。”结果是由于这份报告,这位军官得到了比他原本能得到的多得多的人员。

  最初他用的是绝对人数这个指标,后来改成百分比这个相对指标效果就大不同。

  3、同一组数据不同的指标定义

  做销售几乎都知道库存周转率这个指标,它一般是用来衡量企业营销人员管理水平的一个指标,在一定标准内一般越大越好。但你可知道,用来衡量下属的这个指标可能被他们“合理”的用来忽悠过你!

  公式如下:

  库存周转率=(某个销售周期内的)销售金额 ÷ 平均库存金额

  周转率的分母是平均库存,常规用法是(期初库存+期末库存)/2,但是如果改变指标定义的话却有提高库存周转率的功效。

  某个公司下面的某个区域期初库存200万元,当年共销售了2000万元商品,如果进货金额实际是2300万元,意味着期末库存是500万元。

  用前面公式期初期末平均库存的算法得出来的库存周转率是5.7次。

  假如进货销售节奏如下图,用月平均库存算库存周转率是6.3次(每月进、销数据不同,计算结果会有差异,不一定都是6.3),高于第一种算法。

  数据没变,仅仅是调整了平均库存的算法库存周转率就由5.7升到了6.3,其实再换一种算法库存周转率会更高。如下图,将每月的月库存周转率相加得到年库存周转率,值为6.8。

  这就是传说中的孙悟空的72变,哪种指标定义好看就用那种。

  4、同一组数据不同的权重值

  小张是某公司的HR总监,今年公司要评选一个上半年的优秀销售团队出来,可供参考的指标如下:

  如果从平均值来说B团队无疑就应该是最佳销售团队,但是小张有点私心,希望C团队获奖,怎么办呢?这难不倒小张,调权重呗。

  如果用平均值C团队排在第三,如果按0.4-0.3-0.3来分配三项指标的权重的话C团队还是第三,不行。权重改成0.3-0.3-0.4时C团队排在第二名,还是不行。最后小张用了0.3-0.2-0.5的权重分布,成功让C团队变成了第一名。

  我想说的是:权重是非常好的耍流氓的手段。别告诉我你没有耍过哦。

  5、同一组数据不同的业务背景

  小王是一个零售公司的销售经理,7月31日刚过,他就迫不及待的让下属给自己本月同店同比的增长数据,下属告诉他今年7月比去年同店同比增长了1.0%。小王悬着的一颗心终于放下来了。因为上个月老板给了他一个死命令,7月如果同店同比数据不能增长的话就让他下岗。

  不过最后小王还是下岗了,因为老板说他的同店同比数据是负增长,没有达到预期值。小王觉得自己比窦娥还冤枉,明明同店同比是1.0%的增长啊。老板给出来的理由是因为去年7月只有4组周六日,今年7月有5组周六日,根据零售企业的规律,多一组周六日销售就应该增加4.6%才算打平(不同的企业这个值会不一样,一般在3-5%,可以根据企业历史数据算出来的)。

  这就是同样数据但是在不同的业务背景下的解读差异。

  为了不被别人忽悠我们每个人都需要练成一双火眼金睛,在拿到数据报告的时候先问对方的数据来源是什么?指标定义是什么?尽量多问几个问什么,只有完全的理解了数据之后才可能减少被忽悠的几率。

 

  咋了?你以为你看到的就是你看到的么?有些人就喜欢看你明明知道在忽悠你却找不到忽悠证据的样子。





收藏 推荐 打印 | 录入:elainebo | 阅读:
相关新闻       数据化 
本文评论   查看全部评论 (0)
表情: 表情 姓名: 字数
点评:
       
评论声明
  • 尊重网上道德,遵守中华人民共和国的各项有关法律法规
  • 承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  • 本站管理人员有权保留或删除其管辖留言中的任意内容
  • 本站有权在网站内转载或引用您的评论
  • 参与本评论即表明您已经阅读并接受上述条款