客观严谨：事实+论证过程+观点，打造高水准分析

在没有数据分析的时代，企业的决策往往依靠领导的智慧和经验。但是这种决策，太依赖于个人能力，不仅不容易复制，而且很多时候只是靠领导的直觉，很多员工心里未必接受决策结果。

数据分析其实就是用数据作为事实，用严密的逻辑分析，揭示业务现状和发展趋势，得出科学的结论。这样既可以避免“拍脑袋”决策的情况，还能够让所有人了解决策的事实依据和逻辑链条，从而认可决策的结果。

但很多新人分析师学会了很多分析方法，但是客观严谨的思维还没有掌握，在平时的分析和沟通中容易给人留下了一种“不专业”的印象。

比如在业务方案讨论会议上，小白分析师发言的时候不自觉地就会说“我觉得应该怎样怎样……”。这种发言如果是日常的沟通问题不大，但在有领导在场的严肃会议上，你这样就瞬间暴露出了你不够专业的底色。你作为一个数据分析师，你提出想法的时候全凭主观感受。你的数据呢？你的分析呢？你虽然可以做一些特定的数据分析工作，但是本质上你不是用数据和逻辑思考问题的。

所以今天我想跟你分享的是数据分析师的客观严谨，这是鉴别你专业与否的临界点。

为什么客观严谨那么难

做到客观严谨有点难，为什么？因为人脑有两种思考方式：直觉思维和理性思维。要做到客观严谨，就必须用理性思维思考问题。

但人是优先使用直觉思维的，因为直觉思维可以快速做出判断，节省了大量的能量。

例如：辨别下面两个柱形图的长短。直觉思维只需要一眼就能看出来。而计算第二个柱形图的提升比例，则必须要集中注意力，使用理性思维。

但是直觉思维的缺点同样明显，就是直觉思维非常容易出错。

比如，当有人问你“新产品的表现还可以吧？”

你的直觉思维会马上想起新产品多种好的表现，而当问题变成“新产品表现是不是不太好？”你就会马上想起新产品那些不太好的表现，进而倾向于得出“表现不太好”的结论。

新产品表现到底好不好，不应该被问题所影响。如果理性思考过这个问题，那么不管对方怎么问，答案应该是一样的。

所以我们的基因让我们天生倾向于使用不怎么可靠的直觉思维，不经过专门的训练是没法克服人的天性。

什么是客观严谨的分析

其实，客观严谨的分析=事实+论证过程+观点。首先，我们需要区分什么是事实，什么是观点。

**事实：是记录的客观存在，不以人的意志为转移；

观点：则是思想的主观判断，可以“仁者见仁、智者见智”。**

我举个简单的例子，帮你感受一下:

• 某平台上的《数据分析思维》课程是一门关于数据分析思维的课程。

• 某平台上的《数据分析思维》课程是最好的数据分析思维课程。

这样两句话，哪句是事实，哪句是观点？应该很好区分。

第一句是事实，这门课程是不是讲数据分析思维，是客观存在的事实。

第二句是观点，这门课程究竟是不是最好的数据分析思维课，有的人会这么认为，但也有人不这么想。哪门课程最好，是个非常主观的事情，不同的人有不同的标准。

事实和观点，看起来很容易区分，但如果表达不够精准，那么虽然看起来像事实，但是别人的理解却是观点。

比如上图所示，小白说本月的销量大幅下降，这看起来很像是一个事实。

但是小黑却觉得这是小白的观点，因为明明销量值下降了 10%，跟历史同期相比完全正常，算不上“大幅下降”，只能算“正常范围的波动”。另外小灰也觉得这是小白的观点，因为本月销量虽然相比上月下降，但是整体趋势依然是提升的，小白说的“大幅下降”把问题说得太严重了。

所以如果要说出精准的事实，你可能得说：本月的销量环比上月下降 10%。

你看，同一份数据事实，不同的人会得出不同的观点。所以，为了统一大家的意见，在事实和观点中间，我们还需要增加一个论证过程。

比如你说：

落地页转化率是 1%，转化率较低。

估计绝大部分的新人分析师在分析报告都会这么写。这里“落地页转化率是 1%”是事实，“转化率较低”是观点。虽然有事实支撑，但是这个观点很明显有问题，凭什么 1% 就是低呢？很多新人评判高还是低完全看数字大小，觉得 1% 这么少肯定算低了。但业务人员一看，觉得这个转化率很高，因为平时的转化率只有 0.5%。这就是大家的论证过程不同导致的观点不同。

所以客观严谨的分析=事实+论证过程+观点。

如何陈述事实

陈述事实，有这么几个要点：

• 避免模糊的名词

• 用具体数据代替形容词副词

• 专业名词不要搞错

下面我们逐一来看这 3 个点具体是什么。

1. 避免模糊的名词

数据分析工作中像“活动效果”“满意度”“流畅度”等名词，每个人都有不同的看法。

比如“活动效果”，有些人会觉得活动效果是活动带来的销售额，有些人会觉得活动带来的销售人数。如果每个人对这个名词存在完全不同的理解，那在沟通中，就会带来许多麻烦。

所以，我们要明确具体的可衡量的指标或名称，常见的指标类型会在后文详细讲解。

2. 用具体数据代替形容词副词

我们通常喜欢用模糊的形容词或副词描述某种程度，比如“很多”“很好”“可能”“大幅”“一部分”等。这类词每个人的理解也是不同的，如果想当然地以为其他人和你的理解是一样的，就会出问题。

不信你可以试试在向老板汇报时说：本月业绩表现不错，就算当月业绩真的还不错，也会被老板一顿狂喷。毕竟老板永远都觉得还能做得更好，而你的标准跟老板的标准肯定不在一条水平线上。

3. 专业名词不要搞错

有时候不是分析师主观上不说事实，而是专业名词搞错了，说出来自然也就错了。

比如：上一次活动的转化率是 10%，本次活动的转化率是 15%，本次活动转化率提升了 5%。

这个表达有问题吗？

如果你觉得这个表述没问题，那么你的专业名词需要补习一下了。因为百分比和百分点在统计学中有区分。

百分比：是一种相对数，它表示一个数是另一个数的百分之几。从 1% 提升到 2%，就是提升了 100%。

百分点：是以百分数绝对值的形式表示变动幅度，从 1% 提升到 2% 就是提升了 1 个百分点。

所以案例中原转化率是 10%，现在的转化率是 15%，那么就是提升了 50%，或者说提升了 5 个百分点，这样的表述才是客观的。

日常工作中还有一些比较容易搞错的名词，比如“比例”“比率”“倍数”“番数”等，尤其是各种业务汇报中，每个人理解的不同，就可能会导致重大的决策失误。

如果你这一方面不是特别清楚，可以搜索一下数据分析专业名词、统计学专业名词等补习一下。等你搞清楚这些概念后，再向业务方宣贯这些知识，这样大家沟通起来就方便很多。

如何陈述论证过程

陈述论证过程，就是你必须说清楚你的分析方法是什么，你是如何得出结论的。

没有学习过理性思维的同学在得出结论的时候，很容易陷入“直觉思维”当中，说不清楚自己是怎么想的，别人质疑结论的时候只会说“这还不明显吗？”。

而我们要说清分析方法的话，就必须得了解有哪些分析方法。常见的分析方法是逻辑推理方法，有演绎法、归纳法、类比法等，这部分内容比较多，在之后的 04 课中，我会单独开一节课详细地说明。

这里我想说一点，数据分析师要保证结论在逻辑上是正确的，但是并不能保证在业务上也是正确的。因为我们能拿到的信息是有限的。你不可能在每个人的大脑里装一个监控器，知道每个人每时每刻的想法，所以我们得出的结论，也必然只是在不完整的数据基础上得出一些片面的理解，所以要接受数据分析结论在业务上不成立的情况。分析能力的提升只能降低这种情况的发生，但是不能完全避免。

虽然分析出的结果对业务来说不一定是正确的，但是只要结论是逻辑严谨的，我们就有复盘的可能。最后的业务结果错了，我们复盘推导逻辑可以知道问题错在哪，就能很快纠正回来。而如果结果对了，我们这次的论证方法又可以复用到其他类似的场景中。

就好像学生时代，如果你不知道知识点，就算知道了这次考试的答案也没用，就算这一次做对了，下一次考试你还是会错。你背答案的行为只能让你对这么一次，对之后的考试没有任何帮助。而如果你知道了知识点，依靠自己对知识点的理解答题，最后如果考试成绩不好，你也知道是哪一块知识点需要加强。长此以往，就能不断成长。

我看一个数据分析师的潜力也往往看他的思考过程是否清楚，因为只要思考过程清楚，就有持续进步的可能性。毕竟新人对业务不了解很正常，只要逻辑清楚，之后熟悉了业务自然也就能输出好的结论。但如果思考过程不清楚，哪怕这个分析师分析出很多好的结论，也很难总结出经验，成长空间有限。

所以数据分析师，结论可以错，但过程一定不能错。

观点不要预设立场

有了事实和论证过程，那么引出最后的观点，也就顺理成章了，所以这里就不多说如何陈述观点，我着重说一下观点论证最重要的注意点——千万不要预设立场再做论证。

比如，转化率下降了，业务方（运营）的第一反应肯定觉得不是自己的问题（先甩锅）。因为感觉自己的运营活动明明做得很成功，转化率下降一定是行业因素、用户质量或其他外部因素导致的。然后为了证明这个观点，他们顺着这个预设的前提，找到一些相关的证据来解释转化率下降的事实。

你可能会说，如果转化率确实不好，那也很难甩锅啊？其实，只要你想要证明一个观点，不管观点多么荒谬，总能找到支持你的理由。

比如，数据口径差异。想要证明一个错误的结论，最简单的办法就是用不同口径的数据作对比。

今年受新冠肺炎疫情等因素影响，印度 4 月至 6 月的季度 GDP 暴跌 23.9%。印度媒体称，印度在这一季度的经济表现是全球倒数第二，美国倒数第一。

其实这倒数第二是刻意混淆了数据口径。美国的 GDP 算法是年化环比算法，是单季度比上季度比值的四次方，也就是假设整一年都受新冠疫情影响并且隔离在家才是下降 32%。而印度是实打实地下降了 23.9%。印度媒体为了安抚国内情绪，实在是不好意思承认自己是倒数第一。

再比如，刻意挑选的数据。通过刻意挑选的数据也可以证明一件看起来非常荒诞的事情。

比如证明中国男足是世界强队行不行？当然行。请看下面的事实。

1.哥斯达黎加是世界杯史上为数不多能够战胜中国队的国家。

2.即使是巴西队这样的世界强队也仅战胜过中国队一次。

3.自 2002 年韩日世界杯后，中国队在世界杯正赛上不败纪录已经延续 18年。

4.纵观漫长的世界杯史，中国队也仅输过三次。

5.中国队从未在世界杯点球大战中失利过。

6.中国队在领先的情况下从未丢过球。

上面每一条都是真实的数据，但是结论却是非常可笑的。

你看，只要你想证明一件事，总能找出一些证据。所以，预设立场再去找证据是一件相当不靠谱的事。

你可能会问，数据分析不就是需要假设检验吗？是的，但是假设检验≠预设立场。

预设立场，是要找到证据来证明猜想，一个数据不行，那就换另一个数据，直到能证明这个观点为止。这一套玩法算命先生很熟，算得不准，那是你心不诚，算准了，是我水平高。不管结果怎么样，立场都不会变。

而验证假设，则是事先规划验证这个假设需要的数据。如果数据最终不符合假设，那么就抛弃这个假设。

好的数据分析师，能够根据客观数据，随时抛弃旧的假设，并建立新的假设。其实抛弃固有的思维定式非常反人性，这也是为什么说数据分析需要专业训练的原因。