编者按：本文来自微信公众号“友盟全域数据”（ID:umeng_data），作者：友盟+ 资深数据分析师相峥
疫（zhái）情（jiā）期间，数据分析领域涌现出很多民间高手，数据玩家各显神通，或通过仿真程序调参，模拟病毒传播，强调不要出门对控制传播的重要贡献；或用自然语言处理工具+词云，直观展示每日新闻热词的演进变化，或现场教学如何爬取网站上的实时病例数据，用作进一步分析。
这些数据建模能力、数据开发技术固然是非常可贵，但是我们也发现，人人都能上手的、统计性、描述性的数据分析，同样能发挥出巨大的洞察作用和价值。
数据分析的七个方法
早在1月21号，大众对疫情的关注度刚开始爬升的时候，有公众号把各省市病例数据和往年春运迁徙数据做了一个“略显粗糙”的相关性分析，根据初步验证的正相关关系指出，湖北省内一些城市和武汉来往密切，疫情状态可能被低估，湖北省外的重点城市要加强机场或铁路方面的预警。这些分析就充分运用到了趋势监测、横向对比、维度拆解等来判断的。
如在科普号“回形针”的视频中，这样一个数据推导小环节令人印象深刻。
⁃首先，作者认为，湖北省内外的疫情发展状况差异很大，湖北省内的确诊诊断工作压力较大，很可能在数字上有滞后，因此要将湖北和非湖北数据“拆分来看”。
⁃下一步，他认为用总病死人数除以总确诊人数得到的病死率，是不准确的，快速增加的确诊病例数（分母）会稀释这个百分比，于是选择采取尽可能接近“同期群”的方式来处理。
⁃进而，他依据当时文献，得知报告确诊到报告死亡的平均时间是8天，那么最近3天的新增死亡病例大概率来自8天前确诊的那些新增病例，在这样一个“同期群”当中，得到湖北省外病死率在1.1%左右的，如果暂且认为湖北省内病死率也在相近的水平，那么反除可得到上万人的湖北省内感染人数。
⁃根据现在的信息，湖北省内的病死率会比其他地区高一些，所以这个计算结果可能是大几千这个水平，这与后续疾控中心披露的数据非常接近，而作者精巧的分析得益于对数据进行合理的“维度拆分”和“同期群”思路的应用。
还有我们每天会关注的疫情数据报表。以丁香园为例，丁香园出品的数据报表，用公众都能理解的朴素数据分析，细致解读国家和各地卫健委公布的疫情数字，帮助大家提高对疫情的正确认知。它善于：
-不靠肉眼看趋势，用环比量化增长率
-针对数据波动（如新增确诊一日暴增一万，病死率降低后又逐步走高），有理有据给予说明
-对比SARS、MERS、H7N9等重大疫情的相关数据，认识本次疫情特征
-将关键指标按省份/城市拆分，结论更清晰明了
-除了宏观指标，就特殊群体感染情况（如老年人、医务人员）做详细分析
-确保指标计算与分析解读的专业性，及时指正市面上流传的错误图表
不难发现，我们每天看到的优秀数据解读背后蕴含着数据分析的七个方法：
- 趋势监测：指标定义正确，历史口径一致
- 横向对比：参照对象可比，广泛收集数据
- 维度拆解：维度拆分合理，结论指导行动
- 过程拆解：业务逻辑清晰，指标表征转化
- 因素拆解：铺展相关因素，数据掌握全貌
- 分群洞察：分群不重不漏，圈人深度描摹
- 个案细查：采集最细颗粒，多源数据关联
三驾马车 产出高价值数据分析
现在已经是2月末，大部分人已陆续复工，那么回到我们自己的业务上，如何更好的做好数据监测呢？
数据分析光有思路还远远不够，对具体业务的理解、数据采集的质量、分析工具的灵活是让数据分析高效率地产出价值的三驾马车。有了业务理解，才能提出合适的问题、规划数据需求，在采集上就尽量确保全面、口径一致、颗粒度满足拆分需求，到了分析环节的时候，有灵活的工具来实现各种折腾数据的想法，再有业务理解去加持数据的解读，这样才是真正能发挥价值的数据分析工作。
首先，业务理解和数据采集是数据分析、数据化运营非常重要的前提条件，指标体系就相当于是二者之间的重要桥梁，也是很重要的一个落地产物和载体。如果是数据相关的岗位，强烈建议大家去牵头了解各个业务方、甚至是管理层，他们的业务目标是什么，他们想要看数据是要回答什么样的问题，从而避免成为一个被动的、没有灵魂的SQL Boy。
如果是产品、运营等等业务岗，对这个问题的再度思考也不为过，虽然“核心指标 = 业务阶段 * 行业特点 * 企业战略”，但是前两者属于一般性的规律，同一个行业、同一个发展阶段的企业，也会因为商业模式、优势、发展侧重的不同，量身定制核心指标，因此，“企业战略”一定程度上凌驾于前两个因素之上，不仅是一个监测作用，更是一个指引，代表了战略决策、业务目标的方向。
接下来，明确了核心指标之后，日常需要用到的指标应做好分级分类，不仅有利于数据的管理和使用，也能全面规范地对埋点工作提出需求，确保采集的准确和连贯。大体上遵从战略管理层面的核心指标、业务线层面的子指标、业务执行层面的过程指标的原则，具体拆解没有严格的一定之规，几个常见的方法有：
-类似杜邦分解的树状结构，指标之间尽量保持明确的公式关系
-用户生命周期*分析主体，借助分析视角的不同，沉淀相应的维度搭配
-再或者，直接依照业务线/团队职责划分，更加方便需求的收集
微信扫一扫 
支付宝扫一扫 
