?很多新人讀不懂數據含義。對著報表，只會和復讀機一樣叨叨：“昨天銷量100，今天銷量120，增加20……”講這些只要不是瞎子都能看得到的東西。也因此經常被笑話。咋辦？！

讀懂第一階段：明指標

給一個數字：180，能看出含義不？

不能！

因為這就是孤零零一個數字，啥含義都沒有。想讀懂數據，至少它得是一個明確的數據指標。包含了指標名稱，使用場景，計算口徑。同樣是180，我們換成：成年女性，身高180cm。是不是一下清晰很多了。

讀懂第二階段：立標準

而且很多人可能已經有了本能的判斷：這個女生個子很高。這么判斷，可能基于數據統計。根據2015年《中國居民營養與慢性病狀況報告》，報告顯示，成年男性平均身高167.1cm，女性155.8cm，也就意味著180cm已經超過大量男性身高了。可以定義為高。這么判斷，也可能基于約定俗成的習慣。比如習慣來說，女生超過170已經算高個了，180更是超大個。肯定算是高了。

兩種判斷都沒有錯，其實都是進一步讀懂數據的方法：統計法和習慣法。統計法基于數據統計上的差異進行高中低劃分。習慣法則是把人們約定俗成的習慣量化。

從“成年女性，身高180cm”到“成年女性，個子非常高”是讀懂數據的一個重要轉折。因為180cm是一個客觀數值，不能直接影響我們決策。但是“高”是一個判斷結果，這個判斷是會影響我們決策的。不信繼續往下看。

讀懂第三階段：合場景

場景1：小明身高175，二姨很熱情的介紹了一個180的女生來給他相親。

場景2：小明在組織一次展會活動，需要5名模特，HR linda介紹了1個180女生給他。

問兩種場景下小明的心情如何？

有些女生會嫌棄比自己矮的男生，很不幸，小明就是被深深嫌棄過的一名靚仔。所以小明遇到場景1估計就直接罵娘了：“早就說了不要找比我高的，你丫是誠心給我難堪嗎！”——這就是無視別人要求的結果。

場景2估計小明會很開心。展會的模特嘛，就是要人高馬大模樣俏，這樣才夠排面。當然肯定出場費貴很多。這時候要是圖便宜，隨便找幾個矮個子妹子，估計領導看到身高就要開罵了——給你們費用，不拿來貼門面，拿來擦屁股嗎！

所以想再深度讀懂數據，一定要結合具體場景。這里有兩種做法：

1、基于業務邏輯推演

2、基于過往經驗總結

兩種方法，都需要對業務場景的深入了解（如下圖）：

讀懂第四階段：觀態勢

經過前三階段，我們已知的信息是：

1、成年女性180cm屬于：高

2、找模特需要個子：高

3、個子高+模樣俏=價格貴

在這些基礎上，再看數據，又會有新的解讀。

比如你負責籌劃展會，你下邊的廣告公司推薦的現場模特身高如下：

看完以后，你可能馬上讀出：這幫孫子又想黑我的費用！偷偷摸摸給我換了一批便宜的模特！是滴，這個解讀就又比“誒呀，身高縮水這么多”更進一步，這就是第四階段的解讀。

同樣的數據，如果你沒有讀出這個，直接發給了領導，領導看完可能立馬解讀出：這個新來的小伙子不懂業務呀，哪有排面活做得這么寒磣的。

同樣的數據，如果領導沒有處理，真的找了一批隨便什么人去展會。你的經銷商們看了以后，立馬能解讀出來：誒呀，今年這品牌實力是不是有問題呀，你看展臺面積也縮水了，新品發布會也不熱烈，模特都是湊數的，不行不行。

所有這些都是基于一個身高數據，所謂見微知著，其實背后都是有邏輯的推理（如下圖）:

讀懂與瞎胡亂讀的區別

當然，解讀數據也是有限度的，過分解讀，或者隨便亂猜，都會導致錯誤理解。比如：

隨便亂猜：你看模特都是美女，所以他們的老總肯定好色。

過度解讀：你看這次請了九個美女模特，肯定有九款產品發布。

讀懂與隨便亂猜的最大區別，就是證據數量。比如上邊經銷商質疑品牌商實力，并不只是孤零零地看模特身高變化，也看了展臺、看了新品發布會，有多個證據支持，解讀自然接近真實。隨便亂猜常常是毫無依據（好色的證據呢？）過度解讀，常常是孤證不立（除了九個模特，還有其他證據嗎？）。

當然并不排除我們獲得了更多證據以后，有個新的解讀。邏輯性+證據數量，是判斷數據解讀的唯一標準。只要有充足的證據+合理的邏輯，我們就有理由接受結論。

為啥企業里解讀數據很難

為啥例子里解讀數據很容易，可實際工作中很難呢？答：因為身高、相親、展會模特這些例子，本身業務含義非常簡單清晰，容易懂。可實際工作里，數據分析師常常脫離業務，對具體銷售、運營、產品、售后等等情況一無所知，只能通過：銷售額，毛利、活躍率、轉化率等幾個數字做簡單猜測。

常見的問題，比如：

不懂業務含義：為啥相親要關注身高？不是看有沒有感覺嗎？

不懂業務情況：為啥小明不喜歡高個子女生？高個子才是靚女啊！

不懂業務邏輯：為啥展會一定要找高個子模特？隨便去幾個人不行嗎？

這樣導致的結果，是無從對數據下判斷。于是只能流于“昨天銷量120，今天140，增長20，增長了16.7%”這種毫無意義的流水賬。關鍵是，這些判斷很有可能在業務看來是常識，所以在溝通中出現了“業務懶得說，數據不知道問”的尷尬場面。最后怪罪到數據分析師頭上的時候，他還可憐巴巴地：我又沒相過親，我又沒做過展會，嗚嗚嗚……

所以想解讀得深入、具體，就得貼近業務，學會從具體操作中抽象出數據含義，將業務方的判斷量化。?