数据常识：数据思维的第一基石

数据常识：数据思维的第一基石

1个误解

大家一直会强调「数据思维」很重要。对数据思维，我觉得有个误解：

数据思维的核心不是「算数快」，也不是「会跑数」。

数据思维是基于数据提出问题和解决问题。

同时，我也有一个暴论，大部分的问题，都可以通过加减乘除想明白，因此，核心还是「巧妙/正确的看数」 。

数据、事实的目的是为了做出正确的决策或判断，因此还要会正确的发问，既看到数据所显现的部分，也看到数据没显现的部分。

数据常识则是，「巧妙/正确的看数」或者「正确的发问」的重要前提。

决策和判断的本质是对动作的度量，数据是度量衡之一，而数据常识则是这个度量衡的坐标轴。

数据常识，可以分为

①基础常识，的常见如：中国活跃网民规模、Z世代人口规模

②对行业基线的认知，常见如：UGC平台和PGC平台的投稿率水平、不同类型平台的DAU、MAU水平以及赛道用户规模

因此，业务中最常问的就是，“Benchmark是多少”

数据常识有以下几个重要的作用

1）进行分类、定性和定位

以基线来帮助我们分辨是好、是坏。以体脂率为例，体脂率23%，对女性来说，就处于在较为正常的范围，对男性，可能就超出正常范围。

2）对当前数据，进行有意义的解读

面对许多数据，我们常不知道这意味着什么。但有了Bench，就可以对它进行有意思、有意义的数据解读

举几个🌰，

“某活动的头条端日均PV曝光是10亿”，这个背后的意义是什么呢？

假设头条的DAU仍是一个亿，这意味着这个某活动被头条每个用户一天看10次。那么这个数据又是否可信呢？

“B站跨年晚会直播峰值3.36亿”，这又意味着什么呢？

已知B站月活官方公布3.48亿，跨晚拉动了97%的月活规模，说明跨晚的拉活效果很不错

写到这里，让我想到了，近期看段永平讲黄铮

Temu 在超级碗打广告，黄峥来问段永平感觉怎么样？段永平没有直接回答，而是问黄峥感觉怎么样，黄峥说效果还可以，段永平说还可以你才打两条啊？结果黄峥回去第二年就增加了在超级碗的投放。段永平评价说，他一下子就 get the point。

“豆瓣是P人聚集地，「P人的随性自由人生」组员人数~36467100人”，看到这句话你会想到什么？

——豆瓣用户规模3000多万？No No，如果对豆瓣的规模、赛道有基础认知，肯定不会这样认为！豆瓣一个DAU只有200-300万的产品，怎么可能会这么多组员聚集在这个组呢？

这个真的很有意思，很多时候我们看到的竞品数据，都是通过一些技术手段委婉获得的。

豆瓣ers真的很有意思，总有一些小巧思，捉弄我们。他们组员的名字叫100个自由人~，从外显数据来看发现页是很难区分的。如果我们能发现这个，就会指向做技术手段的优化和数据优化。

3）识别基础错误

之前我在头条的实习生（开朗小朋友），犯下过一个经典错误。

命题是让他Mapping海外资讯赛道用户规模。他告诉我们海外资讯赛道的用户规模是85亿。

看到这个数字之后，我只好很无奈的问他：“你知道全世界有多少人口吗？”我刚搜了下，到24年才预计有80.9亿，我们的开朗小朋友还提前替资讯赛道赊了4亿。

因此看到数据后，想一想、问一问，就可以避免一些基础错误。

4）识别未被说出口的背景信息

不同的人对同样数据的感知会有很大差异，背后的核心原因是「背景知识不同」和「视角」不同。因此，对数据的态度和反应，也能让我们知道“数据解读者/提供者”的背景知识。

假如，我们看到一个人对某个异常数据毫无反应，大概率可以推断出他对这个业务的缺少理解。

这也是很多业务负责人对下属出现基础数据错误格外愤怒的原因。因为这也代表着，这个人对业务缺少常识、不了解业务细节。

这很像是玩狼人杀，身份不同、背景信息不同，自然视角不同，发言的表达结构、表达的语气也不同。而这个发言游戏之所以有趣，就是对“发言者的表达结构、方式和行为逻辑”，进行抽丝剥茧，找到他的对应身份。

例如，狼队常用的找女巫技巧是：看发言中，哪一位玩家在前序玩家都没有提及时，突然在发言结构中点评了夜晚被刀的玩家。例如给好身份、或者轻踩表示怀疑。这说明，这个人对夜晚中刀玩家投入了额外的关注。只有女巫才会关心自己救的人是好人还是坏人。

写了这么多，综上，数据常识是第一基石。有了数据常识，知道参照系后，可以进行「数据推理/推断」，从而基于当前的数据，挖掘背后隐藏的信息和动作，从而做出更好的决策。

这个素养，是需要被刻意练习的，我也一直在路上。