数据的态度

好久没吐槽了，虽然最近一直比较忙，而且现在也已是凌晨0点30分。但是想起博客好久没更新了，而且正好这段时间一直有在纠结这个问题，而且思考到我们这个工作本身的意义，咬咬牙写出来舒服一点，反正晚睡也不是两三天了。

近些年“数据”这个词越来越热，“大数据”这个概念也被炒得比栗子还熟，但是在这个浮躁的年代，新生事物总是被过度得炒作和夸大从而偏离了其本身的意义。我的理解是，做数据分析，最重要的目的是以目标为导向，发现数据中各种现象的原因和规律，并给出相应的建议以达到更佳的效果。数据再多再复杂，如果你只是看着爽了，玩的开心了，但是用不到实处，那所谓的“大数据”也只能沦为摆设。同样，另一种相同的情况是“数据可视化”，目前相当流行的信息图，着实让看惯了PPT的人眼前一亮，内容也比较多彩绚丽，但是同时也发现许多人数据关没把好，导致了一部分乌龙情况的发生。好的内容用好的方式呈现那叫锦上添花，数据本身不够重视而花大部分时间在展示效果上，这叫舍本逐末。

我以前也常常走进这种误区，也许这和性格有关系，发现什么比较酷比较炫，总想学着来玩，而且绝对不满足于初级水平，而是想做出一点让人“惊艳”的东西出来。也就是为什么我大学玩了PS又玩AI，接下来又鼓捣Premiere剪片子；工作以后又搞搞EXCEL高级公式或者技巧、学点HTML、CSS、JS自己搞网站改代码玩；到最近又在学Python，想着以后写点有用或者好玩的东西出来（这件事肯定会继续的）。到最近这个状态，由于工作占用了太多的时间，而且下班了也需要用一定时间来思考工作上的事情，导致一直觉得时间不够，所以不能再像之前那样把什么都想折腾得深一点。所以调整了一下状态，业余时间除了Python这条主线，其他的等需要用到的时候再研究或者google，目前来看效果还不错。

说完了工具的部分接下来说说数据，一般来说拿到数据以后是这么个流程：过滤——处理——分析——呈现，现在许多人都认为这几个过程的重要性是依次递增的，而我却不这么认为，相反，我认为应该倒着来。许多人都小看过滤这个步骤，但是他是整个数据的基础，如果数字拿出来都是错的，那么后面的一系列处理可能会因此失之毫厘谬以千里。传说中的“蝴蝶效应”，你认为蝴蝶煽的这一下翅膀不重要吗？正确的数据是得出正确结果的必要前提。这里顺便提一下，如果代码是你自己来部署，那么其部署方式与方法也应该想得越周全越好，什么点应该加上代码，加上以后会产生什么数据，如果数据出现了几种情况，那么是否说明了什么规律或者是否印证了你之前的某种猜测？在后面处理数据或者分析的时候你就会感觉，前期工作做足的话后期会轻松多少倍。

处理和分析这两个步骤，个人觉得是凭着对网站内容的熟悉和经验的积累，每个人都有不同的见解，总体的方向应该是一致的，但是细化出来可能会存在一些区别，所以这里不细说。最后主要说一说数据的呈现，因为这是直接与看报告的人接触的阶段。现在大家都喜欢看起来简洁而内容又丰富的报告，这就考验一个数据分析人员的技术和艺术功底了。什么样的数据用什么图形呈现，可以让原来不懂这个的观众能迅速理解你要表达的意义，这是一门比较深的学问，我也一直在做各种尝试和求索。但是万变都不离其宗，以目的为导向，时常提醒自己以免误入歧途。

最后一个问题也是困惑我最多的，要好看的数据还是要数据背后的真相？作为一个有一点理想主义+完美主义的人，有的时候会把自己比做类似于福尔摩斯一样的人物，用数据这个工具来当英雄。但是时间久了碰到的问题也比较多，有时会有一种挖个坑自己跳进去的感觉。到最后许多想说的话就只有自己知道，因为一说出来不仅不会改善现状，还会让其他人跟着你一起纠结。“我们能给什么”和“别人要什么我们给什么”，这两种状况差别还是很大的。

好吧，就算事情不如意十有八九，至少我们还是可以把剩下的一二给做得如意了。数据分析最后的结论可能会有偏颇，但是对数据的态度依然不能迷失，这应该是底线了吧……