医院运营|数据分析，你数据分析知道多少？（一）
运营管理|数据分析，你知道多少（二）
今天，再聊聊关于数据分析的一些话题。
1.数据只是表象。
以前的文章，更多的是从数据的理解、定义和数据分析的技巧方面。
提到数据，我们就必须想到数据的主体——指标。
离开指标，谈数据，就是镜中花、水中月。
指标是根，数据是果。
我们平时挂在口头上的数据分析，其本意还是看指标。
所以，数据永远是表象，只有指标才是核心。
2.数据会骗人
永远记住，数据是死物。
是死物，就有局限性和欺骗性。
举个例子，二战时英军发现从战场飞回来的战机，机身上的弹孔比引擎和油箱上的要多得多，根据这个数据很容易得出要加强机身的防护的建议。但事实的真相是引擎和油箱上中弹的飞机已经回不来了，更应加强引擎和油箱的防护，这就是常说的“幸存者偏差”。
数据分析的“结论”，有时候取决于分析的人想让你看到什么样的结论。从不同角度去“解读”指标，总会找到“合适”的理由去支持结论。
数据，本身具有欺骗性，要善于去掉伪装。
3.数据是可以被“修饰”的
还有，就是数据本身也许就是“假的”，至少不那么真。
如店铺的评论，如电影的评分。
现在的直播人数。
这些数据，都是可以被人为操纵的。
数据，就像历史，可以被打扮，也可以被“创造”。
就像，KPI指标考核里面的“坎贝尔定律”。
该定律认为，“当一个指标被用作决策时，它就会失去其有效性。”也就是说，如果某个指标被过度使用或被滥用，就会导致其不再能够准确地反映问题的实际情况。
坎贝尔定律提醒管理者，在使用指标来做出决策之前，需要考虑到指标本身的局限和可能的缺陷。此外，还需要采取多种不同的指标进行综合评估，以获取更准确的数据来辅助决策。
单纯一个指标不能代表一切，数据也不一定客观真实。
就像“平均住院日”，单看这一个指标，本质上是个没有任何意义的。
4.数据分析的前提是理解业务
那么，如何避免以上这些问题？
我想，最重要的应该是理解业务。
数据分析的工具和方法，都是技巧层面的，比较浅，或者低水平。
更深层面的分析和解读数据，必然是对业务本身的运作规律是有充分认知和理解的。
脱离业务的分析都是纸上谈兵。
不理解业务的数据分析，都是隔靴搔痒。
5.数据分析的核心是“见路不走”
即便理解了业务，我们依然会犯错。
而且，很有可能就是因为我们太了解，所以更容易犯错。
什么错？主观意识的先入为主。
很多情况下，我们是先认为结论在那里，然后我们用数据去“验证”。
正巧，数据又验证了结论，然后我们就得出了理所当然的结论。
越是这样，你越会深信，事实就是这样。
你相信自己的判断，你相信数据，你相信数据揭示了真理
如何破解？——见路不走。
路，就是前人的经验或者大多数人的选择，就是经验。
所谓见路不走就是不要轻信过去的经验或者盲从大多数人的选择。
见路不走，是一种极致的实事求是，认清了自己的局限性和可能性。
见的是因果，不是路。
从业务出发，用数据探寻，找出因果。
每一次分析，都是新的开始，都要回到原点再出发。
对于因果和路，记得要多听听一线人的声音和观点。
数据分析，无诀窍，就是不断实践，然后出错。
出错多了，自然而然就理解的透彻了。
最后，给大家介绍一些数据分析的方法。
有了数据分析的思路，就需要通过适合该场景的分析方法进行分析，以进行规律的探索。
常用到的一些分析方法如下：
1. 趋势分析法
将两个或两个以上的指标或比率进行对比，以便计算出它们增减变动的方向、数额、以及变动幅度的一种分析方法。
2. 对比分析法
将两个或两个以上指标对比，寻找其中规律。静态对比，不同指标横向对比。动态对比，同一指标纵向对比
3. 多维分解法
把一种产品或一种市场现象，放到一个两维以上的空间坐标上来进行分析。
4. 用户分群
根据用户与产品之间的互动程度进行划分，以更好经营用户。
5. 用户细查
用户抽样，具体观察用户在行为、交易上的特征数据，以观察是否具有显著特征，反推宏观数据，找出数据规律。
6. 漏斗分析法
对业务流程节点进行划分，建立整个业务流程的转化漏斗，并追踪分析。
7. 留存分析
用户注册后，追踪该用户次日/周/月的活跃情况。
8. AB测试法
A/B测试的实质是对照试验，即通过对几个不同的版本进行对比，从而选出最优解。
感谢您的鼓励和支持，欢迎关注&转发。
