Hello 大家好 欢迎回到 KLV 的
视频今天跟大家再聊一下关于数据分析的价值
感的这件事情我不知道大家平时在工作比如说
你出去面试的时候或者说你汇报自己的工作的
时候总结自己工作的时候你是怎么样子去形容
自己的工作的我经常听到的一个词是形成参考
但是大家想想形成参考是什么意思形成参考
就是说业务听了你的分析但是你没有办法说
出来你的这个分析是怎么影响业务决策的如果
你的分析没有影响业务决策的话
那你这个分析的价值何在呢如果这个决策者听
了你的分析或者看了一个公众号文章和他自己
随便有一个想法最后造成的效果差不多那花
这么多钱雇你他的价值何在呢其实这也是我
自己之前的误区就是我自己之前会追求一个
分析做的漂亮然后做的全面然后用的方法好
但是我没有把太多的精力花在怎么样子把这个
分析落地最后去 push 业务产生结果
我相信很多做分析的同学其实都是有这个思路
的为什么呢因为我们的工作设置就是我们其实
很多时候是一个 support
function 我们是做分析但是决策
方是 PM 是 engineer
manager 或者是老板就是大家可能会
觉得参与那个决策不是我的工作但是我后来在
工作中发现那些非常强的 DS 他们都是在
这些重要的角色上有一个非常强的
voice 的这里就有一个先有鸡而先有蛋
的问题了
就是你要有一个强的 voice 有人愿意
听你你才愿意去做这些分析对吧不然你做这个
分析没有人听你你做这个分析干嘛呢可是你不
参与到这个决策过程中又怎么会有人去开始听
你的分析呢所以说打破这个先有鸡先有蛋还是
要从我们自己做起就是别人听不听不是我们能
控制的但是我们说不说我们想不想我们研不
研究这个是我们能控制的而且像我在
Facebook 之前的一个
director 他就是一个 voice
非常强的 DS
我还专门去问早期跟他共事过的人就是为什么
大家听他的早期跟他共事的人就说其实他就是
一开始说很多然后最后发现他是对的然后对的
多了以后大家开始慢慢 pay
attention to his
opinions 到最后他就变成了决策中
不可缺少的一环了所以大家不要停留在为分析
而分析大家不要停留在我的分析对业务提供
参考而是说我的分析影响了业务的决策我知道
这个决策因为我的分析而选择做了 A 而
不是 B
那有一个 slightly
different 但是也很相关的一个
话题就是 correlation 和
causality 的关系大家都知道
correlation 不等于
causality 对吧然后但是我们现实
的工作中的 causality 的争取
非常小所以说大家很多时候不得不去做这种
correlation 的分析可是我其实
想说的是 correlation 的分析
是没有用的
就是你找到了 correlation
如果你想去影响这个决策的话必须它是一个
causality 也许你的这个
correlation 它是一个
weak causality 的
evidence 可是你还是要综合你的
其他的各种各样的想法去 imply 一个
causality 的结果就是在你没有
办法证明 100%causality 的
情况下
你起码应该对这个 causality 的
方向有一个自己的想法其实没有你的话整个
业务包括 PM 和老板们也是这么做决策的
他们也是要自己去猜测有个
causality 我做了 A 会导致
什么东西变好我做了 B 会导致什么东西
变差 对吧你既然有了这个数据的分析然后你
又有一个这样一个比较科学的心态你没有道理
不应该说这句话所以这可能是一个比较
controversial 的观点但是
这确实是我的观点
就是所有的 correlation 在
业务中都是为了寻找那个
causality 如果你自己不敢说这个
causality 的话你的
correlation analysis
其实没有什么用好的 追求
causality 追求影响业务决策可能
是一个有点争议或者让大家有点不舒服因为
这个 call to action 其实是
push 大家 out of your
comfort zone 的
但是我对这两件事情的
conviction 还很强的我相信大家
如果真的去做的话好处肯定是远远大过它可能
有的那个坏处的好的 这期视频就到这里我们
下期再见 拜拜
