Làm thế nào để hiểu ý nghĩa của dữ liệu? (Phiên bản phổ biến)

Bài viết này trình bày chi tiết bốn giai đoạn diễn giải dữ liệu: làm rõ chỉ số, thiết lập tiêu chuẩn, tích hợp các kịch bản và quan sát xu hướng, đồng thời cung cấp các trường hợp thực tế và phương pháp diễn giải cho từng giai đoạn. Thông qua cách tiếp cận dễ hiểu, cuốn sách giúp người đọc chuyển từ nhận thức dữ liệu cơ bản sang diễn giải dữ liệu sâu hơn và cách kết hợp dữ liệu với các tình huống kinh doanh cụ thể để đưa ra các phân tích và đánh giá có giá trị. Phù hợp với các nhà phân tích dữ liệu doanh nghiệp, nhà quản lý doanh nghiệp và độc giả quan tâm đến dữ liệu.

Nhiều người mới không thể hiểu được ý nghĩa của dữ liệu. Khi xem báo cáo, anh ta chỉ có thể lẩm bẩm như một chiếc máy ghi âm: "Doanh số hôm qua là 100, doanh số hôm nay là 120, tăng 20..." Đây là những điều mà bất kỳ ai không mù cũng có thể nhìn thấy. Vì thế, tôi thường bị mọi người cười nhạo. Phải làm gì? !

1. Hiểu giai đoạn đầu tiên: các chỉ số rõ ràng

Hãy đưa ra một con số: 180, bạn có hiểu được ý nghĩa của nó không?

không thể!

Bởi vì nó chỉ là một con số duy nhất và không có ý nghĩa gì cả. Nếu bạn muốn hiểu dữ liệu, ít nhất nó phải là một chỉ báo dữ liệu rõ ràng. Bao gồm tên chỉ báo, tình huống sử dụng và cỡ tính toán. Tương tự là 180, chúng ta đổi thành: con cái trưởng thành, cao 180cm. Bây giờ có phải mọi chuyện đã rõ ràng hơn nhiều rồi không?

2. Hiểu về Giai đoạn thứ hai: Thiết lập Tiêu chuẩn

Và nhiều người có thể đã đưa ra phán đoán theo bản năng: cô gái này rất cao. Phán đoán này có thể dựa trên dữ liệu thống kê. Theo "Báo cáo về tình trạng dinh dưỡng và bệnh mãn tính của người dân Trung Quốc" năm 2015, chiều cao trung bình của nam giới trưởng thành là 167,1cm và của nữ giới là 155,8cm, điều này có nghĩa là 180cm cao hơn nhiều nam giới. Có thể được định nghĩa là cao. Phán quyết này cũng có thể dựa trên các thông lệ đã được thiết lập. Ví dụ, theo phong tục, một cô gái cao trên 170cm được coi là cao, và cao 180cm được coi là siêu cao. Chắc chắn là cao rồi.

Cả hai phán đoán đều đúng. Trên thực tế, cả hai đều là phương pháp để hiểu sâu hơn về dữ liệu: phương pháp thống kê và phương pháp thông thường. Phương pháp thống kê chia dữ liệu thành cao, trung bình và thấp dựa trên sự khác biệt thống kê. Luật thói quen là định lượng những thói quen thông thường của con người.

Sự chuyển đổi từ "con cái trưởng thành, cao 180cm" sang "con cái trưởng thành, rất cao" là bước ngoặt quan trọng trong việc hiểu dữ liệu. Bởi vì 180cm là giá trị khách quan và không thể ảnh hưởng trực tiếp đến quyết định của chúng ta. Nhưng "cao" là kết quả của sự phán đoán, và sự phán đoán này sẽ ảnh hưởng đến quá trình ra quyết định của chúng ta. Nếu bạn không tin, hãy đọc tiếp.

3. Hiểu giai đoạn thứ ba: khớp cảnh

Cảnh 1: Tiểu Minh cao 175cm, được dì hai nhiệt tình giới thiệu cho một cô gái cao 180cm để xem mắt.

Tình huống 2: Tiểu Minh đang tổ chức một cuộc triển lãm và cần năm người mẫu. HR Linda giới thiệu với anh ấy một cô gái cao 180cm.

Hãy hỏi Tiểu Minh cảm thấy thế nào trong hai tình huống này?

Một số cô gái sẽ không thích những chàng trai thấp hơn mình. Thật không may, Tiểu Minh là một chàng trai đẹp trai nhưng lại bị ghét rất nhiều. Vậy nếu Tiểu Minh gặp phải tình huống 1, có lẽ anh ta sẽ chửi thẳng: "Tôi đã bảo cô đừng tìm người cao hơn tôi mà. Cô thực sự muốn làm tôi mất mặt sao?" - Đây là hậu quả của việc phớt lờ yêu cầu của người khác.

Có lẽ Tiểu Minh sẽ rất vui trong tình huống thứ 2. Người mẫu tham gia triển lãm phải cao ráo, khỏe mạnh và đẹp trai thì mới trông ấn tượng. Tất nhiên, phí xuất hiện chắc chắn đắt hơn nhiều. Nếu bạn muốn tiết kiệm tiền vào thời điểm này và chỉ tìm một vài cô gái thấp bé, ông chủ có thể sẽ mắng bạn khi nhìn thấy chiều cao của họ - Tôi sẽ đưa tiền cho bạn, nhưng bạn không được dùng nó để dựng lên vẻ bề ngoài hoặc dọn dẹp công việc kinh doanh của mình!

Do đó, nếu bạn muốn hiểu dữ liệu sâu hơn, bạn phải kết hợp nó với các tình huống cụ thể. Có hai cách tiếp cận ở đây:

1. Suy luận dựa trên logic kinh doanh

2. Dựa trên kinh nghiệm trong quá khứ

Cả hai phương pháp đều đòi hỏi sự hiểu biết sâu sắc về tình hình kinh doanh (như thể hiện bên dưới):

4. Hiểu giai đoạn thứ tư: Quan sát tình hình

Sau ba giai đoạn đầu tiên, chúng ta biết được những thông tin sau:

1. Con cái trưởng thành cao 180cm được phân loại là: cao
2. Người mẫu cần có chiều cao: cao
3. Cao + đẹp = đắt tiền

Dựa trên những dữ liệu này, việc xem xét lại dữ liệu sẽ đưa đến những cách giải thích mới.

Ví dụ, nếu bạn chịu trách nhiệm lên kế hoạch cho một cuộc triển lãm, chiều cao của người mẫu do công ty quảng cáo của bạn đề xuất như sau:

Sau khi đọc xong, bạn có thể kết luận ngay: Bọn khốn nạn này lại đang cố lừa tiền học phí của tôi nữa rồi! Đã bí mật thay thế một loạt các mẫu giá rẻ cho tôi! Vâng, cách giải thích này còn đi xa hơn một bước so với câu “Ôi trời, chiều cao đã giảm đi nhiều quá”. Đây là giai đoạn diễn giải thứ tư.

Nếu bạn không đọc hết những dữ liệu này và gửi trực tiếp cho người lãnh đạo của mình, người lãnh đạo đó có thể ngay lập tức hiểu sai thành: Anh chàng mới này không hiểu biết về công việc, sao anh ta có thể làm một công việc tệ hại như vậy?

Nếu người lãnh đạo không xử lý dữ liệu tương tự, anh ta sẽ chỉ tìm một nhóm người ngẫu nhiên để đi triển lãm. Sau khi thấy điều này, các đại lý của bạn sẽ có thể hiểu ngay: Ồ, có điều gì đó không ổn với sức mạnh của thương hiệu năm nay không? Bạn thấy đấy, diện tích gian hàng đã bị thu hẹp, việc ra mắt sản phẩm mới không mấy sôi động và các người mẫu chỉ ở đó để làm đẹp thêm. Điều này không tốt.

Tất cả những điều này đều dựa trên dữ liệu về chiều cao. Như câu nói, nhìn bức tranh lớn từ những chi tiết nhỏ, thực ra có những lý lẽ hợp lý đằng sau chúng (như minh họa bên dưới)

5. Sự khác biệt giữa hiểu và đọc ngẫu nhiên

Tất nhiên, việc giải thích dữ liệu cũng có giới hạn và việc giải thích quá mức hoặc đoán mò có thể dẫn đến hiểu lầm. Ví dụ:

Đoán đại: Bạn thấy đấy, các người mẫu đều xinh đẹp, vậy thì ông chủ của họ chắc hẳn là người rất ham muốn.

Diễn giải quá mức: Bạn thấy đấy, lần này có chín người mẫu xinh đẹp được thuê, vậy thì phải có chín sản phẩm được tung ra.

Sự khác biệt lớn nhất giữa việc hiểu và đoán mò là lượng bằng chứng. Ví dụ, khi các nhà phân phối đặt câu hỏi về sức mạnh của thương hiệu, họ không chỉ xem xét sự thay đổi về chiều cao của người mẫu mà còn đến thăm gian hàng và theo dõi hội nghị ra mắt sản phẩm mới. Với nhiều bằng chứng hỗ trợ cho cách giải thích của họ, tự nhiên nó gần với sự thật. Những phỏng đoán ngẫu nhiên thường không có căn cứ (bằng chứng về ham muốn ở đâu?) Sự diễn giải quá mức thường là một bằng chứng đơn độc (có bằng chứng nào khác ngoài chín mô hình không?).

Tất nhiên, chúng tôi không loại trừ khả năng chúng tôi sẽ có một cách giải thích mới sau khi có thêm bằng chứng. Logic + số lượng bằng chứng là tiêu chí duy nhất để đánh giá cách giải thích dữ liệu. Chỉ cần có đủ bằng chứng + logic hợp lý thì chúng ta có lý do để chấp nhận kết luận.

6. Tại sao việc giải thích dữ liệu trong doanh nghiệp lại khó khăn?

Tại sao việc diễn giải dữ liệu trong ví dụ lại dễ dàng nhưng lại khó thực hiện trong công việc thực tế? Trả lời: Bởi vì những ví dụ như chiều cao, buổi hẹn hò giấu mặt và người mẫu triển lãm thương mại có ý nghĩa kinh doanh rất đơn giản và rõ ràng, dễ hiểu. Tuy nhiên, trong công việc thực tế, các nhà phân tích dữ liệu thường tách biệt khỏi doanh nghiệp và không biết gì về doanh số, hoạt động, sản phẩm, dịch vụ hậu mãi, v.v. cụ thể. Họ chỉ có thể đưa ra những phỏng đoán đơn giản dựa trên một vài con số như doanh số, lợi nhuận gộp, tỷ lệ hoạt động, tỷ lệ chuyển đổi, v.v.

Những câu hỏi thường gặp như:

Không hiểu ý nghĩa kinh doanh: Tại sao những người hẹn hò giấu mặt lại quan tâm đến chiều cao? Không phải là để xem bạn có cảm xúc gì không sao?

Không hiểu tình hình kinh doanh: Tại sao Tiểu Minh không thích con gái cao? Những cô gái cao thì đẹp!

Không hiểu logic kinh doanh: Tại sao triển lãm phải có người mẫu cao? Chỉ một vài người có thể đi được không?

Kết quả của việc này là không thể đánh giá được dữ liệu. Kết quả là, tất cả những gì chúng ta có thể làm là ghi lại doanh số bán hàng là “Doanh số bán hàng ngày hôm qua là 120, doanh số bán hàng ngày hôm nay là 140, tăng 20, tăng trưởng 16,7%”. Đây là một câu chuyện vô nghĩa. Điểm mấu chốt là những phán đoán này rất có thể là lẽ thường tình đối với doanh nghiệp, do đó tình huống đáng xấu hổ là "doanh nghiệp quá lười nói và không biết cách hỏi về dữ liệu" phát sinh trong quá trình giao tiếp. Khi cuối cùng anh ta đổ lỗi cho nhà phân tích dữ liệu, anh ta nói một cách đáng thương: Tôi chưa bao giờ đi xem mắt, và tôi chưa bao giờ làm việc cho một cuộc triển lãm, wuwuwu…

Do đó, nếu muốn diễn giải sâu sắc và cụ thể, bạn phải gần gũi với doanh nghiệp, học cách trừu tượng hóa ý nghĩa của dữ liệu từ các hoạt động cụ thể và định lượng phán đoán của bên kinh doanh.

Tác giả: Thầy giáo thực tế Chen

Tài khoản công khai WeChat: Giáo viên Chen thực tế