每个行业都有或深或浅的“坑”，数据行业亦是。作为数据从业者，如何应对这些“坑”？

《python数据分析与数据化运营》等多部畅销书作者宋天龙、触脉咨询副总裁及合伙人张默宇。两位身为在数据行业摸爬滚打多年的资深人士，在3月日的“触脉123”线上直播节目中分享了自己的经验。

踩坑系列之一：数据混乱、缺失

避坑观点总结：

宋天龙老师

“遇到数据混乱和缺失，怎么做数据分析？”在这个问题中包含两方面。一方面，在这里，数据分析指的是数据的初步洞察，或者探索性的分析过程。另一方面，包含数据混乱、缺失两种角度。

第一个方面，建议各位做三类事情。

第一类，了解整个数据的基本情况。看一下每个字段，特别是你要做的重点维度的数据分布值域，它有多少条记录，缺失值会有多少，确认有效的值的记录和有效的列的记录等等。这件事情比较关键，因为除了能掌握数据基本分布情况外，对后期做数据的特征转化、处理、建模等具有很好的提前预测的作用。

第二类，结合业务情况进行分析。比如我们做客户的行为分析，那么数据里面很可能关于客户行为分析的会比较多。不管是一个浏览，还是下了订单，或者意外事件。因为这个过程会有一些异常客户，举个例子，某个客户在某个时间内来的特别多，就会导致产生很多这类数据。

对于这种情况下的数据，如果用第一类的方法看，就不算特别异常。但如果把客户的数据单拎出来，互动量也好，交互程度也好，尤其根据交互程度做一些得分的评估，你就会发现它的整个值特别大，导致如果按这种客户的力度去做聚合，后面的数据会受比较大的影响。因为整个客户的极大值，会把整个数据的区间拉向极大值的一边。

第三类，数据中可能会有低质量数据或者噪音数据。比如流量采集中的重复采集、流量作弊导致的低质量数据。

第二个方面，数据缺失、数据混乱两种情况相比而言，处理数据混乱会比较棘手。因为每个供应商有各自的逻辑，尤其供应商数量不低的时候，后期清洗会很麻烦。遇到这种情况，先把各种场景逻辑进行梳理，其次统一成规则。

上述的基本分析后，尽量不要遗漏这一步。如果你已经发现明显的数据问题时，要及时反馈数据上游（从哪儿拿的数据就反馈到哪儿）。这样做的目的是，减少后期再次掉进同样的坑里，遇到同样的问题。

张默宇老师

“数据缺失、混乱”这个问题可以反向推导出另一个坑，就是数据分析师们在拿到数据后，不经过校验就开始分析。这样做的后果就是最终得出的结论很大程度上失真。想要避免此类情况，牢记一点——检验。

避坑指南一：

• 首先调整好心态，其次具备扎实的数据专业能力
• 拿到数据后，先进行校验

踩坑系列之二：需求不清晰

避坑观点总结：

宋天龙老师

两个基本原则：

一是围绕业务方需要分析的主题，提供2-3个分析点实例。注意一点，实例不用太多，选择太多就等同于没有选择。

二是控制自己的投入成本，不管是时间、精力还是其他的机会成本上。因为有时候业务方说的需求，随口一说的情况较为常见。这种情况下，他们并没想清楚如何落地，就会导致你白做数据分析。

张默宇老师

两个原则，三种方式。

一个大原则，绝对不可以接到需求就立刻开始。第二则是通过一些方法引导对方逐步确认目标。

如何做到第二个原则？三种方式。

一、了解硬性的条件。

比如说要分析的数据起止时间段，预计需要多长的篇幅，哪些内容希望一定要看到等。通过类似这些硬性问题的限制条件的了解，推测报告给谁看，进一步清楚报告该如何去写。

二、了解最近公司包括发生的主要的事件。推测出需求方业务发展的重点。

三、提供一些可供选择的撰写范围、分析范围。

这种方法需要分析师们学会“聪明的主动”。什么叫聪明的主动？在了解基本背景信息、业务重点后，分析师可以出两版略有差异的草稿做对比，帮助需求方确定自己所需的要求。这能帮助需求方更好的确定自己的要求。

避坑指南二：

数据分析师在具备专业能力以外，应该进行专门的问题解读、沟通能力的训练。

下面列举的几类“坑”，不管甲方、还是乙方的数据分析师都会感到困扰，但立场并不同。所以将从甲乙两方的角度分别进行解读，以便帮助各位思考问题更加全面。

踩坑系列之三：选购数据分析产品易踩的坑有哪些？

避坑观点总结：

甲方视角——宋天龙老师

对甲方来说，最浪费的就是公司买了最好的产品，但终端用户不会用。

这种情况之所以发生，皆因采购时没有考虑到用户这个因素。下面将分享甲方在选购数据分析产品时，需要注意的5个点。

首先，清楚谁需要数据产品？大多数情况下是数据分析部门的需求，但也存在业务部门需要的情况。不同的部门立场不同，需求自然不一样。

其次是功能，掌握一点，那就是适合最重要。

很多时候解决问题，反而是较普通，或者用的比较熟的技术。以推荐为例，大家通常会讨论DNN（深度神经网算法）、EMBEDDING（数学上表示一个maping, f: X -> Y， 也就是一个function，其中该函数是injective（单射函数，每个Y只有唯一的X对应，反之亦然）和structure-preserving (结构保存，比如在X所属的空间上X1 < X2,映射后在Y所属空间上同理 Y1 < Y2)）一类的。

坦白讲，中国可能有99%的公司不适合这样做。首先企业没有一定数量的服务器支撑；其次，需要100万的硬件预算；此外，需要培养一定数量的技术人员支持；接着还要做开发。整个过程下来，预算+人员成本+时间成本，大多数企业难以承受。

第3则是服务，一般包括固定服务（产品功能、报告、答疑等）和不固定服务（突发需求）。在这里，有个重要的点——支持方式，一般是远程支持（电话、邮件等），相对来说，驻场的方式效果较好些。

第4点费用。任何一个产品，功能和费用都是成正比的。在平衡这两点的时候，有一点容易忽略——其他费用。举个例子，初期产品用着挺好，后期要求提高，想做个二次开发、升级等，如果产品本身不支持，那就需要额外的费用支出。

最后一点，是用户视角。用户能否快速使用它，是衡量是否采购的一个重要原则。

乙方视角——张默宇老师

关于选购数据产品这个问题，乙方涉及两种场景：一是客户直接向你采购一套服务方案，另一种场景可能涉及到你帮助客户去选择一些服务方案的组合。

不管遇到以上哪种场景，首先要明确初衷，即了解用户选购产品的初衷是什么？

其次，作为乙方，必须跟客户沟通清楚以下几点。

（1）产品本身有没有任何隐性的成本，即费用。这点包括三个小点：

• 第一产品有没有服务费；
• 第二与该产品配套使用时，是否产生一些硬件成本。现在大多产品都是SAAS，大家会觉得买完就结束了。其实不是，例如二次应用开发这类隐形问题需要考虑到；
• 第三，企业合作可能产生一定的费用，这里指的是什么？举个例子，比如像GA的部署，你采购完这款产品，相应可能还需服务商帮助撰写代码、DMP厂商、负责广告分析的厂商等。这几家不同的合作伙伴如何做资源统筹，并且其他的服务商可能会产生相应费用。

（2）当一个新的数据产品在企业初期使用阶段的时候，乙方有责任提醒，并沟通清楚：企业是否预留了调试、测试的时间。

（3）数据产品的长期应用问题。对甲方来说，刚开始往往都是试一试的态度。那乙方帮助客户做规划时，必然要考虑甲方如果长期使用的话，涉及到的一些隐形考虑。比如产品本身是否能拓展，是否可以二次开发等。

爬坑指南三：

• 甲方——选择数据产品，适合是最重要的
• 乙方——明确初衷是后续工作的基础

踩坑系列之四：两个数据源出现差异，如何面对并解释？

避坑观点总结：

甲方视角——宋天龙老师

甲方在处理这个问题上，思维里先建立一个观点——这种不确定性的事情发生很正常。心态摆正很重要，不能因为有差异或别人谈论认为数据不对，就产生崩溃的心理。

其次摆正立场。我们应该认识到，很多时候都是自己觉得数据客观公正。实际上数据源的部门可以有很多，比如营销、会员、销售等，每个部门的数据立场都不同。

但从数据的角度出发，建议各位尽量不要站队。设想一种情况：你站了一次队，并且错了，在这种情况发生后，你再对数据某种现象做出解释，别人是否还相信？

这引出下一个关键点，信任关系的问题。导致数据源出现差异性的因素有很多，各方有各自的解释。这种情况，你作为“拍板者”，较好的做法就是先建立信任关系，做到这点在甲方一层层的关系里很重要。

最后，学会用事实说话，这也是数据从业者的基本观念。作为数据部门，比较忌讳出现“我觉得怎么怎么样”此类话语。使用此类较为主观的话语，很容易遭到对方的拒绝。

乙方视角——张默宇老师

对于这个问题，乙方要做三件事：

首先明确解决什么问题，把范围缩小。

其次，从原理上区分数据源差异存在的原因。明确到底哪几个数据源需要对比，它们的工作原理到底是什么？为什么造成了差异？对于这点，建议尽量选择同一款工具，因为这样历史前后数据波动相对准确。

最后，从历史数据可用性、可对比性、行业标准、企业内接受程度等方面，评估选择该以哪一个数据源作为从头到尾核心的主数据源，以此来做后续分析。这种做法可以帮助我们省去很多时间、精力。

避坑指南四：

• 甲方——摆正立场、摆平心态、建立信任关系、用事实说话
• 乙方——重视沟通

踩坑系列之五：当数据结论与经验产生冲突，如何化解？

甲方视角——宋天龙老师

在这个问题上，甲方作为直接结果承担方，压力比较大。

如何化解？

做到3点：脸皮厚、嘴要甜、腿要勤。

作为数据方，首先要记得一点——姿态放低，根据沟通对象来调整策略。

举个简单的例子，沟通对象是工作8年、10年的人，还是刚毕业1、2年的人，难易程度肯定不同。相对来说，前者更容易怀疑你。所以面对前者的时候，要提前给对方做好心理铺垫。

其次，不要轻易下结论判断谁对谁错。这点对于工作经验丰富的分析师很重要，因为相对资历较浅的分析师，他们更容易凭职业惯性去肯定自己。

此外，如果沟通过程中，可以让业务方感受到你站在他的立场上为他考虑，而不是挑战他，那后续的工作会容易很多。假如双方难以说服彼此，建议做个最低成本的小测试，你需要全程跟踪、总结反馈，最终用结果说服对方。

乙方视角——张默宇老师

乙方对于这个问题的考虑方向，通常会以冲突发生之前就化解掉的角度出发。所以合作初期，双方在以下两件事情上达成共识很重要：一是数据结论和经验有冲突是好事情。二是让客户了解完整的数据服务流程包括：确认需求-数据采集-分析-发现问题-做假设做测试-校验-实施-继续监测。

如果冲突无可避免的发生了，首先进行自查。了解清楚在数据采集，包括数据结论建立的流程过程中是否真的存在误差，或者是否有系统性误差。

经过排查，可能会产生新假设，最好的解决方式就是去测试。这方面，线上数据具备成本极低的优势。

做完上述事情后，基于测试实际产生的数据，找到冲突是否正常，还是的确存在问题，值得形成经验以便后期借鉴。最终得到一个基于事实的答案。

避坑指南五：

• 甲方——脸皮厚、嘴要甜、腿要勤
• 乙方——秉承专业为本（共识、自查、测试、事实）

结语

数据化、数据化管理、数据化运营……已经成为现在老生常谈的话题。但变革往往伴随着风险、成本。不管甲方，还是乙方，都应该在尝试新的数据决策方法时，勇于拥抱不确定性，继而一步步获得数据所带来的商业价值。