編者按：本文來自微信公眾號“友盟全域數(shù)據(jù)”（ID:umeng_data），作者：友盟+ 資深數(shù)據(jù)分析師相崢 36氪經(jīng)授權(quán)發(fā)布。
疫（zhái）情（ji?。┢陂g，數(shù)據(jù)分析領(lǐng)域涌現(xiàn)出很多民間高手，數(shù)據(jù)玩家各顯神通，或通過仿真程序調(diào)參，模擬病毒傳播，強調(diào)不要出門對控制傳播的重要貢獻；或用自然語言處理工具+詞云，直觀展示每日新聞熱詞的演進變化，或現(xiàn)場教學(xué)如何爬取網(wǎng)站上的實時病例數(shù)據(jù)，用作進一步分析。
這些數(shù)據(jù)建模能力、數(shù)據(jù)開發(fā)技術(shù)固然是非常可貴，但是我們也發(fā)現(xiàn)，人人都能上手的、統(tǒng)計性、描述性的數(shù)據(jù)分析，同樣能發(fā)揮出巨大的洞察作用和價值。
早在1月21號，大眾對疫情的關(guān)注度剛開始爬升的時候，有公眾號把各省市病例數(shù)據(jù)和往年春運遷徙數(shù)據(jù)做了一個“略顯粗糙”的相關(guān)性分析，根據(jù)初步驗證的正相關(guān)關(guān)系指出，湖北省內(nèi)一些城市和武漢來往密切，疫情狀態(tài)可能被低估，湖北省外的重點城市要加強機場或鐵路方面的預(yù)警。這些分析就充分運用到了趨勢監(jiān)測、橫向?qū)Ρ?、維度拆解等來判斷的。
如在科普號“回形針”的視頻中，這樣一個數(shù)據(jù)推導(dǎo)小環(huán)節(jié)令人印象深刻。
?首先，作者認為，湖北省內(nèi)外的疫情發(fā)展狀況差異很大，湖北省內(nèi)的確診診斷工作壓力較大，很可能在數(shù)字上有滯后，因此要將湖北和非湖北數(shù)據(jù)“拆分來看”。
?下一步，他認為用總病死人數(shù)除以總確診人數(shù)得到的病死率，是不準確的，快速增加的確診病例數(shù)（分母）會稀釋這個百分比，于是選擇采取盡可能接近“同期群”的方式來處理。
?進而，他依據(jù)當時文獻，得知報告確診到報告死亡的平均時間是8天，那么最近3天的新增死亡病例大概率來自8天前確診的那些新增病例，在這樣一個“同期群”當中，得到湖北省外病死率在1.1%左右的，如果暫且認為湖北省內(nèi)病死率也在相近的水平，那么反除可得到上萬人的湖北省內(nèi)感染人數(shù)。
?根據(jù)現(xiàn)在的信息，湖北省內(nèi)的病死率會比其他地區(qū)高一些，所以這個計算結(jié)果可能是大幾千這個水平，這與后續(xù)疾控中心披露的數(shù)據(jù)非常接近，而作者精巧的分析得益于對數(shù)據(jù)進行合理的“維度拆分”和“同期群”思路的應(yīng)用。
還有我們每天會關(guān)注的疫情數(shù)據(jù)報表。以丁香園為例，丁香園出品的數(shù)據(jù)報表，用公眾都能理解的樸素數(shù)據(jù)分析，細致解讀國家和各地衛(wèi)健委公布的疫情數(shù)字，幫助大家提高對疫情的正確認知。它善于：
-不靠肉眼看趨勢，用環(huán)比量化增長率
-針對數(shù)據(jù)波動（如新增確診一日暴增一萬，病死率降低后又逐步走高），有理有據(jù)給予說明
-對比SARS、MERS、H7N9等重大疫情的相關(guān)數(shù)據(jù)，認識本次疫情特征
-將關(guān)鍵指標按省份/城市拆分，結(jié)論更清晰明了
-除了宏觀指標，就特殊群體感染情況（如老年人、醫(yī)務(wù)人員）做詳細分析
-確保指標計算與分析解讀的專業(yè)性，及時指正市面上流傳的錯誤圖表
不難發(fā)現(xiàn)，我們每天看到的優(yōu)秀數(shù)據(jù)解讀背后蘊含著數(shù)據(jù)分析的七個方法：
趨勢監(jiān)測：指標定義正確，歷史口徑一致
橫向?qū)Ρ龋簠⒄諏ο罂杀?，廣泛收集數(shù)據(jù)
維度拆解：維度拆分合理，結(jié)論指導(dǎo)行動
過程拆解：業(yè)務(wù)邏輯清晰，指標表征轉(zhuǎn)化
因素拆解：鋪展相關(guān)因素，數(shù)據(jù)掌握全貌
分群洞察：分群不重不漏，圈人深度描摹
個案細查：采集最細顆粒，多源數(shù)據(jù)關(guān)聯(lián)
現(xiàn)在已經(jīng)是2月末，大部分人已陸續(xù)復(fù)工，那么回到我們自己的業(yè)務(wù)上，如何更好的做好數(shù)據(jù)監(jiān)測呢？
數(shù)據(jù)分析光有思路還遠遠不夠，對具體業(yè)務(wù)的理解、數(shù)據(jù)采集的質(zhì)量、分析工具的靈活是讓數(shù)據(jù)分析高效率地產(chǎn)出價值的三駕馬車。有了業(yè)務(wù)理解，才能提出合適的問題、規(guī)劃數(shù)據(jù)需求，在采集上就盡量確保全面、口徑一致、顆粒度滿足拆分需求，到了分析環(huán)節(jié)的時候，有靈活的工具來實現(xiàn)各種折騰數(shù)據(jù)的想法，再有業(yè)務(wù)理解去加持數(shù)據(jù)的解讀，這樣才是真正能發(fā)揮價值的數(shù)據(jù)分析工作。
首先，業(yè)務(wù)理解和數(shù)據(jù)采集是數(shù)據(jù)分析、數(shù)據(jù)化運營非常重要的前提條件，指標體系就相當于是二者之間的重要橋梁，也是很重要的一個落地產(chǎn)物和載體。如果是數(shù)據(jù)相關(guān)的崗位，強烈建議大家去牽頭了解各個業(yè)務(wù)方、甚至是管理層，他們的業(yè)務(wù)目標是什么，他們想要看數(shù)據(jù)是要回答什么樣的問題，從而避免成為一個被動的、沒有靈魂的SQL Boy。
如果是產(chǎn)品、運營等等業(yè)務(wù)崗，對這個問題的再度思考也不為過，雖然“核心指標 = 業(yè)務(wù)階段 * 行業(yè)特點 * 企業(yè)戰(zhàn)略”，但是前兩者屬于一般性的規(guī)律，同一個行業(yè)、同一個發(fā)展階段的企業(yè)，也會因為商業(yè)模式、優(yōu)勢、發(fā)展側(cè)重的不同，量身定制核心指標，因此，“企業(yè)戰(zhàn)略”一定程度上凌駕于前兩個因素之上，不僅是一個監(jiān)測作用，更是一個指引，代表了戰(zhàn)略決策、業(yè)務(wù)目標的方向。
接下來，明確了核心指標之后，日常需要用到的指標應(yīng)做好分級分類，不僅有利于數(shù)據(jù)的管理和使用，也能全面規(guī)范地對埋點工作提出需求，確保采集的準確和連貫。大體上遵從戰(zhàn)略管理層面的核心指標、業(yè)務(wù)線層面的子指標、業(yè)務(wù)執(zhí)行層面的過程指標的原則，具體拆解沒有嚴格的一定之規(guī)，幾個常見的方法有：
-類似杜邦分解的樹狀結(jié)構(gòu)，指標之間盡量保持明確的公式關(guān)系
-用戶生命周期*分析主體，借助分析視角的不同，沉淀相應(yīng)的維度搭配
-再或者，直接依照業(yè)務(wù)線/團隊職責劃分，更加方便需求的收集
