架构视界
主页
企业架构
  • 方案总览
  • 业财一体
  • 企业中台
  • 组织与绩效
  • 流程治理
数据收集与分析
  • 转型总览
  • 信息化阶段
  • 数字化解决方案
  • 智数化解决方案
  • 智能化解决方案
  • 产品设计
  • 项目管理
全栈软件工程
AI 原生软件工程
方法论
博客
  • 资源导航
  • 效率工具
  • 展示专区
主页
企业架构
  • 方案总览
  • 业财一体
  • 企业中台
  • 组织与绩效
  • 流程治理
数据收集与分析
  • 转型总览
  • 信息化阶段
  • 数字化解决方案
  • 智数化解决方案
  • 智能化解决方案
  • 产品设计
  • 项目管理
全栈软件工程
AI 原生软件工程
方法论
博客
  • 资源导航
  • 效率工具
  • 展示专区
  • 数据收集与分析

    • 数据收集与分析
    • 问题与研究设计
    • 采集方法
    • 处理与质量
    • 分析与结论
    • 表达与反馈

分析与结论

分析不是把数据画成图,而是回答一个具体问题,并说明答案有多可信、在什么范围内成立。定量回答"多少",定性回答"为什么",两者回答的不是同一件事。

1. 先立假设,再取数

分析常用假设驱动:先写出可能的解释,再用材料排除。

步骤做法
列出假设至少两个互相竞争的解释,避免只验证自己想看到的
找区分证据哪些数据或材料能区分这些假设,优先采集
排除与保留记录被排除的假设及理由,保留未能排除的
形成结论给出最可能的解释、置信度与需要继续验证的点

先取数再找规律,很容易得到"数据钓鱼"式的结论:只要切得够细,总能找到一组支持预设观点的数据。

2. 方法选择

2.1 定量方法

问题类型要回答什么常用方法注意点
描述发生了什么、规模多大汇总、同比环比、分布、漏斗先确认口径与粒度
诊断为什么发生拆解、对比、相关分析、归因相关不等于因果
预测接下来可能怎样趋势外推、回归、情景假设写清假设与误差
关联哪些因素一起变化相关性、分群、共现警惕混杂因素
因果某个动作是否有效对照实验、准实验、双重差分尽量设计对照,而不是事后解释

2.2 定性方法

问题类型要回答什么常用方法注意点
动机与原因用户或组织为什么这样做访谈主题分析、引述比对频次不等于重要性
类型与模式存在哪几类行为或问题编码归并、聚类、分类分类标准要写清
过程与机制一件事怎么发生、卡在哪流程复盘、个案分析、关键事件个案不能直接推广
对比两个对象差在哪案例对比、时间线对齐控制可比性

2.3 混合方法

  • 先定量定位再定性解释:用数据找出异常群体或时段,再用访谈解释原因,最常用;
  • 先定性构建假设再定量验证:访谈发现问题,用问卷或系统数据验证规模;
  • 并行三角验证:两条证据线独立推进,结论阶段比对。

方法选择服从问题,不服从工具。没有对照时,不要用"上线后增长"直接证明动作有效。

3. 多源交叉验证

  • 来源可信度:一手系统数据与原始材料优先,二手与外部数据用于佐证;
  • 口径一致性:比较前先确认时间、范围与定义一致;
  • 时间线:把关键事件与数据变化对齐,排除同期其他因素;
  • 反例:主动寻找与结论相反的证据,并解释其存在原因;
  • 敏感性:换一种口径、时间窗口或样本切分,结论是否仍然成立。

4. 结论怎么写

一条可用结论至少包含:

要素说明
结论一句话回答研究问题,不用"可能""大概"糊过去
证据定量数据与定性引述,标注来源、口径与时间
置信度高、中、低及理由,列出未排除的替代解释
边界适用范围、样本限制与已知反例
行动建议建议做什么、不做什么,以及验证方式

区分事实、推断与建议:事实是数据与引述,推断是解释,建议是行动。三者混写,读者无法判断哪部分可以质疑。

5. 常见误区

  • 只呈现支持结论的证据,忽略反例;
  • 把相关当因果,用增长证明动作有效;
  • 把定性频次当重要性:被提到次数多,不代表影响大;
  • 用一个或几个个案直接推广到全量;
  • 结论没有边界,小样本结论直接套到全量;
  • 图表精美但没有回答研究问题;
  • 置信度缺失,阅读者无法判断该不该下注;
  • 报告只给结论不给验证方式,下一轮无法复算。

继续阅读

  • 表达与反馈:结论如何进入行动并回流
  • 方法论:分析与表达模型速查
  • 智数化解决方案:指标驱动的决策场景
最近更新: 2026/11/20 18:00
Contributors: 庆峰
Prev
处理与质量
Next
表达与反馈