数据收集与分析
数据工作的价值不在报表量,而在把问题、证据与结论串成可复核的工作流:先定义问题,再收集证据,最后让结论进入行动并回流。
- 问题先行每个采集项都能追溯到要回答的问题,没有问题的数据只是库存。
- 证据可核来源、口径与时间可追溯,事实与推断分开记录。
- 报告回流行动结果按同一口径回收,修正下一轮收集与分析。
数据工作的专业性,不是把图表做满,而是让一个结论在争议中仍然站得住。
庆峰 · 实践判断
关键交付物收集记录清洗规则分析结论报告与行动回流记录
数据收集与分析不是某类岗位的专有能力:经营决策、市场与竞品、用户研究、运营实验、技术观测,用的是同一条工作流——先定义问题,再收集与清洗证据,最后把结论说清楚并推动行动。
问题先于数据,收集才有边界
- 先问题后数据:先写清要回答什么、决策者是谁、结论将改变什么动作;
- 先证据后观点:每条结论标注来源、口径与时间,区分事实、推断与观点;
- 先边界后推广:写清样本、适用范围与反例,不用单一数字下结论。
没有问题的数据只是库存,没有问题约束的分析只会产出无法行动的图表。
五段工作流首尾相接
| 环节 | 回答的问题 | 主要产出 |
|---|---|---|
| 数据收集 | 要回答什么、证据从哪来、样本怎么选 | 收集记录、证据清单、采集计划 |
| 数据清洗 | 缺失、重复、口径与格式怎么处理 | 清洗规则、口径说明、质量报告 |
| 数据可视化 | 什么信息需要被看见、用什么形式不误导 | 占位:图表选型、规范与工具待补 |
| 数据分析 | 用什么方法、结论是否站得住 | 结论、证据、置信度与边界 |
| 数据报告 | 给谁看、如何行动、结果如何回流 | 报告、看板、行动与复盘 |
五段不是瀑布式串行。报告阶段发现口径或样本问题时,会退回清洗或收集;可视化环节当前为占位,只定位置与交接,不写方法细节;每一段都要留下可复算的记录。
场景决定证据优先级
同一套工作流在不同场景下的证据优先级不同,模型只用来补全检查项,不替代判断。
| 场景 | 典型问题 | 主要证据 | 常用模型 |
|---|---|---|---|
| 经营与决策 | 增长放缓、利润下降的根因 | 定量为主 | 指标树、5W2H、竞争性假设 |
| 市场与竞品 | 是否进入、如何定位 | 定量 + 定性 | SWOT、竞争性假设、金字塔 |
| 用户与需求 | 用户为什么流失、怎么使用产品 | 定性为主 | JTBD、访谈编码、KANO |
| 运营与实验 | 活动或改版是否有效 | 定量 + 实验 | 指标树、对照实验、PDCA |
| 技术观测 | 系统为什么变慢、故障根因 | 定量 + 定性 | 5W2H、日志与链路分析、3R |
方法与模型:先用 5W2H 补齐问题要素,再用竞争性假设收敛解释,最后用金字塔组织结论;每个模型都要写清输入、输出与不适用场景。
结论要能复算
一条结论要站得住,至少留下四样东西:口径、样本、时间与方法。四者齐全,别人才能用同一份记录复算出同样的结论;缺一项,结论就只能当观点引用。
复算不是重跑一遍,而是把判断的来路写清:数据从哪来、清洗改了什么、方法假设是什么、结论的适用边界在哪。记录越完整,结论在争议中越站得住。
公开边界
只公开五段工作流、场景证据优先级与模型用法;数据可视化当前为占位,只定位置与边界;不包含具体研究的原始数据、样本名单、访谈记录与客户信息。