数据分析:一方面要能把数据做成图形让别人解读；另一方面，也要学会解读别人的图形，或者自己过去做过的图形。每个数据图的背后都是数据，不同层次和能力的人在同一个图上看到的东西可能不一样。
解读数据的方法有很多种，这里给你十种提示性的方法。
①辅助线②找差异、变化③找奇点、特殊群体④找转折点、拐点σ找特征σ找问题σ找源头根源⑧找关系⑨找驱动因素⑩找规律。
1.辅助线——强化差异的辅助线让我们更清楚地认识事物的规律性和特征。
我们举个例子。
上图是一家快速消费品公司的月度销售曲线，总数据约为2.5年。从图表中，我们可以看到这家公司的月销售额不断上升，呈现出稳定增长的趋势。大部分月份略有波动，只有个别月份波动较大。
如果仅仅停留在这个层面的解读，可能还没有看到这家公司销售管理的问题。下面我们来为上图添加一条“辅助线”和“辅助解读”。
增加辅助线后，你会发现每年11-12月销量不增不减，而每年1-2月销量增加，3月出现大幅下滑。这有春节的特点，但作为快速消费品，消费者在年前大量采购年货是有可能的。在这种可能性下，业务人员为了完成年度销售目标，在每年的12月份做好促销工作，从而超额完成今年的销售目标。为了找出原因，数据分析师需要查看市场，了解具体情况。
据实际调查，这家公司每年12月上架的产品几乎都是空，也就是说销售团队“技术上缺货”。是因为销售团队完成了当年的任务和目标，担心今年完成太多，明年的销售目标定的太高，带来了完成目标的压力，所以技术上缺货。而且产品很受消费者欢迎。当消费者发现自己喜欢的商品缺货时，当商品再次上架时，消费者会一下子买很多，以免下次缺货时很难买到，所以1-2月的销量有了很大的提升。这种现象被称为“压货”，即货物惜售。
压货会造成营销费用的浪费和销售机会的丧失，阻碍公司的发展速度，影响公司市场份额的提升。同时，由于供货不及时，渠道和终端会抢货，无形中形成过高的库存，甚至使公司对终端销售的预测无效，影响决策的准确性。
“压货”现象的存在，在公司销售目标设定上是不科学的。它武断地以去年的销售额为基础，僵硬地增加一个比例作为新一年的销售目标。它低估了市场需求、公司发展、竞争对手等。，而不能根据市场情况制定合理的销售目标。再加上公司对超额完成任务的奖励不足，导致销售团队对超额完成当年的销售目标缺乏积极性，所以他们宁愿为超额完成而牺牲一点小小的奖励，也不愿承担明年更多的指标。这就是人力资源设置的绩效激励机制的不足。
同样的图，我们做第二条辅助线，如下图。
加上这条“辅助线”，你会看到整个公司每年的增长其实呈现的是一个“大台阶”，而不是我们经常看到的“坡道”。一个公司销售额的增长肯定是一个坡，因为随着公司品牌和渠道的推广，知名度是逐渐提高的，不是一下子就能提高的。这只会是一个渐进的增长，而不是一年中每个月都有一点变化。第二年，达到一个更高的水平后，它会继续在这个水平上销售相同的数量，而不会增加。辅助线的销量在一定意义上反映了公司的“限量销售”。公司一个月只有这么多货，也只有这么大的产量，能卖多少就卖多少，不能多产。第二年达到较高水平，说明产能扩大，供给增加。第三年通过扩大产能实现销售增长。
仔细检查公司的实际产量。如果不是产能限制导致的图，那就是销售团队的管理问题。公司产能利用率远未饱和，销售人员按量销售。一个核心问题是，销售人员的月度指标是按照年度指标除以12设计的。销售人员完成当月的指标后，就没有热情继续销售更多的产品了。第二年把销售目标定得更高的时候，还能很快完成，说明这家公司的产品还有很大的市场潜力没有被挖掘。销售人员只是按照它的目标和奖励机制去工作，而不是为了公司的发展和市场份额，导致整个公司失去了很多销售机会。背后有两个根本原因:1)销售目标分解不合理，没有考虑1-12月的年度增长率；2)没有足够的动力超售，销售人员没有动力销售超过月度目标的产品。
辅助线是一个强大的工具。就像我们在中学学几何的时候需要用它们来解题一样，我们也需要用它们来解读我们的数据。必要的时候在图表上加几条辅助线，可以让我们更好的解读数据背后的故事。
2.寻找差异和变化。
发现差异和发现变化是我们天生的技能。当我们认识了自然，就开始认识差异和变化，从自然的不断变化中寻找规律。在日出和日落的时候，我们有了利用影子来计时的发明——日晷，或者叫日晷。
如果事情没有变化，我们往往得不到明确的结论。当事物发生时，我们寻找事物变化的驱动因素，从而形成事物变化的驱动因素。如果我们希望事物以某种方式发生变化，我们就会根据我们从事物变化中总结出来的驱动因素来配置这样的驱动因素，这样事物才能发生变化。这是我们推动事情改变的倡议。如果我们能拥有成功的驱动因素，并根据成功的驱动因素积极地构建成功的条件，我们就能成功，企业也能成功。这也是我们经常喜欢看的人物传记和别人的成功故事。
一个事物的变化往往有充分必要条件。充分条件是指只要满足这个条件，事物必然会向预定的方向呈现变化；必要条件是指事物要发生变化，必须满足这些条件，但只有具备这些条件，事物才能如预期的那样做出相应的变化。但是，当我们用数据或现象事实进行分析时，如果找到充分的条件，我们就成功地完成了分析，但如果只找到必要的条件，我们还有很长的路要走。要验证我们发现的条件是必要的还是充分的，需要通过反复实验来做，如果通过论证做不到。
我们听过太多成功的故事。当外部环境发生变化，我们按照故事中大师们的成功方法去做，发现原来成功的充分条件可能只是必要条件。对于马云的灵魂，我们听了太多的成功故事和鸡汤。现在80后的人基本都是喝着马云的鸡汤长大的。马云创业的成功故事激励了很多人去创业，去尝试。但马云成功的外部环境已经发生了翻天覆地的变化，他的成功之路已经无法复制。他的鸡汤虽然营养丰富，但这些基本都是必要条件，而不是充分条件。
做数据分析的专业人士，需要对事物的变化有足够的敏感，不要因为变化小而忽略，不要因为变化不常见而不被注意。敏锐地感知事物的细微变化，是我们比别人更早发现事物的问题、规律和发展方向的捷径。如果没有，当所有人都能看到变化的时候，你看到的和别人看到的就没什么区别了。
《春江水暖鸭先知》的故事与《温水煮青蛙》相反。我们在阅读大量数据的时候，能感受到事物的微小变化，做“春江水暖鸭先知”。如果我们感受不到事物的微小变化，我们就会“温水里的青蛙”，因为感知不到微小的变化而逐渐被同化。
2014年回农村老家，发现78岁的阿姨已经可以拿着智能手机和远在微信上的表妹聊半天了。虽然我不识字，但是抱抱说话，放开送，就是这么简单的操作。以前没觉得这个简单的设计这么厉害。自从发现78岁的文盲老太太可以用微信语音聊天，我真的很感动。在这个全民智能传播的时代，每个人都成为互联网上的网络分子，必然会产生裂变效应。在未来，智能手机会更简单，不需要按钮，比Siri更智能，能够感知你想说什么和想说什么。一个78岁的农村文盲妇女，也可以直接对着手机说话，完成自己想完成的事情，比如和儿子说话，和儿子看视频，看孙子玩耍等等。
寻找变化是人的一种本能技能，但寻找变化背后的驱动因素，需要专业能力、对事物的理解和一些基本常识。如果是在企业，需要对企业运营、行业规则等有更深入的了解。，并且能够区分是充分条件还是必要条件。
3.寻找奇点和特殊群体。
与传统统计学不同的是，在大数据时代，我们的数据集都是数据，而不是抽样数据。如果有奇点，也不会是抽样或者随机造成的。它们是真实的，奇点的存在必须是正当的——存在是合理的。对奇点的深入研究，可以让我们感受到一些新的变化或者微妙的变化，很小的东西也可能成为流行的东西。
我一直不认为大数据更注重事物或数据的相关性和关联性，不太注重数据之间的逻辑和因果关系。为了更快地将数据分析的结果商业化，我们可以将发现的关联、相关、共生应用于实践，但追求数据现象逻辑规律的努力不能停止。我们需要知道事情为什么会发生，为什么会存在。我们需要知道事物的逻辑规律，这样才能更好地预测世界，产生更多的知识和智慧。
特殊点、奇点、特殊群体的存在，为我们揭示了世界的差异，这种奇点是否会成为未来的主流和趋势，需要我们去探索。探索奇点的存在，让我们发现更多新的东西，是做数据分析的乐趣所在。
我在一家婴幼儿奶粉公司做商业智能的时候，发现一个用户购买了大量的三段奶粉，但是这个用户没有任何婴幼儿。我以为这个用户买了礼物，因为没有机会转卖。我们的分销渠道覆盖率非常高。但是连续两三个月，买了很多奶粉，应该是4-5个婴儿的用量。后来我们追查，发现这个用户是给手术后住院的家人买的。手术后一家人吃不下饭，我们的奶粉是全配方，是非常全面的营养配方。我们只要吃奶粉，所有的营养都比较全面。我们内部开会的时候，我提出了一个想法。除了婴幼儿市场，我们公司的奶粉还有一个值得关注的市场，就是老年人和手术后的营养补充市场。这个市场应该不小，值得关注开发相应的产品。
这就是关注奇异数据，深入挖掘，找到新产品开发路径的方法。如果不重视奇点，或者发现奇点后就放弃了，那就太可惜了。有些奇点可以给我们带来创新的灵感。
就像海尔洗衣机在农村市场发现有人用洗衣机洗土豆，然后开发出洗土豆的洗衣机，一个奇点的数据就能给我们带来新的探索。如果我们很好的掌握了奇点的数据，再去研究，就会发现与我们常规认识完全不同的东西，就能有新的启发点和新的引爆点。
4.找到转折点和拐点。
数据的拐点和拐点很重要，甚至是关键的分析点。任何事物都有惯性，转折和拐点突破了事物常规发展的惯性，完全走向另一个方向，这需要强大的力量来扭转。对这个拐点和拐点的分析，可以让我们知道这股强大力量的真正实力。
某公司销售额持续增长突然下滑，那么这种下滑的驱动因素是什么？如果忽略这个推动因素，有可能公司会像山一样滚雪球，越往下速度越快，但是雪球越滚越大，最后一个失控，那就彻底晚了。
中国经济的发展进程，这个数字我们前面分析过。在中国经济发展的35年里，我们有过几次拐点，每一次拐点都是我们释放了巨大的机遇，导致了新的突破性增长。
事实上，如果你仔细研究中国经济发展的历史，你会发现很多拐点，有些拐点非常大。比如1981 -1982年的快速增长，1984-1985年的持续下降，1990-1991年的再次快速增长，1992-1993年之后的进一步下降，1999-2000年的止跌稳涨，2000年的稳涨。通过研究这些拐点，我们可以认识到一个国家经济增长的驱动力，驱动力规则中的阻碍力，以及每种驱动力的极限。
在研究行业数据的时候，也要认识到数据的拐点。一个行业快速发展到逐渐稳定，后期继续下滑，然后逐渐进入非增长阶段。每个行业都会有一个发展的过程和周期，会有不同的驱动因素。
研究公司的发展历史，也能揭示一些共同的规律。当企业发展到20-30人时，需要建立分工合作的组织体系；当增长到50-100人的时候，就要建立一套相对完整严谨的制度和流程；当增长到250 -300人时，企业需要开始考虑每个人的职业规划，公司的职级和薪级体系需要完善；当公司规模达到500人以上时，需要不同的业务领域或集团管理，开始考虑中长期的业务规划。有种子业务、开发业务、核心业务，需要在人员管理上做不同的调整，在业务安排上做不同的激励；当员工数量达到1000人以上时，企业开始面临新的挑战。上述人数是大概，不同的行业，不同的业务复杂程度，人员的文化水平，肯定会面临不同的瓶颈期。
行业环境也会很大程度上影响企业瓶颈期的到来。在一个快速发展的行业，企业的瓶颈期来得晚，行业不景气的时候，企业的瓶颈期来得早。原因很简单。当一个企业在行业的大船上快速发展的时候，只要发展了，大问题就不是问题。当行业停滞时，企业的发展也受到影响。企业不发展，小问题就会变成大问题甚至致命问题。
5.查找功能
事物的发展总会留下历史证据，而这个证据需要不断的挖掘，这就是数据分析的经验所在。看过美剧《犯罪现场调查》的朋友都会知道，现在是收集所有犯罪证据的时候了，根据留在现场的各种证据推断过去发生了什么然后享受推测、演绎、还原。
事实上，只要在事物发生发展的过程中记录了数据，就会留下事物发生发展的影子，这样我们就可以推导出过去发生了什么，为什么发生，如何发生，进而找到发生发展的驱动因素或规律。这是从数字中找证据。
比如我们前面研究的某公司月销售额的曲线图，因为我们采取了压货的策略，必然会出现销售数据下降的趋势。商品断货后，消费者的购买量会反弹，导致销量增加。这种变化是“压货”行为导致的结果的数据反应。如果我们的数据真实、准确、可靠，就会对事情发生的过程留下阴影，是无法造假的。只有你找不到，没有数据无迹可寻。
任何事物的发展都有自己的特点。如果能更好的理解事物的数据特征，就很容易从数据的形式上看出事物是如何发生和发展的。这就是我们所说的，取决于数据的特性。
识别特征需要经验。如果你不知道什么叫压货、囤货，为什么压货、囤货，那么你就无法在上面例子的数据中识别出压货的现象。这也是为什么作为一名数据分析师，职业与其他技术人员和编码人员不同的原因。数据分析师和老中医差不多。他们越有经验，他们的价值就越高。数据分析师越有经验，就越能从一些简单的图表中看出问题。日积月累的经验为数据分析提供了更多的知识。虽然在技能、软件操作、代码编写上落后于年轻一代，但有经验的数据分析师可以在数据解读、数据识别上给出更丰富的解读。
换句话说，要表达这个意思，我们可以说，越了解人性，就越能挖掘数据背后的故事。如果我们多一些社会学、心理学、经济学、管理学等学科的知识，就能了解企业中会发生什么，在解读数据的过程中就能有更丰富的想象和假设，然后根据想象和假设寻找相应的验证，进而证明我们发现的问题。没有这个过程，数据分析只会停留在对数据本身特征的描述上，无法解释数据所反映的事物的发展变化。
做股票交易的朋友会有各种看图的技巧，比如5日均线，10日均线，40日均线穿插主力交易线代表什么，什么是大阳线，什么是大阴线，什么时候预示上涨行情，什么时候预示下跌行情，什么是金叉，什么是死叉，什么是十字星。这些都是经验的积累和数据分析的结果。图形的特征表明了事物背后的相关规律，是从数据的角度解读事物发生发展规律的基本方法。
为了找到数据的特征，可以使用各种方法。一种方法是将其呈现在图形上，用肉眼观察特定数据集的特征。另一种方法是我们常用的描述性统计方法。通过观察描述性统计后得到的指标，可以发现数据分布的特征，从而更准确地了解数据集，包括数据集的平均值、极距、最大值、最小值、中值、峰度、偏度等信息。
全文摘自赵兴峰《企业管理数据分析——理念、方法、应用和工具》。
下期预告:《理解数据分析图标的10种基本方法》，敬请期待！
⑥找到问题⑦找到源头根本原因⑧找到关系⑨找到驱动因素⑩找到规律。
