如何提升对数据运营的敏感度

天生对数字不敏感的人，如何提升对数据运营的敏感性？

提升数据敏感性，主要靠积累经验，看的数据，量越多、种类越丰富，敏感性越强。

但是这也不意味着随便看、胡乱看，而是有针对性的增加自己能力，可以参考以下三个方向：1预估能力

2发现数据异常的能力

3数据转化为知识的能力

预估能力

在看到实际数值前，就可以依据其他数据、主观感觉来估算数值，并控制估算误差。

此能力较容易锻炼。看数据之前，对数据进行主观猜测，再拿猜测值与实际值对比，根据实际值调整自己的感觉。多多练习即可。

对于系列数据，比如销量、网站访问量、活跃用户数等，需要明白，在没有异常的情况下，系列数据是由规律+随机数组成的。比如周一网站访问量在100W左右，这是规律；上下波动95%的可能在5W以内，这是随机数。

发现数据异常的能力

发现数据异常，是预估能力的一个延伸。越强的预估能力，就越能提高发现异常的速度、准度。

异常有两种：

4正确的异常，即现实中有特殊事件发生，反映到数据就异常。

5错误的异常，即现实正常，但统计错误导致数据异常。

发现错误的异常也有些小技巧，一并分享如下：

6数量级

观察最终数据，保证在数量级上没有大的误差。例如，通过询问需求方得知，每天付费数在30单左右，若统计结果在80单或者8单，则结果很可能有问题。

7各维度汇总

对于不同纬度分析，各纬度汇总值是否一致

交互式报表，下钻之后的汇总是否跟下钻前一致。

8分布

统计结果的分布，往往有其特性。

例如每天付费数，会有连续性跟周期性两种特性，连续性是不会出现忽高忽低的大幅变动，周期性是周末都会有一定程度的提高或降低，7天一重复。

例如统计员工工作量，对一周的工作总量按员工汇总，一般是由高到低的一个均匀递减。

9抽样

抽样检查一直是最有效的方式。取统计值的明细，直接对其中几条进行核对。

选择核对明细时，尽量保证抽样能覆盖各个分层，以及随机性。

数据转化为知识的能力

从数据、信息到知识的演变如下：

数据、信息和知识的区别联系：

（以上两图，引自涂子沛的《大数据》88页）

这部分能力最难培养。可通过查看各行各业的分析报告，学习从数据转为知识的常见思路，例如：归纳、细分、对比等。

另外针对自己日常工作，请将根本目的设为解决问题，而非完成数据需求。只有深入了解运营，深入了解数据的一线运用场景，才能完成数据到知识的转化。