标签：知识 推出 走势 数据集 沟通 承担责任 数据 运营 概念
总有不懂数据的人，把算法工程师当算命工程师用。用完了还嫌弃预测不准，甚至还把业务开展不力甩锅给预测。公司业绩遇到问题，不是集中起来想办法，而是集中起来批斗为什么没有预测到……全！是！扯！蛋！今天系统科普一下，到底数据预测能干啥。为数据分析师们发声。数据预测，得有数据才能预测，这是个基本前提。所以没有数据，预测个屁。典型的没有数据的场景有：
* 宏观政策问题：预测下明年会有啥新政策？
* 主观意愿问题：预测下老板今天爽or不爽？
* 全新创意问题：预测下阿鲁巴的未来前景。宏观政策，在公布以前是没有任何数据可以记录的，它压根就不存在。咋记录法，又咋预测法。因此完全无法预测效果，只能等到公布以后才能观察。会有人说：大政方针也要看数据来定，那理论上可以通过数据来预测方针的公布时间。想得美。大政方针往往涉及利益集团间的博弈，因此具体啥时候推出，很有可能是各方激烈斗争的结果，跟数据不完全有关系。真想摸清楚大政方针的走向，得找关系。走上层路线，接近权力核心。光站在外边看，就是隔靴搔痒。
主观意愿问题同理。人的主观意愿会表现在表情、言谈、举止，唯独很难表现在可记录的数据上。人的脑门上没有一个大窟窿，里边的数据哔哔哔哔不停往外冒。想搞清某个人的主观意愿，你得跟他沟通，而不是纠结数据。如果是针对某位大人物的，就鞍前马后伺候好，察言观色；如果是针对普通用户的，走用户研究路线，那边有整套的方法。
全新创意问题也同理。没有出现过的东西，是没有数据可预测的。很多人不服气——这为啥都不能预测！
不服气的同学们，请听题：
不服，来战！预测吧，阿鲁巴！
你也拍桌子骂娘——起码告诉我阿鲁巴是个啥啊！是滴，答对了。这就是解决全新创意问题的办法：把抽象的概念具体化，然后拿着具体概念做测试。
概念越具体，才越能测试出用户的真实态度。比如加个条件：阿鲁巴是一台手机。是不是就稍微有点感觉。再加个条件：阿鲁巴是一台薄的像纸一样的手机，是不是更有感觉了。根据概念的具体程度，有三个层级的活可以做（如下图）
这又是个用户研究的活，找你的用研中心，让他们开工。拿到第一批到第N批测试数据后，数据分析师可以帮忙搞搞分析。但是先采集真实数据是前提。
从本质上看，数据只是业务表现的数字记录，业务本身才是重点。一个简单的事实是：业务是做出来的，不是算出来的。决定业务走势的是：到底业务部门的哥们有多大本事。所以凡是人为能干预的，都很难做出精准预测，甚至预测本身有可能反噬业务表现。
比如：
不过上边都不是最狠的，最狠的是：建立科学预测体系，评价产品销量。然后市场部大老板自己收了供应商回扣，一句：“老夫从业20年，从来没见过这种情况，你这预测不符合业务”。大笔一挥，直接按回扣数额预测销量。遇到这种事，说理都没地方说理去。
简单来说，业务想搞事，你预测得准也会变得不准。业务想甩锅，永远都可以说：预测的不够准，导致决策不够精准。这就好比开车的时候，预测到前方转弯有大石头，预计1分钟后撞上。开车的人听到这个预测就得踩刹车。而不是继续狂飙，撞上石头以后再来抱怨：“你预测的不准，不是60秒后撞上，而是59.99秒以后撞上，导致我没踩刹车。”——你TM不踩刹车，还来怪预测了。
所以，这个问题本质是责任谁承担的问题。合理的责任划分方式，是：只要有人为干预环节，统统是决策人本身承担责任。本身数据预测只是一个判断依据。除了数据，做业务的经验、能力、人脉资源、市场嗅觉、用户感知，都是判断依据。用起来呀。
在具体方法上，所有有人为干预的业务流程，都可以分阶段输出预测结果。根据上一阶段的情况，随时修正预测值，只要预测的定性没有错（前方本来没石头，预测成有石头，就是定性错误）就能交付业务使用。这样才能保证最终结果不出问题。就像开车上路，导航是实时更新预计到达时间和道路拥堵情况，而不是一上来预测个最终时间一样。
数据预测有个基本前提：过去的经验未来会重现，未来的走势和过去的逻辑相同。无论是简单的靠经验推导，还是复杂的算法逻辑，都是基于这个前提的。正是有这个前提，才能根据历史数据才预测未来。所以，所有预测都会加上一句：在XX背景/前提/假设下预测。正因此，很多经典的预测结果，都是基于农林牧渔、医疗生物，这种有客观依据，不宜改变规律，内在科学原理的业务得出的。
但是商业社会显然不符合这些个条件。商业社会就是充满不确定性，受突发事件和意外影响。甚至商业社会还可以人为制造热点，操控舆情，无风掀起三尺浪。不是商业企业孜孜不倦的教育，女士们还在用雪花膏，哪来整套整套的水、乳、液、精华、各种色号……男士们还在下围棋、象棋、军棋，哪来的皮肤、武器、暴击、加速、闪现、命中……所以本质上所有的预测都是有前提下适度预测，遇到新的场景就得重新找数据集重新修正。
用过去预测未来，有三种基本预测方法（如下图）：
没有一种方法是绝对准确的，都得结合预测效果做修正；输入的数据越少，输入的关键变量越少，预测精度必然越低。细分越具体的场景，可采集的数据越多，短期内预测的波动性会越小。所以想取得好的预测效果，得仔细挑选场景，确保优质的信息来源，建立修正机制。这些，又和需要与业务大量沟通，密切协作有关系。
只有算命的，才是：
真正的数据预测，就是需要体系化运作。比起赌运气赌最后的结果99.999999%准确。而是细致分析预测场景，结合业务动作，选择合适的方法，达到业务上的目标即可。有兴趣的话，本篇集齐60在看，我们找一个具体业务问题，来看看预测体系是如何运作的。敬请期待哦。
更多原创：
掌握业务逻辑，了解业务过程，才可以进行更准确的预测，并适时调整，购买陈老师视频课程《业务知识一站通》，可以深入学习，并可加入学员群，享受陈老师一对一沟通咨询服务。
标签：知识 推出 走势 数据集 沟通 承担责任 数据 运营 概念
原文地址：https://blog.51cto.com/14915224/2524820
