image.png

有時候，跟我們的學(xué)生開玩笑說：“以后聽講數(shù)據(jù)分析的人講課，我教你一個最搗蛋的提問題的方法。就是他講得很好，最后你問他so what——你做完分析后你能干什么，怎么實施？基本上10個里面，有9.9個會被問慘?！?/p>

我們給大家看幾個例子。第一個是什么？這是我們自己團(tuán)隊的講的時候，我就問這種問題。我們曾經(jīng)做車聯(lián)網(wǎng)的數(shù)據(jù)，給公交汽車做。

公交汽車它的油耗很大，那么我們很好奇油耗發(fā)生在什么地方。很快這張熱力圖就會告訴我們，大量的油耗發(fā)生在公交站的進(jìn)出，這個你改變不了。

那第二個事是，同樣是公交站的進(jìn)出，有的油耗相對小，有的就高，為什么？后來又發(fā)現(xiàn)，這跟我們的起步是否勻速滑行的距離有關(guān)系，這些也都是一些常識被印證了，然后一般我們的分析就到此結(jié)束了。

那么，可以問一個so what，又怎么樣。你怎么把這個知識變成一個東西能夠幫助公交集團(tuán)，能改善它的服務(wù)？我們總不能跟司機說，樊師傅，你起步要慢慢起。

他說，“我本來就是慢慢起的，我開得好著呢，你自己覺得不舒服是你的問題”，不好弄。所以，后來我自己也沒辦法，跟一個朋友講——他經(jīng)常管這樣的團(tuán)隊。

他說：“這很簡單，每一個月我們就考核油耗，油耗差的那幾個就罰，他自然就會來找原因。這個時候你再跟他講慢慢起步，他就會愿意聽?！?/p>

我覺得，這個如果實施了，那就變成一個把數(shù)據(jù)分析的結(jié)果真的在實施過程中，變成可操作的東西了，這是個特別好的事情，

樊登：就是還要結(jié)合管理的智慧，結(jié)合管理的手段，然后把它慢慢地變成一個可操作的東西。

王漢生：沒錯，這個時候有一個案例對我啟發(fā)特別大。這個案例也是一個老掉牙的案例，很多的大數(shù)據(jù)上都會講farecast（價格預(yù)測）。它講的是什么故事呢？有一個計算機的教授，他做了一個算法，能夠預(yù)測機票價格的漲和跌。那對于我來說，如果你告訴我機票看漲，我應(yīng)該趕緊買票；如果看跌，我就該等一等。他通過大量的隨機模擬發(fā)現(xiàn)，這個算法能夠為普通人能夠節(jié)省大概20%以上的預(yù)算，而且是非常開心的事。但是，問題是這是個平均數(shù)，那意味著有人就節(jié)省了，有人就賠了；有人這次節(jié)省了，下次可能就賠了。

在用戶的體驗過程中，很遺憾的事情是這樣的，你給大家創(chuàng)造價值他就很開心，但是也很快可能會把你忘掉。給大家創(chuàng)造不愉快的體驗的時候，大家會形成強烈的情緒反映在對你不利的媒體和各個角落里。這時怎么辦？

我們有兩種解決的辦法，一種是我們看到很多的學(xué)者，很多的企業(yè)努力做的就是我提高預(yù)測精度，這是一個深坑，我個人是非常不看好的。但是，在這個領(lǐng)域里面，有不同的學(xué)者不同的看法，有些樂觀的學(xué)者會認(rèn)為，終于有一天我數(shù)據(jù)量非常大，計算能力超級強，以至于你的喜笑顏開我全可預(yù)測，這是一種看法。那你就照這個方向努力?？赡苡悬c信仰問題，我個人根本不相信這個。我相信諸行無常。我覺得，有預(yù)測的東西就一定有反預(yù)測的東西出現(xiàn)，所以，我們說這個事情，在給定X給定Y的情況下，給定時間和場景的情況下，能預(yù)測多準(zhǔn)是有上界的。這個上界是天說了算的，不會通過任何的技術(shù)上的改變而有任何的改變，但不代表我就沒有意義。

因為如果你胡蒙亂猜在這兒，我改善到這兒，改善的這個margin（范圍）不大，但這是很可能可以通過技術(shù)手段改變的，那怎么辦？

farecast（價格預(yù)測）給我們的最大的啟發(fā)，是通過一個產(chǎn)品上的商業(yè)模式上的改變，讓這個東西體現(xiàn)它怎么改變的。他說，“反正我預(yù)測不了特別準(zhǔn)，那我們給你做一個保險產(chǎn)品，咱們對賭，你給我9塊9毛9買一個保險，我再給你出一主意。你賺了自個兒留著，賠了我給你，我賠償差價”。他就把這個margin（范圍）從一個平均水平變成了一個每個人都可以體驗到的東西。

所以，我自己的一個信念是什么？在數(shù)據(jù)產(chǎn)品商業(yè)化的這個過程中，我認(rèn)為，我們要核心思考的事不是精度無限制地提高。我經(jīng)常講一個特別負(fù)能量的俗語，我說，預(yù)測不準(zhǔn)是常態(tài)，預(yù)測準(zhǔn)確是變態(tài)，一定是錯了。我自己的職業(yè)生涯中從不失手，看到預(yù)測過準(zhǔn)的東西，十有八九是錯了。我們要思考的是，我們在預(yù)測不準(zhǔn)，但是有改進(jìn)的前提下，怎么樣通過產(chǎn)品和商業(yè)模式上的創(chuàng)新，讓更多的人能夠體會到它的美好，這個事是努力的方向。

樊登：類似的案例我聽過是，有一個人在路邊喝咖啡，然后他就看到下雨了。下雨了以后就好多人在抱怨說，完了，今天這個生意又糟糕了。他說，這有意思。他就去研究下雨以后，到底對多少人的生意有影響。然后，竟然通過數(shù)據(jù)的分析和精算出了一款下雨險，讓這些商家、個人買。你買了我這下雨險，如果下了雨賠給你，但如果沒下雨我就賺錢了。這就是從一個數(shù)據(jù)慢慢地變成一個產(chǎn)品的過程。

王漢生：而且它最巧妙的地方是，它即使是預(yù)測下雨，我相信它再準(zhǔn)也準(zhǔn)不過中央電視臺，它的資源有限。但是，它可以準(zhǔn)到一定的程度，實現(xiàn)一個平均水平上的盈利，然后通過一個保險產(chǎn)品把這個東西實現(xiàn)掉。

樊登：它接受了不準(zhǔn)確，把它量化成了一個數(shù)字，然后用一個產(chǎn)品來抵消它。

王漢生：沒錯，您說得特別對。所以，在數(shù)據(jù)這個模型的產(chǎn)品化的過程中，一定要注意一個問題，我們要認(rèn)可和接受它的不準(zhǔn)確。如果我們的產(chǎn)品設(shè)計是假設(shè)它超級準(zhǔn)，那這一定是不可能的。

樊登：那現(xiàn)在我們老講大數(shù)據(jù)，說大數(shù)據(jù)跟過去的統(tǒng)計最根本的區(qū)別就在于統(tǒng)計是抽樣。我抽了100個樣、抽了50個樣。大數(shù)據(jù)不抽樣，所有的數(shù)據(jù)都在這兒。所以，那不是準(zhǔn)確度就應(yīng)該是非常高了？

王漢生：樊老師，我得為我們學(xué)科說幾句話，這是大家的一個誤會。統(tǒng)計學(xué)關(guān)心的核心問題是對數(shù)據(jù)的分析、建模以及采集的整個流程。它沒有在任何一個角度說要定義統(tǒng)計學(xué)關(guān)心的問題只是抽樣，這是第一個問題。不是這樣的。所以，大數(shù)據(jù)在我們看來，是統(tǒng)計學(xué)研究的一個自然而然的一個目標(biāo)，而且事實上統(tǒng)計學(xué)對它貢獻(xiàn)非常大。

第二個問題，至少在我目前的職業(yè)生涯中，從沒有看到過一個場景說，大數(shù)據(jù)可以代替抽樣的貢獻(xiàn)。最典型的，特朗普競選總統(tǒng)的時候，所有的大數(shù)據(jù)都認(rèn)為希拉里會贏。但是他贏了，為什么？因為我們來自于——比方說，F(xiàn)acebook的意見可能不能代表一大批當(dāng)年退伍老兵的意見。所以，任何情況下，我們看到騰訊的數(shù)據(jù)，那只是騰訊用戶的數(shù)據(jù)，阿里的數(shù)據(jù)永遠(yuǎn)是阿里用戶的數(shù)據(jù)。它能不能代表一個更廣泛的群眾，是不清楚的。

第三個問題，我一直認(rèn)為越是大數(shù)據(jù)抽樣越重要，第一個要抹平不必要的誤差。第二個節(jié)省計算量。我們現(xiàn)在有一個誤會，認(rèn)為計算機很厲害了。計算量就不是問題了，其實不是的。我們看一下我們的CPU它改進(jìn)的速度，每年它是線性增長一點點的。但是，我們的存儲增長得非?？?，那意味著我們變量的個數(shù)也是差不多是同樣甚至更快的速度在增加。

增加的過程中，我們極少數(shù)有模型和算法，它的復(fù)雜度是線性的，也就是說我增加一倍，那么計算量要增加四倍，然后我數(shù)據(jù)增加十倍，我的計算復(fù)雜度要增加一百倍甚至更高。所以，越是到這個數(shù)據(jù)量大的時候，這種smart （智慧）的computation（計算）會越來越重要，而且大量的巧妙的計算是依賴于抽樣的智慧的。

樊登：數(shù)據(jù)太大了以后，的確會造成特別大的資源浪費和包括環(huán)保問題。我聽他們講是哪個公司，就每年的電費就是好幾千萬美金，電費就這么多。所以，像您說的，如果用抽樣的方法，能夠有效地去提高它的效率的話，那這門學(xué)科也是會一直這樣存在下去的。

還有一種，就是您也批評過這種大數(shù)據(jù)的誤區(qū)，說大數(shù)據(jù)強調(diào)的是相關(guān)關(guān)系；然后我們過去做統(tǒng)計，我們是想找到因果關(guān)系。有的專家就講以后相關(guān)關(guān)系最重要了，因果關(guān)系不重要了。這個您怎么看？

王漢生：這個可能樊老師剛才說的也不是非常準(zhǔn)確。統(tǒng)計學(xué)關(guān)心的是數(shù)據(jù)分析問題，其中包括因果關(guān)系，也包括大量的相關(guān)關(guān)系，它都關(guān)心。而且事實上，能夠建立因果關(guān)系的機會特別少。例如，我們經(jīng)常能看到是在臨床實驗中。所以，事實上統(tǒng)計學(xué)研究的大量問題是相關(guān)關(guān)系，但是這不代表因果關(guān)系就不重要了。

事實上，我認(rèn)為因果關(guān)系永遠(yuǎn)都是最重要的。比方說，大數(shù)據(jù)表明公雞一叫，太陽就升起來了。把雞殺光，太陽就不起來了嗎？那這就是相關(guān)關(guān)系而已。這時候我們看到一個現(xiàn)象是什么？如果我的這個數(shù)據(jù)應(yīng)用的場景，主要是為了做預(yù)測，我想預(yù)測什么時候太陽該起來了，這行。我看到雞一叫太陽就起來了，這是預(yù)測。

那如果說，我們在實際應(yīng)用中，我是想有動作，比方說，我想改變明天太陽升起的時間，你會發(fā)現(xiàn)這時候相關(guān)關(guān)系就慫了，殺雞不管用。

我們再回到咱們樊登讀書來，比方說，我們明年的一個重要的任務(wù)，要增加多少粉絲量，我們需要的是什么？我們需要的是動作。我到底應(yīng)該做什么才會產(chǎn)生這樣的增量？所以，這時是要因果關(guān)系。

但是因果關(guān)系極其奢侈，我們在非常少的條件能看到。所以，大量的數(shù)據(jù)分析，事實上我們是通過相關(guān)關(guān)系在盡量地把我們的注意力聚焦到一個很小的范圍內(nèi)。然后剩下的真的是用點主觀的判斷，覺得也就差不多了。

所以，這里面有點繞腦袋，一方面統(tǒng)計學(xué)研究了大量問題是相關(guān)關(guān)系，但是我們從不認(rèn)為相關(guān)關(guān)系就能把因果關(guān)系給替代掉了。

樊登：那就像我說，這篇文案寫得很好，今天的銷量上升。這兩個當(dāng)中為什么不能夠建立因果關(guān)系？因為文案寫得好，所以它上升，有兩種可能。一種是因為文案寫得好，所以今天銷量好；第二種，因為今天正好趕巧了，比方說，禮拜一，是一個特別好的銷售的日子，所以它銷量也好。

我們在分析過程中的思路是這樣的，我們首先建立的相關(guān)關(guān)系，懷疑是因為這樣的優(yōu)秀的文案產(chǎn)生的結(jié)果。這是一個懷疑。那么，接下來怎么驗證？接下來，我用同樣的套路再寫類似的文案，在不同的場景下都去測試，如果大量地被驗證了，我會覺得確實由于是文案的原因。

樊登：這就是您說的，特別難以追求到的因果關(guān)系。

王漢生：非常艱難，這個問題不能想太深，想太深是哲學(xué)問題。

樊登：找到這些因果關(guān)系以后，就形成了一個企業(yè)的方法論，工具和動作，這就是數(shù)據(jù)思維的一個基本的架構(gòu)。您在這本書里邊有很大一章節(jié)在寫回歸分析。回歸分析，我們上數(shù)學(xué)課的時候?qū)W過這個詞，現(xiàn)在忘得差不多了，你給大家用通俗的語言講講什么叫回歸分析？

王漢生：首先還是這個問題，每個人有不同的定義，那我說我的定義是什么。在我看來只要有Y和X的都叫回歸分析。那有Y和X之后，我們一般在大學(xué)學(xué)習(xí)中，第一門線性回歸分析課，會講一個線性模型，那么現(xiàn)在的計算機技術(shù)更好以后，我們會有大量的非線性方法。其中包括非線性模型、非參數(shù)模型、機器學(xué)習(xí)、深度學(xué)習(xí)算法。在我腦袋里統(tǒng)統(tǒng)都算回歸分析，這是一個技術(shù)的層面。這些我還不是最感興趣的，我最感興趣的還是剛才說的在道的層面去做回歸分析，我把它認(rèn)為是一種思想方法。它能夠幫助我們把一個業(yè)務(wù)問題迅速地定義成一個數(shù)據(jù)可分析問題，從那個位置開始往后都是純技術(shù)的。

樊登：我聽您講完這意思，就是我們反正也是聽不懂，所以不需要我們懂。

王漢生：我覺得不需要。我是覺得我們是從數(shù)據(jù)到價值這個通路，它們有一節(jié)一節(jié)的。我們就前一節(jié)，可能是首先要理解業(yè)務(wù)和數(shù)據(jù)這種關(guān)系，把業(yè)務(wù)問題變成數(shù)據(jù)可分析問題，這一步是不可或缺的。

第二部分，就是比方說機器學(xué)習(xí)，各種各樣的回歸模型，還有深度學(xué)習(xí)的算法。它是從這里解決到下一節(jié)，這兩節(jié)我覺得都很重要，哪一節(jié)都是不可或缺的。但是在市場上，我們看到對這節(jié)關(guān)注特別多，對這節(jié)關(guān)注特別少，而這節(jié)存在的問題體量非常大，這部分相對要少。

樊登：所以您寫《數(shù)據(jù)思維》這書的目的就是為了提醒大家說，其實建立前期的這個思維是很重要的，后邊那部分是專業(yè)人士干的。

王漢生：所以，這本書事實上就是兩種人都可以嘗試去看。一個是我想理解它整個的思維方式，那么不涉及到數(shù)據(jù)分析的計算，另外一部分人像我們自己，還有我們的學(xué)生研究生的團(tuán)隊。那么，后面技術(shù)這一部分，是每個案例后面是配著數(shù)據(jù)和代碼的，所以他們也需要學(xué)后面。所以，我自己的看法里面，這兩部分都很重要。

樊登：所以，看這本書的人，就是找能看懂的部分看就行了?？床欢牟糠?，交給北大的研究生們看就行。最后，給大家普及一下大數(shù)據(jù)的基本常識，因為很多人都老聽大數(shù)據(jù)這個詞，都覺得很有意思很神秘。比如說，谷歌一大堆數(shù)據(jù)放在那兒，說只要大家搜這個詞多了，那感冒就來了。這種大數(shù)據(jù)跟老百姓有什么關(guān)系？

王漢生：這是一個特別好的問題，你說，我們天天都在談大數(shù)據(jù)，里面充滿了那么多好玩的故事，跟我們老百姓真正相關(guān)的特別少。所以，如果我們把老百姓也看作一個自然成長的個體，我們希望將來為自己、為社會創(chuàng)造價值的話，我覺得需要的是最樸素的一些數(shù)據(jù)價值觀和它的這種方法論，那么這個價值觀正好是《數(shù)據(jù)思維》里面想去強調(diào)的價值觀。

我們對數(shù)據(jù)的理解，首先我們要理解分析的目的是什么，我們要先問這個問題。這個問題都不清楚可能就變成一個學(xué)校里的作業(yè)了，然后有了目的之后我們再問：我的業(yè)務(wù)分析的核心訴求中，Y是什么，X是什么，能不能梳理出來？那個變量帶來的改變目標(biāo)又是什么？那么，Y，我們把它叫作因變量，它是業(yè)務(wù)最核心的訴求。X是它相關(guān)的解釋性的變量，我能不能梳理出來？如果能夠梳理出來，然后我在這上面可以嘗試一些最簡單的分析。它能夠帶給我們一些什么樣的價值？我們可以嘗試慢慢地去做。

時間長了，你會發(fā)現(xiàn)生活中處處都是回歸分析。我經(jīng)常有時候跟我們同學(xué)開玩笑。我給大家看一個我的自己的銀行電子賬單。那是我在美國訪問的時候——那時候訪問了大概五六個月，有一個電子賬單，上面的廣告請我去萬達(dá)看電影，去吃漢堡包。我經(jīng)常開玩笑說：“我特別喜歡看電影，相當(dāng)喜歡萬達(dá)影院，但是太遠(yuǎn)了。我當(dāng)時是在美國?！?/p>

我說，這里面就一個很標(biāo)準(zhǔn)的這個模型中，可能是個失敗的回歸分析。這個廣告是電子版的，個性化廣告推送過程中，它缺失了一個重要的X變量。就是我最近一次刷卡到service provider（服務(wù)商）位置之間的距離。如果有這種數(shù)據(jù)思維，回歸分析的思想的話，你一開始加進(jìn)去，可能發(fā)生這種場景的機會就會被避免。

樊登：也是為了提高整個社會的精度，讓我們減少一些浪費和無謂的損失。那我是大致聽懂了，就是數(shù)據(jù)思維有這么三個方面。我們需要首先找到可以量化的數(shù)據(jù)，然后找到我們需要去改變的因變量，然后看看它們倆之間X 和 Y是怎么發(fā)生關(guān)系的，接下來，我們后半段交給技術(shù)人員去幫我們做處理。

王漢生：后半段它可以建立一個模型，但最后我們要把它產(chǎn)品化 ，讓它成為一個流程或者是一個算法也好，還是一個可體驗的A P P也好，這個時候還是需要比較大的智慧的。

樊登：那這個現(xiàn)在講明白了。那么，對于比如說我們會員里邊好多正在創(chuàng)業(yè)的企業(yè)家，中小企業(yè)者剛剛創(chuàng)業(yè)，他們應(yīng)該做些什么事，往這個方向前進(jìn)？

王漢生：我覺得我們按照數(shù)據(jù)思維的基本的框架。如果我們正在創(chuàng)業(yè)，我們首先問第一個問題：我這個創(chuàng)業(yè)的方向，數(shù)據(jù)是不是能幫上你很大的忙，對你重不重要？

事實上，我們不能排除很多場景數(shù)據(jù)也許在可見的方面，幫不了太大的忙，那我們必須得承認(rèn)，這種現(xiàn)象是存在的。也許我覺得就probably（可能）不用太操心了。那如果認(rèn)為在我未來數(shù)據(jù)將成為自己的創(chuàng)業(yè)項目最核心的資產(chǎn)的話，還是涉及到我要對我自己的業(yè)務(wù)梳理得很清楚，把我的業(yè)務(wù)中的Y和X一定要梳理得非常清楚。在這個過程中我們要盡量地保證Y和X的非常高質(zhì)量的供給，不至于被一家壟斷。最好是自己能生產(chǎn)，長時間一積累才好。

這個聽起來很抽象，我們看一個具體的例子還是車聯(lián)網(wǎng)。車聯(lián)網(wǎng)的數(shù)據(jù)關(guān)于這個司機而言，它能夠非常了解這輛車的駕駛情況，但是它如果想成為一個優(yōu)質(zhì)的保險產(chǎn)品，它需要建立一個模型。什么模型？從車聯(lián)網(wǎng)的數(shù)據(jù)能夠預(yù)測你未來是否出險，出險是它的Y。這兩個數(shù)據(jù)放在一起的時候，才可能變成一個完整的技術(shù)問題是后面的專家去做，如果這兩個缺任何一個都是不可能的。

但是很遺憾的是，車聯(lián)網(wǎng)數(shù)據(jù)是由車聯(lián)網(wǎng)駕駛行為數(shù)據(jù)，一般而言，它沒有出險的數(shù)據(jù)。出險數(shù)據(jù)是在保險公司那里。而我們的保險公司一般是非常強勢的。

如果說，我們在這個方向上創(chuàng)業(yè)，作為老大的腦袋里要時時刻刻記住要拿到這個保險公司的Y，這個是戰(zhàn)略問題，這不是個簡單問題。所以，你在這個層面上有思考就好。

非常有意思的發(fā)現(xiàn)是，同樣的這個問題從小汽車變成大卡車的時候故事全變了，為什么？大卡車都是物流企業(yè)，物流企業(yè)它自己知道哪輛車出沒出險，所以同樣的數(shù)據(jù)，不僅保險公司有，物流企業(yè)也有，而物流企業(yè)正好是你的合作伙伴，它有很好的配合的意愿把這數(shù)據(jù)給你，所以同樣是一個數(shù)據(jù)創(chuàng)業(yè)的項目。

你會發(fā)現(xiàn)在某一個細(xì)分行業(yè)里，可能你有一部分的數(shù)據(jù)資源的獲得是非常有挑戰(zhàn)的，不是不可能，一定是極具挑戰(zhàn)的，而另外一個方向上，可能是很容易獲得的。那么，如果我們創(chuàng)業(yè)在這個過程中，要盡早地思考這個問題，不要走到那兒跟前才發(fā)現(xiàn)我們要拿的這個Y或者X，是動了人家的核心利益，那是不可能給你的，那個時候就太晚了。

樊登：像我們樊登讀書會其實跑著特別多的數(shù)據(jù)，但是好像沒有好好利用過。我們沒有認(rèn)真地去分析每一個用戶的使用習(xí)慣，像我們這里邊可采集的數(shù)據(jù)點有哪些？

王漢生：樊老師，我自己有一個看法，首先我們對數(shù)據(jù)的商業(yè)價值可能在大量的媒體上被放大了，我們還是要承認(rèn)一個現(xiàn)實，我認(rèn)為在大多數(shù)場景下，我們是看不到數(shù)據(jù)能產(chǎn)生特別了不起的效果，首先這是個非常謙卑的起點。

在這個基礎(chǔ)上再說我們數(shù)據(jù)到底能產(chǎn)生什么價值。一般我的習(xí)慣是說，倒著我們的業(yè)務(wù)線去問，那我們今年的預(yù)算主要花在哪些方向上，肯定都是希望有產(chǎn)出的。比方說，我們是有多少的預(yù)算是花在了廣告，或者某些銷售投入上。那這個時候我的數(shù)據(jù)的采集點，就要圍著廣告和營銷的手段這些點去采集。比方說，我在哪些地方組織了什么活動，它的參與的人是多少，地理位置是多少，它的人群是什么樣的。在這樣的這個過程中，把數(shù)據(jù)的采集點采集下來，所以，它的所有的采集點是圍繞著我的業(yè)務(wù)線來執(zhí)行的。

樊登：我覺得您這個態(tài)度特別好，就是作為一個統(tǒng)計學(xué)、研究數(shù)據(jù)的教授并沒有把數(shù)據(jù)神話，并沒有說大數(shù)據(jù)特別了不起，大家要緊張起來、要小心。你就坦然地承認(rèn)有的數(shù)據(jù)它也掙不了錢。所以，給我們普及了數(shù)據(jù)思維的最基本的框架，我再給大家梳理一遍，看我說得對不對？

首先，是要知道所有能夠被電子記錄的東西才被稱作是數(shù)據(jù)，然后通過它能夠形成具體的動作產(chǎn)品化才能夠創(chuàng)造價值。所謂的數(shù)據(jù)思維，就是了解從數(shù)據(jù)到價值之間的這個過程。然后把我們整個業(yè)務(wù)當(dāng)中的因變量，就是你希望改變的那個Y找到，對它所影響的X都有哪些。把這些數(shù)據(jù)采集出來之后，我們交給專業(yè)人士去做回歸分析，找到它們的相關(guān)關(guān)系。回歸分析之后，就能夠得出哪些東西的影響更大，哪些東西影響更小，之后形成一個具體的動作，就叫產(chǎn)品化的過程，從而創(chuàng)造價值。所以，真的得培養(yǎng)很多這方面的人才。

王漢生：因為寫這本書的時候，也有一個背景。我經(jīng)常被問到一個問題，說漢生老師，我們公司經(jīng)常會碰到兩個選擇，有的朋友是說我們應(yīng)該在公司里面做一個大數(shù)據(jù)部，一個專業(yè)的職能部門。有的朋友是說，“也許我們應(yīng)該讓數(shù)據(jù)分析師進(jìn)入各個職能部門，到底是哪一種方式好”？我想了很久，有一天我明白了，我說不出哪種方式好，但我知道我們一個優(yōu)秀的團(tuán)隊，尤其是數(shù)據(jù)成為重要資產(chǎn)的企業(yè)，數(shù)據(jù)思維應(yīng)該是從上到下全部都得有。

因為如果說我們的銷售，講不清楚我們的數(shù)據(jù)產(chǎn)品之于別人的商業(yè)價值，無論是收入也好、支出也好、風(fēng)險也好，那我怎么去售賣？在售賣過程中，我們的銷售常常做的一個事情，就是過度承諾。過度承諾之后，因為自己不懂，回來之后，后面的人實現(xiàn)不了，兩邊就開始扯皮打架。

我們的產(chǎn)品經(jīng)理有了數(shù)據(jù)思維會知道我怎么樣讓我的數(shù)據(jù)價值能夠在一個圖表和dashboard（商業(yè)智能儀表盤）上表達(dá)出來。我們的企業(yè)的老大要知道，就像您剛才問我那個問題，我們要讓樊登讀書做到更好，我的數(shù)據(jù)上戰(zhàn)略性的動作是什么？別告訴我什么數(shù)據(jù)都要采集，那是有成本的，你應(yīng)該告訴我說哪些環(huán)節(jié)上的數(shù)據(jù)可能之于我現(xiàn)在的核心業(yè)務(wù)，是最有價值的，我就采那些就行了。哪些是不足的，我要通過什么樣的BD（商務(wù)拓展）的手段，形成戰(zhàn)略性的合作能夠獲得的。所以，從上到下都需要這樣的東西。當(dāng)然，技術(shù)人員就更需要知道后面所有的技術(shù)方法，包括我們的程序代碼可能都是需要的。

樊登：所以，這讓我們知道數(shù)據(jù)思維不僅僅是創(chuàng)始人一個人的事，是公司從上到下所有人都應(yīng)該具備的一種基礎(chǔ)的素養(yǎng)。也許將來有一天，它會成為高中的一門課，讓所有的這些中學(xué)生都能夠有數(shù)據(jù)思維，能夠知道用統(tǒng)計學(xué)的方法來更確切地了解這個世界。

王漢生：是的，也許不一定是一種課，課也是一種形式。另外一種形式就是潤物細(xì)無聲，可能是在各個的課程里面，大家都涉及到這些東西。

image.png