如何通过数据看穿商业规则下的脉络

01

之前写过关于专业选择和互联网风控的很多文章，收获了很多朋友的问题，各类问题总结起来主要是3大类。

第一类是如何学会我这样的逻辑思维能力，学会获得更多看问题的角度。

第二类是究竟怎么样的工具可以帮助自己快速收集信息，然后快速做出正确的决策。

第三类是到底怎样的技能可以帮助自己快速的脱颖而出，或者说给自己的职业生涯加码。

这三类问题的答案在我眼中是同一个。

业务感知+数据获取+数据分析，是解决这些问题的钥匙。

所谓逻辑思维能力，说穿了就是将事物进行观察、比较、分析、概括进而判断和推理的能力，这套能力的核心是用一个客观的角度来看待事物，人的认知都是带有主观性的，想要客观的认知事物，必须找到一个客观的判断标准，数据，就是客观的。

所谓快速帮助自己收集信息和做出决策，其实就是收集数据，制定指标，制定效果，然后用恒定的效果来反推合理的指标阈值，再依据阈值来做出特定行为，这需要对于自身目标的清晰认知以及通过数据判断的能力。

所谓帮助自己的在职场取得优势，其实只有一种情况，就是能让自己产生更大的价值，并且可以量化这个价值给别人看，做到，然后被人看到，才是升职之道。这同样需要数据，数据可以帮你发现提升点，数据可以帮你量化这一切。

业务感知，数据获取，数据分析，是我认为当代年轻人都应该努力的方向。

尤其是数据分析。

在我看来在这个数据爆炸的年代，数据分析能力应该是每一个职场人士都该掌握的基础技能。

甚至是看破世界真相的核心能力，数据可以告诉你一切。

拿我个人来说，我自己是负责风控的，业务认知和数据技能是我吃饭的看家本领，我做出任何决策，都一定是基于数据分析后利益最大化的结果。

假如我要打击用户刷单。

那么我需要通过数据分析来找出刷单用户的的行为特征。

例如他们都喜欢在什么时间登陆，喜欢使用什么样的支付方式，喜欢留怎么样的收货地址，他们的设备号和IP有什么异常，APP来源是哪个应用市场，APP端的操作频率是怎样的，同一个时间节点会有多少异常人以什么顺序进场的等等等，我的特征库有大概2万左右的常用特征（总特征在20万左右，看业务场景选特征），这些特征将会在用户执行操作的时候发挥作用，对黑产实行精确打击，同时不影响业务。

假如我要打击运营和市场内部腐败。

我需要针对他们的可疑个体做画像，拆出基础特征。

然后用核心特征关联数据做聚类，整理出一个利益链条，然后把链条用图数据做关联，找到整个利益链条的关键周转节点，再依据关键周转点描画出整张利益网，最后依据利益网中各个点位的数据资料（支付账户信息，银行流水信息，消费信息等等等等），给他们定责，定罪，给公司定损。

假如我要打击广告流量造假。

我首先需要依据公司的整体成本给定一个ROI（投入产出比），划下一道线。

然后需要依据各个渠道的广告转化率来折算一个ROI的正负，针对负ROI渠道去做定向分析，为什么这些渠道是赔钱的，这些渠道进来的流量都有哪些特征，是进来就沉默了，还是在哪个节点变得沉默，这些流量的共同特征是怎样的，有过怎样的趋同操作，乃至都是哪个人接进来了，这个人接进来的其他渠道的平均转化如何？

最后要么砍掉渠道，要么去和渠道砍价，要么连带投渠道的人一起砍了。

以上只是最粗浅的数据应用和策略展示，更重要的不是一招鲜，而是依据数据变化动态调整策略和处置手段，实时攻防，关系网络和衍生变量乃至和业务方撕逼才是最好玩的。

实现这些，这全都依赖对于业务的理解深度和数据分析能力。

03

对数据玩法有足够了解后，对于业务的了解是更重要的。

数据是工具，业务理解才是根本所在。

例如我抓刷单，我通过数据特征抓住了这些刷单的人，我要如何处置他们？如何从他们身上利益最大化？

如果不懂业务一刀切，那么代价会非常巨大，电商场景下用户刷单是一个非常正常的事情，不能因为用户下了10单正常，随手刷了1单就干掉用户，这个是不划算的事情，但是也不能由着用户瞎搞，那么一句业务需求画一条盈亏线就很重要，或者做积分，积分对应用户权益，这就是芝麻分的雏形。

即使机器刷单的用户价值为0，但依然不是简单的一刀切，只要掌握住不给公司带来损失的大底线，依然有很多操作价值。

我特别爱做的事情就是钓鱼，有一些漏洞放出来给人机器刷，在提现环节统统给拦住，不仅利益无法套出，刷单的本金也统统都给我留下，这个钱想要就给我实名绑卡，你敢绑卡我就敢报警把你送进去。

搞到最后被我坑杀了几波之后，来的人就越来越少了。

再往前推，用数据做风控只能是事中和事后，涉及事前的部分只有历史数据和外部调用数据。

但风控如果对业务足够精通的话，在设计活动规则的时候，就完全可以不留任何的套利机会，例如优惠券比有满减，奖励必有封顶，邀请必有上线，提现机制必有延迟等等等等，业务理解是比技术手段更高一个层次的东西。

这需要多年的实战。

04

这种依据数据和业务理解做决策的思维，影响了我的整个世界观，重塑了我看待这个世界的方式。

我眼中的世界和多数人都是不同的。

举个例子，之前我写过一篇与原谅宝有关的文章，直接指出这个产品本身是不可能实现的，只是一个概念，最后果不其然所谓的原谅宝只是一个骗钱检索的产品，发微博的和做APP的根本不是一个人。

这就是对于数据和业务理解的实际应用，因为我知道这个产品涉及到怎样的数据处理和数据分析，知道工程量，这不用很复杂的知识，只需要对于数据库和数据分析有基础的了解。

而对于不懂数据分析的人，可能就会纠结于所谓老实人保护的情绪，浪费时间。

再例如某某机构发布了某某报告，指出了某某趋势。

不懂的人可能会直接相信报告，或者直接去讲某某趋势带来的影响云云，然后按照这些分析报告来影响自己的人生决策。

而我会去关注数据，关注这些所谓的报告，使用的数据源是否可信，数据定义是怎么样的，有多少样本，通过怎么样的方法来得出结论。

我可以不客气的说，很多所谓的分析报告，基本都是先定一个结论在那里，然后再去找针对性的数据，甚至造数据改数据，总结起来就是不值得信任。

如果你对数据知识有一定的了解，那么你对于世界的认知会完全不同。

人生如此，职场亦如此。

05

不管是生活，还是工作，数据与业务认知在我看来都是年轻人最应该学习的内容，没有之一。

这是目前为数不多的还存在着红利期的机会，利用数据分析来脱颖而出。

尤其是互联网行业，大量岗位的从业者对于数据分析和业务感知是茫然地。

例如做运营。

社区运营不应该是等着数据分析师来告诉你要怎么做，也不应该是照着热榜抄，而应该是自己做数据分析社区内每日的热点话题，找出话题中的关键词，再找话题参与者的热衷情况和利益导向，满足他们，甚至专门设计针对他们的策略。

用户运营不应该是天天忙着换量和发奖品，应该做的是通过数据分析找用户的共性，然后找出共性用户的共同兴趣点，然后满足他们。

活动运营不应该是天天去求羊毛党头子和KOL们，应该做的是复盘成功或者失败活动的数据，然后调整参数，依据参数来做下一次的活动，一步一步的实验参数与活跃度与KPI的关系。

市场运营不应该是天天去和渠道撕逼，而应该是认真计算流量的ROI，与活动运营结合，测算活动对于转化的影响，再进一步重构ROI寻求利益最大化。

例如做产品经理。

如果是用户产品，不是简单的去设计各种花里胡哨的沙雕功能以及去追寻各种所谓的产品哲学，全中国只有一个俞军一个张小龙，现阶段所有的用户产品都该学学头条系，把用户的一切数据化，利用各个节点的流失率对照用户画像特征来定向调整功能，然后去做帮助用户快速满足喜好的功能。

如果是数据产品，那么更应该对于数据和业务有深刻的了解，从数据获取开始，埋点怎么设计；到数据清洗，针对不同的业务如何设计表结构？用KV还是动态宽表？字段类型怎么设计？支不支持Json直存？数据库到数据表怎么考虑架构，跨库调用数据怎么平衡性能与开发成本？

如果是风控产品，我就不多说了，上面对于风控基础讲的更多了。

让你从本岗位脱颖而出的最大武器，就是业务和数据分析，没有之一。

本世纪初，会用电脑上网和不会用电脑的人被自动分割成两类群体，有着完全不同的轨迹。

现在人人都会用电脑，但是早20年会用电脑的人，哪怕学历出身都不济，依然有着更好的机会，社会竞争中，只要多一个机会，就会是完全不同的人生。

在5年后，会数据分析的人和不会数据分析的人，可能也会是两个完全不同的群体。

有着完全不同的命运。

同样的两个人在同一个岗位上，一个人只会按部就班的做事，一个人可以把自己做的一切成果用数据量化，同时还能用数据分析来优化自己所做的事情。

你是老板，你会喜欢哪一个？

现在各类数据分析的教材很多，但很多人买回去往往都学不下去。

因为数据分析是一个需要业务实战的东西，丢你一堆SQL代码你可能只需要10天就能学会指令，但是在真正的生产环境中，还是一无所知。

工具要有场景来练习才有价值。

遗憾的是，5  年经验以下的互联网从业者，少有人有意识重视这项能力，未曾系统学习过，对数据没有感觉，更别提真正掌握并运用相关能力。

因此，他们出现以下困惑，也是在所难免：

• 接手采集到原始的数据，不知道如何进一步分析、处理；

• 增加了功能、上线了活动、更新了详情页...不知道该怎么通过数据评估工作效果；

• 接手了一个新业务，不知道该看哪些数据来帮助自己了解业务现状和定义问题所在；

• 长期使用公司的数据分析模板，感觉数据思维被限制，但不知道如何破局；

• 一直在人肉统计数据，不知道怎么实现数据的自动化提取；

• 想看的数据不知道怎么看，去哪看，不会给技术提数据需求；

• 带新人的时候，不知道怎么通过数据来更高效的知道工作；

• 新到一家公司，不知道怎么判断现在的产品现状，对于之后的规划也不是很清晰……

仅是部分，供你参考（可下滑）

点击阅读原文，详细了解「数据课」