数据分析方法，寻找事物之间的因果规律-逻辑关系法（2）

逻辑关系——寻找事物之间的因果规律
系列文章总览：
7.1相关性与相关系数分析
7.2事物之间的逻辑关系与科学规律
7.3果因关系与因果关系，看不见的事物发展逻辑
7.4事物发展规律的复杂性与科学抽象
7.5因果关系与回归分析
7.6逻辑回归
7.7关联与共生——现象与规律的探寻

---

数据分析的核心目的是掌握事物的发展规律。只有掌握了事物的发展规律，我们才能更好地掌控事物，让事物按照我们预期的方向去发展。我们从数据中掌握了事物发展的规律，就可以按照这个规律来创造未来，从而让事物按照我们预期的方向发生和发展。

7.3 果因关系与因果关系，看不见的事物发展逻辑

任何数据分析方法本身都无法直接告诉我们事物的因果关系，而绝大多数的因果关系都是经过人类大脑的逻辑判断得出的。科学试验也是在揭示事物之间的关系，然后人类通过大脑的逻辑判断得出因果关系。科学试验的严谨性让因果关系的判断变得更加严谨，而经济学、管理学领域的很多数据分析揭示的关系，因为社会学、经济学和管理学不具有的复杂性，在大多数情况下很难反复试验。
我们在数据分析领域采用的思维模式在大多数情况下都是果因思维，也就是根据事物发展变化的结果，找寻可能影响该结果的原因，然后用数据去验证或者量化这种影响关系。果因思维是数据分析师构建数学模型的基本方法和思维模式。
在构建数学模型时，我们需要寻找影响事物变化的原因。例如，销售额是结果，而影响销售额的因素可能有广告投入力度、品牌影响力、产品质量和消费体验、铺货率、竞争对手强弱、促销活动、定价等。将这些因素进行量化就会形成销量模型，然后采集相关数据，构建数学模型，再在实践中不断检验数学模型是否合理，或者优化相关的数据指标、系数等，从而让我们对未来销量有更加理性的把握。
Y销售额=f（X1，广告投入力度，X2，品牌影响力，X3，产品质量和消费体验，X4，铺货率，X5，竞争对手强弱，X6，促销活动强度，X7，产品相对定价）
其中，
X1，广告投入力度：这是一个相对的概念，一方面体现着本公司的投入力度，另一方面也要考虑行业内其他对手的广告投入力度。例如，虽然今年我们加大了广告投放力度，但是如果竞争对手比我们投放得更多、更加有效，那么我们在广告投放力度上仍然是相对削弱的。
X2，品牌影响力：也叫作品牌资产，不同公司都有自己的数学模型用来评价品牌力，有些市场调研公司也有自己的模型供客户使用。不同的品类会有不同的影响因素，这需要企业自行摸索，一般情况下要考虑到知名度（用户的提及率与首次提及率）、美誉度（用户的喜好程度）、忠诚度（用户会不会尝试其他品牌）、推荐度（用户会不会推荐给朋友）。
X3，产品质量和消费体验：可以参考消费者调查数据，也可以采用产品竞争力模型进行打分，不同的公司会有不同的研究方案，每个公司可以根据自己的能力和实际情况来设计相关模型。
X4，铺货率：即在目标市场区域内，你的产品进入多少家商铺的货架中，可以用百分比来表示。当然，这里还有铺货的质量和货架的质量问题，需要通过一定的修正系数来核算，这个修正系数是根据货架质量评判标准、店铺质量评价标准，结合目标受众人群的购物特点来评价和修订的。
X5，竞争对手强弱：这是一个相对的概念，可以通过市场集中度、竞争对手品牌影响力等要素来评价。
X6，促销活动强度：包括折扣率、返点率、参与程度等。如果一个活动用户参与程度低，覆盖面小，则促销活动力度就弱。
X7，产品相对定价：基于同类产品中本公司产品的定价情况，如果一听可口可乐定价2元，那么一听非常可乐定价1.8元就太高了，因为其品牌影响力不能支撑这个定价水平。相对定价是给消费者的感觉，让他们觉得这个价格是偏高、偏低还是适中的，也可以通过市场调研的方式来获得这个数据。
综上所述你会发现，通过果因思维，我们构建数学模型，用数据量化影响结果的因素，就能够探索出事物的“因果关系”，从而得到量化的“因果关系”，以指导企业实践，让企业的管理更加理性化、科学化、数据化。一家企业给人的厚重感和强大感也是来自于其历史的沉淀。有些企业有历程没有历史，是因为在发展的历程中没有积累数据，更不会有数据化的分析和经营经验的数据化沉淀，即使有沉淀也是沉淀在员工的大脑中，没有用数学模型、数据化管理沉淀为公司的经营诀窍，过去的历史不能为未来经营管理决策提供依据，就不是有历史的企业。
一家企业做得越久，越应该有更加精细化的量化销量的手段，这才是企业能够长盛不衰的逻辑。如果不通过数据化来管理这些经营诀窍，那么我们永远搞不懂销售额背后的驱动要素以及这些要素之间的关系。宝洁公司目前已经有近180年的历史了，如今它仍然持续、稳稳地坐在日用快消品行业全球老大的位置上，这与其背后强大的数据分析团队是分不开的。笔者在这家公司工作的5年里，都是在研究消费者的需求，构筑消费者的需求与销售量及利润之间的逻辑关系，不断完善这种关系，监测消费趋势的变化和竞争对手发展对我们的影响，这是一个企业能够掌握市场变化过程，并在这个过程中始终领先的诀窍。

7.4 事物发展规律的复杂性与科学抽象

任何事物的发展都有其规律性，偶然的现象背后都是必然的结果。我们之所以认为是偶然事件或者随机事件，是因为我们掌握的细节太少，或者对事物的规律认知太少了，我们把不能解释的事件都看作偶然事件，我们掌握的规律越多，掌握的数据和事实越多，就越能清楚地知道事物该如何发生。
当我们了解了更多的规律、掌握了更多的数据，随机事件就会减少，误差就会减少，偶然事件就会更加可控。当我们掌握了广告和销售额之间的规律关系，掌握了更多的相关数据，我们就能够精准预测销售额，精准地核算我们的利润，从而可以判断经营和管理活动能否赚钱，如果不赚钱，就要及时叫停项目，把时间和资金用到最有产出的地方。
越是优秀的企业对规律和数据的把控越严格，无论是在管理上还是在制度和流程上，它们都把数据当成“信仰”。“不记录数据，你的工作就等于没做！”这是笔者在宝洁公司工作时被灌输的理念。员工做完了工作，需要把相关的表格、数据、记录整理清楚，工作才算是做完了。笔者在为国内企业提供咨询服务的过程中发现，这些企业存在一个普遍的意识：“事情做完就做完了，赶紧做下一件事情，什么记录、数据，都是在浪费时间”。这种理念不仅在各个层级的管理者中存在，也更深刻地存在于老板的心中。老板都不希望员工浪费时间，希望他们能够集中精力做有效的事情，如果老板不知道数据的价值、数据分析的价值，那么企业就不会积累数据、沉淀分析模型，更不会形成“沉淀”，从而也就不会有“历史”。
在现实世界的事物中发展都是非常复杂的，受各种各样的因素影响，当我们开始认知事物的时候，经常会感到手足无措，这是因为我们认知得太少。对于创业，为什么有的人成功了，而有的人失败了？对于一个市场营销活动，为什么有的非常有效，有的根本无效？对于这些问题都是因为我们的认知和总结不够，很多人靠聪明和机灵控制了更多的因素，从而让一个营销活动火爆了；而有些人不去总结和积累相关的经验和数据，即使这次成功了，不见得下一次也会成功。
事物具有复杂性，即使我们掌握了很多的规律，也只能提高成功的概率，而不能保证一定会成功。宝洁公司积累了180年的经验，其上市一个新产品的成功率也不足70%。但是对快速消费品行业而言，70%的成功率是一个天文数字，常规企业的成功率一般低于20%，服装产品的成功率更低。
现在我们进入了大数据时代，有了更强大的数据采集和数据处理能力，也有了更多的智能终端设备可以自动采集数据，有了移动互联网，有了可穿戴设备，有了足够的条件利用数据认知事物的规律、掌控事物的发展。这个世界变得越来越复杂，而对有数据且会用数据的人来讲，世界会变得越来越简单。
互联网改变了信息的传播方式，也带来了新的交易方式和资源利用方式。而大数据是信息加工的方式，会改变我们的思考方式，从而创造更多的认知事物的智慧，所以我们必须要掌握数据、利用数据、应用数据，以把握事物发展的规律。
科学抽象是数据分析的核心思想之二（核心思想之一是前面介绍的果因思维）。我们在研究事物时，需要将事物的发展抽象出来，利用科学的思维方法来研究事物，从而构建数学模型。而不是因为考虑到事物过于复杂，让自己形成行动障碍。数据分析师必须具备的最基本的素质之一就是考虑“可能性”并对事物进行科学抽象。例如把事物的因果关系抽象成函数关系，通过数据采集和计算得到这个函数关系，然后再验证这个函数关系成立的有效性。
社会学、经济学和管理学与自然科学本质的区别在于研究事物的时候会容许更大的误差、更大的偏差，容忍更多的“未知”。广告和销售额的关系永远不会精确到分毫不差，而且永远不会有一个稳定的数学关系，一定存在其他未知因素的影响，但这不是我们不去研究广告和销售额关系的借口，而是我们不断研究其关系的动力。
全文摘自《企业经营数据分析-思路、方法、应用与工具》赵兴峰著
该文转载已取得作者认可
版权说明：版权所有归明悦数据所有,如需转载请联系我们，我们将在第一时间处理，或请注明内容出处（《企业经营数据分析》赵兴峰著），非常感谢！【往期内容已在（明悦数据）公众号同步发布】
下期内容更实战！