聊一聊数据报表/数据分析的【对数】日常

（一）数据比对的痛

“这数不对”

“为什么A这里的数据和B的数据不一致？”

“为什么平时这个数是C今天变成了D？”

“为什么这么高？”亦或是“为什么这么低？”

——【我的对数日常】

一旦有人对某数据提出质疑，就会开始令所有人崩溃的对数。尤其是经营分析会、月度会议期间，数据团队面临反复且高频的折磨，不同需求方不同角度都等着回答和解释。

• 领导：不理解，为什么没有人能给出来正确的数据？
• 业务：技术给的结果不准...数据质量差，又不能用...又要自己算...数据量太大算不动

• 数据团队：数据不是我录的、业务数据库不是我设计的、指标逻辑也不是我定义的、运营逻辑和策略调整对数据的影响我也不知道。 数据根据逻辑加工出来就是这个样子，不是你想要的，我该解释什么？

非常无辜，非常无语， 活还是要干！

不考虑模型设计，不讲数据治理、制度和流程梳理，不谈组织合理性，不谈数据意识和数据团队地位，不与业务 battle。 落在当下，必须要面对的工作面前，只是想聊一聊“ 对数到底应该怎么对？ ”，希望通过这篇文章与数据相关从业的朋友聊一聊“ 面对常态化数据质疑的处理方式，在不同的场景下数据团队的观点输出。 ”

（二）对数对数，对的是什么？

2.1  数据比对的场景

• 新旧指标对比，新指标上线替换就应用

• 全新指标上线，证实数据准确

• 同预期不符或数据波动大，进行数据查验

• 应用端数据不一致，维度汇总不一致给出解释

• 数据A和相关数据B不匹配，交叉验证

  ...

2.2 数据团队的心态

数据技术有门槛，但数据是公司的数据、是业务的数据；数据本身没有价值，数据脱离业务应用，就只是磁盘上的文件而已。 对数占用了数据团队大量的时间和精力，消耗耐心和斗志，这种情况下应秉持怎样的心态？ 下面是数据团队避无可避的问题：

（1）提升团队数据素养

对数属于不复杂但大多数人做不好事情，好的数据团队人人都是数据分析师，具有数据思维，懂业务。清楚业务规则，懂业务数据流向。清楚数据映射的业务流程，识别数据问题的业务构成；遇到问题知道从什么地方分析原因，知道要看什么数据。

（2）提升公司数据意识和数据产品的可信度

数据有天然门槛和屏障，如何拉齐各方的认知？如何方便用户去使用数据？当不缺数据的时候，如何有效使用数据？如何给用户呈现数据？

产品思维，数据是结果但对数据的理解是主观的。如何直观、不引导的客观呈现数据？

（3）解放人力实现自动化

化被动为主动，怎样从无尽的对数中抽离。能提前识别异常、提示变动、给出对照。数据稳定，线下数据走通后，便可以逐步切线上，固化比对逻辑。

2.3 对数对数，对的是什么

对数就是 实际和预期的弥合 ， 为什么A不是B？A是数据部门输出的数据，B可能是之前某版本的数据、可能是心理预期、可能是某业务线的手工数据、可能是去年同期数据、可能是上个月的数据...

解决方案有几种：证实“A是对的”，证否“B是错的”，证实”A/B都是对的，但有cdef造成了两者的数据差异”。都要 给出结论、对照和明细凭据 。

（三） 通用可复制的方法

数据比对是有目的的数据分析 。 著名的咨询公司Gartner于2013年总结、归纳、提炼出一套数据分析的框架，Gartner把数据分析分为四个层次，分别是：

描述性分析（Descriptive Analysis）  -发生了什么？

诊断性分析（Diagnostic Analysis）   -为什么会发生？

预测性分析（Predictive Analysis）    -什么可能会发生？

处方性分析（Prescriptive Analysis） -该做些什么？

数据比对是描述性分析，即对数据现状拆解出数据依据。 那么数据比对的过程，就是描述性数据分析的过程，可按以下顺序进行：

1. 确认分析的目的和思路
2. 数据准备、处理及分析
3. 撰写数据结论及报告
   下面具体说如何操作，让观点可执行 。

3.1 确认分析的目的和思路

3.1.1 假设验证确认分析思路

（1）明确对照项[A-B]

确定问题，明确目标，得出A、B哪个正确？差异原因。首先明确对照项A、B的定义，判断其定义、口径、算法是否一致？

（2）对照指标数据流向及构成

对照数据流向，分析数据构成及计算过程

确认比对项，时间、口径、统计粒度，度量和维度做筛选还是过滤

（3）收集数据进行证 伪推断，得出结论

准备基础明细数据，导入excel，通过vlookup、透视表等关联分析，关系走通，记录过程数据，提供结果数据。

Example ：统计结果比对（数值1vs数据2，差异值）、12明细、差异明细比较

Tips： 明确分析目的和方案前，别急着到处要数，可能费力要了又用不上

3.1.2 数据一致性验证方式

（1）基础认识一致性验证

指标的设计过程：定义、计算公式、统计维度（时间...）、维度含义、属性定义

指标的技术属性：技术方式、数据源、更新时间

Example 1： 实时、离线指标不一致属于正常情况，可直接解释原因

• 更新时间天然不同，离线为批处理定时调度任务模式，而实时对数据的时序性有要    求，在某些场景并不能保证与离线同等的一致性。

• 计算逻辑无法对齐，离线逻辑相对复杂，支持补偿逻辑，实时处理却相对比较简单

• 数据源不一致，比如日志在一些场景不能做到完全一致

Example 2： 回款率单位为%，城市结果值求平均并不等于全国数值，也可直接告知业务原因。

（2）正向验证

• 确认是否是业务正常变动，如大促暴涨、广告行业的1&2月淡季周期性异常。

• 交叉维度汇总不一致，数据缺失向上汇总记录的处理方式。

（3）反向验证

• 任务是否正常？数据是否更新？集群崩溃、任务失败、任务超时、源数据系统字段变更...

• 处理过程是否正常？数据漂移、数据发散、数据倾斜...

• 业务口径数据和数据库数据映射是否一致？不同含义指标取相同名字...

3.2 数据准备、处理及分析

（1）数据准备

在分析思路确定的基础上，准备收集准备数据，可能是：系统导出、数据提取...

（2）数据处理（清洗、转化、提取、计算）

基础数据准备完毕，按既定的思路计算、比对，加工需要的可用于分析的数据

（3）数据分析（数据统计、数据挖掘、数据呈现）

比对后发现并分析差异，用适当的分析方法及工具（极大多数场景Excel足够），对处理过的数据进行分析，提取有价值的信息，形成有效结论

3.3 数据结论及报告

（1）明确结论

• 哪个数据是准确的？是什么造成了数据差异，数据差异的构成和占比 差异是否合理？

• 是否需要进行修正，计划、难点分别是什么

• （2）结果呈现

数据比对的报告不需要精致，能够做到逻辑清晰，图表搭配，层次分明，让阅读者一目了然理解差异和差异构成就可以

• 结果数值比对，差异明细，对照过程及明细

• 呈现饼图 和柱形图足够了，柱形图看差异，饼图看差异构成

  （四） 数据人的下一步

应对被动的数据比对之后，如何化被动为主动，进行常态化的数据监控，不再耗心费力疲于应对，提升数据健康度，对数据异动监控提示，实现数据可用可查有提示可预警。唯一且艰难的道路：

有数据质量标准是基础，在制定数据质量计划的标准上，进行周期性的数据质量盘点和数据治理！

这条道路需要数据团队有决心、信心，有足够的耐心和体力，去细致打磨适合企业的数据标准，需要对每个数据域、数据实体、数据项，甚至到字段、属性，定义数据标准，核实数据质量。

4.1 数据质量

GB/T 36344-2018 数据质量评价标准

Example：

• 完整性： 指数据元素和数据记录完成性，例如：字段是否存在空值，指标数据维度是否足够支撑业务分析

• 准确性： 指数据可信度，例如：是否数据正确、格式合规、唯一性、无脏数据

• 一致性： 指相同数据一致性和关联数据一致性，如：相同指标在不同场景下数值是否一致

• 时效性： 指基于时间段的正确性、基于时间点及时性、时序性，例如：实时能否保证1分钟以内延时，离线能否保证每天9点定时更新

GB/T 36344-2018 数据质量评价标准-数据质量评价过程

4.2 数据清洗

在建立数据规范的基础上，就可以进行数据质量提升的行动，也就是“数据清洗”。数据清洗，就是从数据库表中更正和删除不准确的数据，

（1）数据清洗

• 识别数据问题

• 评估问题及解决方案

• 清洗计划：更正、删除、合并、替换、补齐...

• 数据应用及周期性质量评估清

（2） 数据清 洗实践要点

• 数据问题是业务数据问题，需要多方人员参与，全面的考虑上下游联动影响，包括产生数据的、使用数据的...

• 提升源端质量是根本之法，增加系统界面端和数据库输入的的限制，如某些字段非空校验、数据类型校验、唯一约束等。

• 做好备份！做好备份！做好备份！

4.3 监控预警

监控预警是化被动为主动的方法，可根据数据质量规则制定监控策略，通过数据质量监控工具来提示数据异常或数据波动，来确保对业务数据稳定的掌控感和保证数据的准确性，问题处理的及时性。

质量规则不再多说，可以聊一聊波动性，什么样的指标波动可以看作是“异常”呢？

指标波动不可怕，数据波动是业务发生的正常情况，业务产生自然会发生数据变化，比如每周的销售额肯定不一样，脱离业务场景没法谈数据波动。但像之前都1000w，这周只有200w，是不是就属于异常状态？监控可以根据公司业务情况和数据情况来综合评定，通过绝对值预警、相对值预警两方面来设定。

具体的方法有：绝对值、同比环比、周期平滑、假设检验（3σ原则）、时间序列、算法模型。

4.4 提前准备

在新需求的设计过程中，就提前准备【数据比对】的工作。评估不同线上线下、离线实时的差异，找出可能产生问题的原因并解决，技术架构方案选择，或预评估差异。

4.5 一些提醒

（1）再次强调：业务、业务、业务

数据必须和业务结合才有意义，熟悉业务才能看到数据背后隐藏的信息。缺乏对行业、公司业务认知，数据应用和数据分析结果都会出现偏离，变成自嗨或者空中楼阁。要懂上下游数据，也要弄清楚公司所在行业结构，对行业的上游和下游的经营情况有大致的了解。

（2）数据敏感度

数据本身是客观的，但被解读出来的数据是主观的。同样的数据由不同的人分析很可能得出完全相反的结论，所以一定不能提前带着观点去分析。

（ Example ：比如指标预警没有合适方法，可暂定波动值超过5%预警。如果一个变量符合正态分布，则其95%的值会落到均值左右二个方差内。）

（3）迭代化思维

业务是不断调整和发展的，依托的系统和数据也是不断迭代变化，相应指标也需要随着业务不断调整，更加精确的度量业务。

（4）精细度控制好，不要追求极细

细分是深入的分析的基础，但不要追求极细，细分意味着复杂，要判断公司团队数据意识和业务精细化管理是否到了匹配的阶段。