编辑导读：数据在一些人看来只是冷冰冰的数字，可是在企业看来，这些数字的背后大概潜伏着盈利的偏向，这时就需要数据阐明师进场。如何才气读懂数据？本文将从六个方面举办阐明，对数据阐明感乐趣的童鞋不要错过哦。

许多新人读不懂数据寄义。对着报表，只会和复读机一样，叨叨：“昨天销量100，本日销量120，增加20……”讲这些只要不是瞎子都能看的到的对象。也因此常常被笑话，咋办？本日我们系统讲授一下。

一、读懂之一阶段：明指标

给一个数字：180，能看出寄义不？

不能！

因为这就是孤零零一个数字，啥寄义都没有。想读懂数据，至少它得是一个明晰的数据指标。包括了指标名称，利用场景，计较口径。同样是180，我们换成：成年女性，身高180cm。是不是一下清晰许多了？

二、读懂第二阶段：立尺度

并且许多人大概已经有了本能的判定：这个女生个子很高。这么判定，大概基于数据统计。

按照2015年《中国住民营养与慢性病状况陈诉》，陈诉显示，成年男性平均身高167.1cm，女性155.8cm，也就意味着180cm已经高出大量男性身高了，可以界说为高。

这么判定，也大概基于约定俗成的习惯。好比习惯来说，女生高出170已经算高个了，180更是超大个，必定算是高了。

两种判定都没有错，其实都是进一步读懂数据的要领：统计法和习惯法。统计法基于数据统计上的差别举办高中低分别，习惯法例是把人们约定俗成的习惯量化。

从“成年女性，身高180cm”到“成年女性，个子很是高”是读懂数据的一个重要转折。因为180cm是一个客观数值，不能直接影响我们决定。可是“高”是一个判定功效，这个判定是会影响我们决定的，不信继承往下看。

三、读懂第三阶段：合场景

场景1：小明身高175，二姨很热情地先容了一个180的女生来给他相亲。

场景2：小明在组织一次展会勾当，需要5名模特，HR linda先容了1个180女生给他。

问两种场景下小明的脸色如何？

有些女生会嫌弃比本身矮的男生，很不幸，小明就是被深深嫌弃过的一名靓仔。所以小明遇加入景1预计就直接骂娘了：“早就说了不要找比我高的，你丫是恳切给我尴尬吗！”——这就是无视别人要求的功效。

场景2预计小明会很开心。展会的模特，就是要人高马大容貌俏，这样才够排面。虽然必定进场费贵许多，这时候要是图自制，随便找几个矮个子妹子，预计率领看到身高就要开骂了——给你们用度，不拿来贴门面，拿来擦 *** 吗！

所以想再深度读懂数据，必然要团结详细场景。

这里有两种做法：

基于业务逻辑推演

基于过往履历总结

两种要领，都需要对业务场景的深入相识（如下图）：

四、读懂第四阶段：观态势

颠末前三阶段，我们已知的信息是：

成年女性180cm属于：高

找模特需要个子：高

个子高+容貌俏=价值贵

在这些基本上，再看数据，又会有新的解读。

好比你认真操持展会，你下边的告白公司推荐的现场模特身高如下：

看完今后，你大概顿时读出：这帮孙子又想黑我的用度！鬼鬼祟祟给我换了一批自制的模特！是滴，这个解读就又比“诶呀，身高缩水这么多”更进一步，这就是第四阶段的解读。

同样的数据，假如你没有读出这个，直接发给了率领，率领看完大概立马解读出：这个新来的小伙子不懂业务呀，哪有排面活做的这么寒碜的。

同样的数据，假如率领没有处理惩罚，真的找了一批随便什么人去展会。你的经销商们看了今后，立马能解读出来：诶呀，本年这品牌实力是不是有问题呀，你看展台面积也缩水了，新品宣布会也不热烈，模特都是充数的，不可不可。

所有这些都是基于一个身高数据，所谓见微知著，其实背后都是有逻辑的推理（如下图）：

五、读懂与瞎胡乱读的区别

虽然，解读数据也是有限度的，过解析读，可能随便乱猜，城市导致错误领略。

好比：

随便乱猜：你看模特都是美男，所以他们的老总必定好色。

太过解读：你看这次请了九个美男模特，必定有九款产物宣布。

读懂与随便乱猜的更大区别，就是证据数量。