数据化管理：数据咋了？就喜欢看你被忽悠的样子！

从一张图片说起，今天上午有粉丝@给我一条微博，让我解读一下。这是一个财经媒体发出的一条微博，配图（下图）是今天贵阳三家报纸的同一条消息，初步一看，貌似三家媒体的结论有些矛盾异常的地方。

出于职业的敏感性，我肯定不会被标题党忽悠到，一定会找到文章的出处详细阅读。

数据源：2011年贵阳市的住房月租金每平方米均价为21.21元，2016年6月租金每平方米均价为23.44元。5年多只上涨了10.51%（贵州商报数据出处，下称贵商）。2011年贵阳市住宅按套计月租金为每套均价1216.5元，2016年6月每套均价为1435.27元，5年多只上涨了17.98%（贵州都市报数据出处，下称贵都）。5年间，租金历史最高是在2014年，月租金每平方米均价为24.82元，2015年月租金每平方米均价下降为23.65元，2016年6月，月租金每平方米均价已经下滑至23.44元（贵州晚报数据出处，下称贵晚）。

经常看我微博微信的朋友知道，我经常揭露一些数据忽悠的事情。从数据源来看，三家媒体的标题数据都没有问题，没有忽悠人。反倒是把这三张报纸放在一起对比的媒体，有故意挑事儿的嫌疑。

不过，这三份报纸真的没有忽悠吗？其实有，他们在选择不同的结论。贵商和贵都选择了突出涨，贵晚选择报道主题是跌。不过总体上三家媒体都是在报道事实。

回到今天的主题，企业数据分析层面上来。做数据分析的都知道，选择不同的数据、指标定义、权重值、区间都会产生不一样的结论。很多企业老大们看到的数据其实是被分析师或业务人员“筛选”后的优质数据，所以我经常说数据分析是良心行业。数据是客观的，数据背后的人是主观的。

举几个栗子来说明，以下所有数据均为虚拟，如有雷同那就巧合了。

1、不同的数据源不同的结论

前面租金的案例其实就是这点的最好证明，选取不用的数据源结论自然就不一样了。大家可能还记得去年好几个手机厂商都说自己的市场份额第一，有的公司用金额计算市场份额（单价高的公司就会占便宜），有的公司用出货台数算市场份额（这有利于单价低的公司），有的公司说自己在细分市场份额第一（比如白领市场份额第一，学生群体市场份额第一，高端机市场份额第一等）

不同数据源不同的结论是很多公司忽悠消费者的有力武器。

2、同一组数据不同的指标

二战中某7人雷达小组，雷达小组军官一再向上级机关请求加强力量，增加1-2人，可是一直没有得到批准。但当其中一名成员的神经崩溃时，这位军官改变了策略，他的申请报告是这样写的：“14％的人员由于过重的负担而变得精神恍惚，甚至出现神经错乱的现象。”结果是由于这份报告，这位军官得到了比他原本能得到的多得多的人员。

最初他用的是绝对人数这个指标，后来改成百分比这个相对指标效果就大不同。

3、同一组数据不同的指标定义

做销售几乎都知道库存周转率这个指标，它一般是用来衡量企业营销人员管理水平的一个指标，在一定标准内一般越大越好。但你可知道，用来衡量下属的这个指标可能被他们“合理”的用来忽悠过你！

公式如下：

库存周转率=（某个销售周期内的）销售金额 ÷ 平均库存金额

周转率的分母是平均库存，常规用法是（期初库存+期末库存）/2，但是如果改变指标定义的话却有提高库存周转率的功效。

某个公司下面的某个区域期初库存200万元，当年共销售了2000万元商品，如果进货金额实际是2300万元，意味着期末库存是500万元。

用前面公式期初期末平均库存的算法得出来的库存周转率是5.7次。

假如进货销售节奏如下图，用月平均库存算库存周转率是6.3次（每月进、销数据不同，计算结果会有差异，不一定都是6.3），高于第一种算法。

数据没变，仅仅是调整了平均库存的算法库存周转率就由5.7升到了6.3，其实再换一种算法库存周转率会更高。如下图，将每月的月库存周转率相加得到年库存周转率，值为6.8。

这就是传说中的孙悟空的72变，哪种指标定义好看就用那种。

4、同一组数据不同的权重值

小张是某公司的HR总监，今年公司要评选一个上半年的优秀销售团队出来，可供参考的指标如下：

如果从平均值来说B团队无疑就应该是最佳销售团队，但是小张有点私心，希望C团队获奖，怎么办呢？这难不倒小张，调权重呗。

如果用平均值C团队排在第三，如果按0.4-0.3-0.3来分配三项指标的权重的话C团队还是第三，不行。权重改成0.3-0.3-0.4时C团队排在第二名，还是不行。最后小张用了0.3-0.2-0.5的权重分布，成功让C团队变成了第一名。

我想说的是：权重是非常好的耍流氓的手段。别告诉我你没有耍过哦。

5、同一组数据不同的业务背景

小王是一个零售公司的销售经理，7月31日刚过，他就迫不及待的让下属给自己本月同店同比的增长数据，下属告诉他今年7月比去年同店同比增长了1.0%。小王悬着的一颗心终于放下来了。因为上个月老板给了他一个死命令，7月如果同店同比数据不能增长的话就让他下岗。

不过最后小王还是下岗了，因为老板说他的同店同比数据是负增长，没有达到预期值。小王觉得自己比窦娥还冤枉，明明同店同比是1.0%的增长啊。老板给出来的理由是因为去年7月只有4组周六日，今年7月有5组周六日，根据零售企业的规律，多一组周六日销售就应该增加4.6%才算打平（不同的企业这个值会不一样，一般在3-5%，可以根据企业历史数据算出来的）。

这就是同样数据但是在不同的业务背景下的解读差异。

为了不被别人忽悠我们每个人都需要练成一双火眼金睛，在拿到数据报告的时候先问对方的数据来源是什么？指标定义是什么？尽量多问几个问什么，只有完全的理解了数据之后才可能减少被忽悠的几率。

咋了？你以为你看到的就是你看到的么？有些人就喜欢看你明明知道在忽悠你却找不到忽悠证据的样子。