时间: 2021-07-30 11:00:00 人气: 12 评论: 0
本文作者将从数据工具、统计分析、计算和估计以及结果检验四方面来为你解析：那些行业数据是怎么求出来的？一起来看看~
思考一下类似于这样的问题：北京的机动车数量有多少？深圳市有多少家咖啡厅？这些问题的提出，通常与我们的工作息息相关。面对熟悉有陌生的市场，我们经常**遇到数据收集的需求。无论是对运营还是产品，怎么样对市场有一个清晰合理的认识，可能关系到一款产品的市场大小，和需求的强弱。
我在两次上线项目过程中，都需要过类似的数据需求问题。而通过对数据的推测和分析，我帮助产品实施了准确的市场策略。希望与大家分享数据推测的一点心得。
其实，在宏观上对数据进行敏锐的统计，我们只有两种方法可以选择：第一种，直接从数据结果维度考虑，考虑一步拿到结果。比如“中国人口和世界人口数”这样的数据，完全是可以通过简单搜索就能完成的，权威部门已经发布过了这样的数据结果；第二种，是在不能获取到直接的结果数据的基础上，想办法透析数据结果的影响变量有哪些，通过分化目标，去获取哪些影响变量的数值，就有机**推导计算出我们需要的结果。
但是，无论是哪一种方法，都需要了解一些常规的数据工具。数据工具是用来了解已公布已公开的信息的最好途径，通过数据工具中已有的数据，我们能解决一部分问题。比如，百度指数，好搜指数、微博指数、谷歌趋势、友盟指数、Alexa等工具，提供了我们需要的基础数据和趋势对比，能够帮助我们建立基本的认识判断。
这里以“成都市有多少快递员”为例，来看如何通过分析和推测得出我们需要的结果。
我们先通过多款搜索引擎直接搜索相关问题，看不能直接一步得到数据结果。过程不在这里赘述，通过搜索，我们应该都能比较容易的找到这样的结论：2012年开始，我国快递行业从业人员数量就不再公布。这意味着我们需要寻求第二种解决办法，分析需要的结果变量。
在第一步里，我们通过行业官网这个基础数据工具找到了一些基础的参考点，这些东西帮助我们能很迅速的将这个问题分解为“全国快递人数有多少”等类似的问题。
这是因为在不能获得直接结果时，我们可以这样考虑这个问题：第一，成都市的快递员工数量不好获知，全国的快递员工数量应该是比较容易的；第二，快递员工的数量是和业务量成强烈的正相关关系的，我们可以通过获悉全国业务量的多少，再想办法找到省市区域业务量的占比，就能大概估计出快递员工的人数。
有了这个分析之后，我们很快就可以通过权威的行业网站，找到官方发布的快递员工往年人数和年增长比率。实际上，通过搜索，我们也能发现，中国行业信息网这样的行业站点，也是按此思路，给出了2013年到2016年，快递员工人数年增长水平，也即每年增加10万-20万人，据此，我们可以很快从往年已公布数据，推测出2016年的快递员工数量——150万，到160万之间。
那么，如果要区分开自营物流和传统配送企业的员工怎么办呢，通过搜索，我们也可以得到，四通一达的统计数据，注意，这个数据并不能够直接帮助我们获得最终答案，但是能让我们的统计变得更严谨和准确。
在这个基础上，我们就能知道说，四通一达和百事汇通的员工总数为82万，在全行业占比50%左右。那么，现在我们知道了快递员工的全国人数，要推导出成都的人数，就需要用到计算了。
按前面已经说过的逻辑，我们现在变为查询四川省占全国业务量百分比，以及成都占全省业务量的百分比。通过百分比关系，我们把快递人数和业务量按比例关系对应了起来。通过搜索，我们能找到相关的新闻报道，由于带有官方的统计属性，结果还是比较可信的。通过查询，我们知道四川省占全国业务量百分比为2.36%，成都占全省业务量百分比为78%。这就是我们需要的关键数据。
通过简单相乘计算，我们就能得到想要的估计数据了，用2.36%乘上全国快递人数或不含自营快递的全国快递人数，就得到了四川省的快递人员数字，再通过成都业务量与全省业务量的占比数字78%，进一步相乘，得到成都的快递人员数。
这里需要注意，如果有时间的话，可以多想一步，思考一下误差的可能来源，在这里，误差来源主要是时间上的，统计数据不是一个时间维度，由于发展速度影响，可能**导致最终的比率有小范围的波动。当然，这个波动并不大，不**对整体结果有大幅度的影响。实际上，即便我们能准确获知统计数字，也存在误差，因为人员变动是每天都在发生的，这是系统误差的一部分。
得到了想要的结果就是这么容易。我们只是需要注意数据的来源地是否可信就行了。在这个案例中我把来源地址都进行了标注，方便后续我对细节进行详细的了解。
得到结果后，我们如果可以的话，可以对结果进行一个简单的检测。检测的意义是看我们得到的结果可信度如何。比如，我如果得出的数据是100万，你直观逻辑判断就**认为这是错的，这也是一种检验，所不同的是，这是常理检验，而不是数据检验罢了。
我们得到的结果看上去可信，但究竟数据可信度如何，我们可以通过侧面估计法再来检验。在这个案例中，我们同样根据产业信息网的下图数据，获知四川省每平方公里快递网点数量在0.02左右，而四川省区域面积是很好得到的，是48.6万平方千米，换算可得，四川省综合快递网点约有9720个。
根据前文得到的业务量占比情况，我们能够得到成都快递网点数，计算下来大概是7581个。假设我们的结果是正确的情况下，七千多个网点和一万五到三万的快递人数，推测出每个网点平均有3名左右的配送员。考虑到四川是非江浙地区，这个数字和常理认知是相符的。所以检验通过。
通过这个案例，我们分析了如何对一个不能直接获知结果的问题，进行解剖分析。我们就能通过多项数据估测得出想要的结果。快递人员和什么有关呢？直观感受是快递网点数和快递业务量，所以我们可以查找这两项数据指标。然后尽可能去新闻媒体中找到相关的官方指标，侧面求解想要的答案。
这个案例只是很多问题中的一个简单应用。实际上，如果我们对行业数据比较敏感的话，甚至能从其它方面来估计结果，直接心算出答案。掌握了这个方法和思路，我们就能去推导这些稍复杂的问题：广州有多少面包师、中国有多少自行车工厂、甘肃每天外卖下单数有多少……
总之，将求解问题分解和转换，对于答案的求得尤为重要。
作者：奉政坊，开发工程师转行运营，策划运营过多起上线项目，钛媒体作者
本文由 @奉政坊 原创发布于人人都是产品经理。未经许可，禁止转载。
