数据驱动力：企业数据分析实战

94

｜

第

7

章

像推销员。他说：“你在努力推销一些东西——我们应该增加预算、应该修改数据库、应

该获取更多日志……最后，你就会获得一条信息……我把非数据科学家或非数据分析师所

做的分享数据或数据可视化的工作，更多地看作一种推销。”

他们推销的是什么？至少两样东西。首先，如果有多种解读方式，那么分析师必须选择和

推崇最客观、逻辑性最强和最简化的一种，并说明选择的理由。其次，如果他们竭尽全力

获取了数据，并进行了清洗、加载、理解和分析，可能还建了模型，然后发现了一些显著

信息、一些能够影响业务的信息，他们就会想实现所发现的潜在影响、想推销行为（我们

应该做什么）和结果（如果做了会怎样），第

9

章将继续讨论该话题

。换言之，分析师不

能被动地展示数据、信息和发现，而应该主动推销这些想法。此外，正如

Sebastian

所

说，

当作为分析师，从推销的角度出发，需要传达一些信息时，应该获取更多数据（如果需要

的话），并呈现一段更丰富、更令人信服、基于事实的故事。

重要的是，文化应该结构化，以便分析师得到激励，增强影响力。

Zynga

前分析主管

、

Facebook

现分析主管

Ken Rudin

举例说明道：

分析关乎影响力……在我们公司（

Zynga

）

，如果你有敏锐的洞察力，做了出色的

研究却没有产生任何影响，你的绩效就是零。

7.4

　数据可视化

前面介绍了故事的含义和分析师的角色与动机，接下来换个角度，谈谈数据可视化的若干

机制。章首提到，本章不是综合指南或参考文档，而会提供一些指示，并将其与一些常见

的要点、我见过的典型错误和我经常抱怨的一些问题结合起来。 ...