數據忽悠已經成為一種公害了，新聞報道，職場報告，融資數據到處都有數據忽悠的地方。先從一組媒體報道開始，下面是同一天某個地方的媒體報道。初步一看，貌似三家媒體的結論有些矛盾異常的地方。
出於職業的敏感性，我肯定不會被標題黨忽悠到，一定會找到文章的出處詳細閱讀。
數據源：2011年貴陽市的住房月租金每平方米均價為21.21元，2016年6月租金每平方米均價為23.44元。5年多隻上漲了10.51%（貴州商報數據出處，下稱貴商）。2011年貴陽市住宅按套計月租金為每套均價1216.5元，2016年6月每套均價為1435.27元，5年多隻上漲了17.98%（貴州都市報數據出處，下稱貴都）。5年間，租金歷史最高是在2014年，月租金每平方米均價為24.82元，2015年月租金每平方米均價下降為23.65元，2016年6月，月租金每平方米均價已經下滑至23.44元（貴州晚報數據出處，下稱貴晚）。
經常看我微博微信的朋友知道，我經常揭露一些數據忽悠的事情。從數據源來看，三家媒體的標題數據都沒有問題，沒有忽悠人。反倒是把這三張報紙放在一起對比的媒體，有故意挑事兒的嫌疑。
不過，這三份報紙真的沒有忽悠嗎？其實有，他們在選擇不同的結論。貴商和貴都選擇了突出漲，貴晚選擇報道主題是跌。不過總體上三家媒體都是在報道事實。
回到今天的主題，企業數據分析層面上來。做數據分析的都知道，選擇不同的數據、指標定義、權重值、區間都會產生不一樣的結論。很多企業老大們看到的數據其實是被分析師或業務人員“篩選”後的優質數據，所以我經常說數據分析是良心行業。數據是客觀的，數據背後的人是主觀的。
舉幾個栗子來說明，以下所有數據均為虛擬，如有雷同那就巧合了。
1、不同的數據源不同的結論前面租金的案例其實就是這點的最好證明，選取不用的數據源結論自然就不一樣了。大家可能還記得去年好幾個手機廠商都說自己的市場份額第一，有的公司用金額計算市場份額（單價高的公司就會佔便宜），有的公司用出貨臺數算市場份額（這有利於單價低的公司），有的公司說自己在細分市場份額第一（比如白領市場份額第一，學生群體市場份額第一，高端機市場份額第一等）
不同數據源不同的結論是很多公司忽悠消費者的有力武器。
2、同一組數據不同的指標二戰中某7人雷達小組，雷達小組軍官一再向上級機關請求加強力量，增加1-2人，可是一直沒有得到批准。但當其中一名成員的神經崩潰時，這位軍官改變了策略，他的申請報告是這樣寫的：“14％的人員由於過重的負擔而變得精神恍惚，甚至出現神經錯亂的現象。”結果是由於這份報告，這位軍官得到了比他原本能得到的多得多的人員。
最初他用的是絕對人數這個指標，後來改成百分比這個相對指標效果就大不同。
3、同一組數據不同的指標定義做銷售幾乎都知道庫存週轉率這個指標，它一般是用來衡量企業營銷人員管理水平的一個指標，在一定標準內一般越大越好。但你可知道，用來衡量下屬的這個指標可能被他們“合理”的用來忽悠過你！
公式如下：
庫存週轉率=（某個銷售週期內的）銷售金額 ÷ 平均庫存金額
週轉率的分母是平均庫存，常規用法是（期初庫存+期末庫存）/2，但是如果改變指標定義的話卻有提高庫存週轉率的功效。
某個公司下面的某個區域期初庫存200萬元，當年共銷售了2000萬元商品，如果進貨金額實際是2300萬元，意味著期末庫存是500萬元。
用前面公式期初期末平均庫存的算法得出來的庫存週轉率是5.7次。
假如進貨銷售節奏如下圖，用月平均庫存算庫存週轉率是6.3次（每月進、銷數據不同，計算結果會有差異，不一定都是6.3），高於第一種算法。
數據沒變，僅僅是調整了平均庫存的算法庫存週轉率就由5.7升到了6.3，其實再換一種算法庫存週轉率會更高。如下圖，將每月的月庫存週轉率相加得到年庫存週轉率，值為6.8。
這就是傳說中的孫悟空的72變，哪種指標定義好看就用那種。在測試一下，大家看看下題：
某個部門共有20名員工（該部門編制員工數25名），本月這20名員工全部辭職了，月中新入職10人。請問該部門離職率是多少：
答案1| 離職率67%
答案2| 離職率80%
答案3| 離職率100%
答案4| 離職率133%
答案5| 離職率200%
你選哪個？請在評論中說出理由！
4、同一組數據不同的權重值小張是某公司的HR總監，今年公司要評選一個上半年的優秀銷售團隊出來，可供參考的指標如下：
如果從平均值來說B團隊無疑就應該是最佳銷售團隊，但是小張有點私心，希望C團隊獲獎，怎麼辦呢？這難不倒小張，調權重唄。
如果用平均值C團隊排在第三，如果按0.4-0.3-0.3來分配三項指標的權重的話C團隊還是第三，不行。權重改成0.3-0.3-0.4時C團隊排在第二名，還是不行。最後小張用了0.3-0.2-0.5的權重分佈，成功讓C團隊變成了第一名。
我想說的是：權重是非常好的耍流氓的手段。別告訴我你沒有耍過哦。
5、同一組數據不同的業務背景小王是一個零售公司的銷售經理，7月31日剛過，他就迫不及待的讓下屬給自己本月同店同比的增長數據，下屬告訴他今年7月比去年同店同比增長了1.0%。小王懸著的一顆心終於放下來了。因為上個月老闆給了他一個死命令，7月如果同店同比數據不能增長的話就讓他下崗。
不過最後小王還是下崗了，因為老闆說他的同店同比數據是負增長，沒有達到預期值。小王覺得自己比竇娥還冤枉，明明同店同比是1.0%的增長啊。老闆給出來的理由是因為去年7月只有4組週六日，今年7月有5組週六日，根據零售企業的規律，多一組週六日銷售就應該增加4.6%才算打平（不同的企業這個值會不一樣，一般在3-5%，可以根據企業歷史數據算出來的）。
這就是同樣數據但是在不同的業務背景下的解讀差異。
為了不被別人忽悠我們每個人都需要練成一雙火眼金睛，在拿到數據報告的時候先問對方的數據來源是什麼？指標定義是什麼？儘量多問幾個問什麼，只有完全的理解了數據之後才可能減少被忽悠的幾率。
咋了？你以為你看到的就是你看到的麼？有些人就喜歡看你明明知道在忽悠你卻找不到忽悠證據的樣子。
來，加入我的微博《數說》會員，讓我教你如何預防數據忽悠：
閱讀更多 數據化管理 的文章
