《資料分析實戰:基于EXCEL和SPSS系列工具的實踐》一3.1 資料采集的幾條重要原則

本節書摘來華章計算機《資料分析實戰:基于excel和spss系列工具的實踐》一書中的第3章 ，第3.1節，紀賀元　著 更多章節内容可以通路雲栖社群“華章計算機”公衆号檢視。

3.1.1　要足夠“複雜”

先說一個跟客戶接觸的例子。一個國企學員課間休息時來問我：“老師，我們上司經常批評我，說我們寫的工作報告（資料報告）太簡單了，你能看看我們寫的報告嗎？”我到他電腦前面看了一下，報告确實挺簡單的，感覺就是幾百個字吧，再看看資料，大概隻有6列的樣子，難怪上司不滿意。

可見，在采集資料的時候，必須要注意資料的複雜性，如同1.1節所說，要綜合考慮資料量、複雜度、顆粒度等因素。

都說通過執行個體說明體會更深，下面再來看另一個例子。數年前，我參與了一家建築塗料公司發展規劃的制作，該公司希望通過對各種資訊資料進行分析，進而對未來5年中國的産品發展市場佔有率有一個整體規劃和了解。

讓我們看看他們收集了哪些資料，如圖3-1所示。

可以看到，要收集的資料不少，但事實上，想要搞清楚企業在未來數年中可能出現的市場态勢，即使這些資料都能夠順利找到，可能仍然是不夠的。

“細”實際上就是顆粒度的意思，稍微有點資料收集經驗的人大概都知道，要收集年度的資料其實相對比較容易，如果粒度為季度，可能就會有點問題了，到月則很難了，至于每周的資料，那就更不要想了。

不過，也不是每個公司都如此，曾有證券公司做定量分析的人說過，證券資料分析雖然不好做，但是有一點好，起碼不用為資料發愁，因為證券系統可以提供最細到1分鐘的資料，自然，任何周期的資料和名額都可以自己計算得出。

這裡講的“跨度”涉及兩個方面，一是資料的時間跨度；二是資料的屬性跨度。

中國有句老話就是“路遙知馬力，日久見人心”，在資料方面也是如此。資料的時間跨度有時候也稱為“資料年齡”，對于同樣的資料名額而言，若“資料年齡”分别為5年和1年，差距其實是挺大的。資料年齡越長，往往越能說明問題。

屬性跨度稍微難了解一點，實際上就是盡量要找不同的資料，如圖3-1，我們找了宏觀經濟的資料，例如gdp、經濟發展增速；也找了全國人口變遷、流動的資料，還找了競争對手市場占有率的資料等。總之，所找的資料越“雜”，資料跨度就越大，往往也就越能說明問題。

資料收集的一個重要思考次元就是可行性，做過資料采集的人都知道，有時候資料采集的難度之大，會讓你覺得這個事情都做不下去了。

我供職過的企業曾經給中國移動的幾個省分公司做過供應商，有一次a省分公司讓我們了解移動客戶的情況，并且給出了一個“客戶畫像”（這在當時是一個流行的術語，直到現在還有客戶提及），那個時候不像現在，手機号碼是實名制的，當時中國移動的各個省分公司的全球通手機号比例一般都在20%以下，大部分的手機使用者都是神州行和動感地帶的，我們根本不知道使用者特征，甚至不知道客戶的性别。這種情況下，要進行資料收集是很困難的。

還有一個是營銷活動資料的收集案例，我們曾經為中國移動的某省分公司收集過營銷活動的資料，目的是想知道移動做了營銷活動之後，客戶的反應情況。當時移動做業務營銷的主要方式是短信群發，判斷客戶對營銷活動有反應的終極标準是客戶訂制了該業務，當然也有一些客戶是到移動營業廳或撥打移動客服号1860（當初的客服号，現在改成10086）咨詢了該業務。可以想象，在當時的條件下收集這樣的資料是何其困難。