熟知淘寶的人都知道淘寶數據分析的重要性，有淘寶數據分析才有發言權。但是，你可曾想到，淘寶數據偶爾也會說話，我們要做的只是分析數據，但是絕不能唯數據是從。
現在做銷售、市場的人如果不懂得淘寶數據分析，用數據說話那真是落伍了。沒見過很多企業領導開口就是“拿數據給我看，沒有數據我怎么做決策啊?”。可見淘寶數據分析在當今的企業管理中占據做非常重要的地位，并且淘寶數據分析師也是未來十年最有前途的十大職業之一。
淘寶數據分析的作用是什么呢?簡單的說有下面幾點：
推薦閱讀[熱點]別說你不會開網店，手把手教你開個淘寶網店
300元開虛擬網店包裝修
淘寶網上開店，找貨源，找產品易刷平臺快速刷信譽 頂呱呱!給力捷易通充值終身版【包開店】測測你的淘寶店鋪價值多少錢?淘寶皇冠店鋪排行榜前十位介紹 1、量化企業的各項管理
2、最大化銷售/市場業績
3、提高企業管理者的決策速度和正確性
4、有效的節約企業成本(包括生產、費用、人力等)
5、部門協調和管理的工具
淘寶數據分析的作用不容置疑，但是需要質疑的是利用數據的一些騙人伎倆，他們利用大家對數據的不了解，通過編造、篡改或。比如下面這段話：50%白領認為，房租上漲影響了生活質量(某著名財經評論員的微博)。首先，50%這個數據很可能是創造出來，沒有標明來源。其次如果我是已經買了房產的白領，房租上漲多少對我來說沒有絲毫影響，相反如果我有好幾套房，我可能因為房租收入高了反而提高生活質量。第三房租上漲了多少才會影響生活的質量，10%?20%?這個應該取決于房租占白領收入的比例而定。所以這個數據很可能是“假”的。
在美國和西班牙交戰期間，美國海軍的死亡率是千分之九，而同時期紐約居民的死亡率是千分之十六。后來海軍征兵人員就用這些數據來證明參軍更安全。你認為這個結論正確嗎?當然不正確，這兩個數字根本就是不匹配的，當兵的都是身強力壯的年輕人，而居民的死亡率是包括老弱病殘的數據，這些人相對來說，死亡率是高的。所以正常應該是用同年齡段的海軍數據和紐約居民來對比。
企業管理人員對“假”數據是深惡痛疾。原因不言而喻：“假數據”造成資源浪費，決策失誤，貽誤戰機等等。簡單總結一下“有問題數據”的幾個方面，幫助大家早日練成火眼金睛。需要提醒大家的是“有問題的數據”并不代表一定是“假”的數據，因為有的數據是真的，但是結論確實“假”的。常見的利用數據來誤導大家的情況有以下幾種：
一、隨意制造“假”的數據來忽悠客戶或消費者，請原諒我用了“制造”這個動詞。
這種情況隨處可見，對于某些人或組織來說，數據的嚴肅性根本就是一句空話，他們是要什么數據就編什么數據，他們的名字叫”編“委。對于這種情況，我們一定要多問幾個為什么，問清楚數據源就可以了。記住“無數據(源)就沒有真相”。比如報紙的發行量永遠是世界上最難解的謎題，我也不知道答案，我只知道：
1、媒體自己公布的發行量實際上是他們的最高發行記錄，一般來講大家習慣去掉“最高”二字
2、當年某些報紙為了創造最高發行量，直接把報紙從印刷廠拉倒垃圾站，這種情況是公然而無恥的作假，后被禁止
大家看看這句話中的數字是否有錯誤：公司業務員小強有24個客戶，4月不重復客戶購買比率為78%(備注:不重復客戶購買比例=有訂單的客戶總數/總客戶數)。答案是錯誤的。
二、定向取值問題
這種一種具有隱蔽性和欺騙性的手段。何為定向取值?就是先假定一個結論，然后選取最利于這個結論的人群進行市場調查或研究，最后號稱這個規律或結論具有普遍性。比如平均工資，我要讓他高，就去寫字樓訪問，我要讓他低，那就如勞務市場吧!這種方法是一種騙人的伎倆，要不得，可是很多人很熱衷!
把這種方法用到極致的是市場調查公司或某些政府機關。比如某年某地區說要在半年內將房價降價多少以上，半年以后他們真的做到了，可是老百姓并沒有感到房價下降的趨勢，為什么呢?原來他們玩了個數字游戲，半年前的樣本是城區的房價平均，半年后加上了郊區的房價后取平均。
大部分市場調查公司是定向取值的熱衷者。很多企業的老板會要求市調公司按照他們的結論來采樣調查，然后用這個數據去做廣告、公關，欺騙消費者。有些公司的調查數據是真的(即調查的樣本數足夠多，且沒有定向選取調查對象)，但結論卻是假的。因為企業也可以定向取結論。比如(此事例是為了說明問題，假設的數據，千萬不要當真)，比如某種牙膏宣傳：使用該品牌的牙膏后將使蛀牙減少23%，這個數據是市場調查后的數據。當然這個數據對你一定是有誘惑力的。因為你認為減少的反義詞就是沒減少!可你是否知道他的背后有可能是這樣的：23%的人蛀牙減少，40%的人沒有任何反應，37%的人蛀牙反而增多了(只是這種可能性不大)。
三、田忌賽馬
田忌賽馬的故事大家想必都聽說過，利用田忌賽馬來誤導的情況也是比較多見的。看一個例子，2010年底某知名B2C網站搞了一個“全民瘋搶”活動，活動結束后，某人在微博上寫道：就成交數據看，在大促四日里的日均交易額已經遠遠超過了09年度國美、蘇寧和百聯三家線下大賣場的總和日均銷售額。就這句話來說是沒有問題的，錯在前后數據沒有可對比性，用自己促銷時的最大值和別人的常規日銷售來做對比，這樣的對比沒有任何意思。這個就好像劉翔參加殘奧會比賽得了冠軍又能如何?根本就不是一個組別。
再來看一組數據：2010年12月20日到12月26日電影《非誠勿擾2》和《讓子彈飛》的周票房分別為2.4億和2.1億(備注：非2是12月22日上市，讓是12月16日上市)。從這兩個數據是否我們可以得出這樣的結論：“非2”票房大大超越“讓”的票房。從純數據的角度來說，實際上這兩個數據沒有可對比性，不匹配。因為12.20-12.26是“非2”上影的第一周，是“讓”上影的第二周。正常大片的票房高點都是在第一周。如果我們單看他們第一周的票房數據：讓上市第一周4天票房共2.9億，平均每天0.7億，非2上影前5天票房2.4億，平均票房約0.5億元，“讓”票房反而高很多!
數據的匹配性是我們時刻都需要提防的，這方面是極易犯錯誤的，有時候我們看起來非常合理的對比也有可能是非常不合理的。
四、淘寶數據分析的系統誤差
淘寶數據分析有的時候是人為因素影響，有的時候還可能有系統誤差出現。舉說來說：假設人事部要在一個公司內部調查一下大家對新來的總經理的看法，選項有五個：非常喜歡、喜歡、沒感覺、不喜歡、非常不喜歡。要求匿名投票。收回選票后結果如下：非常喜歡25%，喜歡40%，沒感覺20%，不喜歡10%，非常不喜歡5%。由于是匿名投票你可能認為這個數據沒問題了吧(假設沒有拍馬屁的現象)。
我的回答是不一定。因為很可能還有很多員工根本就沒有投票。他們不投票的原因有可能是不知道該調查或忙沒來得及投票等，還有就是這些棄權票很可能都是要投“不喜歡”的人，他們不想表達自己的真實想法，所以他們有“目的”的放棄了投票。想想聯合國大會的棄權票吧，有點這個意思的吧。另外如果這個調查的五個選項改成如下排序：非常不喜歡、不喜歡、沒感覺、喜歡、非常喜歡。還是剛才投完票的那些人來投，結果可能不一樣哦!
五、眼見為虛、圖表的忽悠
如果上面的幾點還不能忽悠你，那再來個數據加圖表，雙重忽悠。讓你覺得有圖有真相。看看下面這兩張圖，你喜歡那張?
發現不同了嗎?其實上面兩張圖的數據源一模一樣，市場占有率都是從05年的23.5%增長到2010年24.8%，僅僅增長了1.3%。第一張圖初一看市場占有率增長得氣勢如虹，第二張毫無亮點!有些公司更缺德，把左邊的數據比率還給隱藏起來，名為保護公司機密!如果那樣你就徹底被忽悠了。
對某些人來說，這兩張圖各有用處，比如第一張可以給消費者看，可以夸大公司的市場占有率，第二張在向董事局要錢的時候給董事們看，說明市場占有率增長不大，需要投入!當然這是開玩笑，Y軸的值一般EXCEL會自動調整，不過也可以人為調整，但如果調整過大(比如本例)就一定要醒目的標注出來，否則就有誤導之嫌!
六、算也算不清楚的比率
據說離婚率前三位城市是北京39%，上海38%，深圳36%(數據來源于去年6~8月的新聞)。仔細一查，發現這個離婚率公司是這樣的：離婚率=離婚數/結婚總數，乍一看，沒有任何問題。2010年的離婚率就是2010年離婚數除以2010年結婚數?錯了!不是蘋果對蘋果!2010年離婚的人和結婚的人根本就不是一個概念。這樣計算的結果不但毫無可信度，而且還給被廣大人民群眾造成誤解!目前媒體上有關離婚率的數字應該都是這樣計算出來的。
那怎樣計算離婚率呢?我們可以將上面的公式修改一下就可以了。2000年結婚人群在2010年的離婚率=2000年結婚且2010年離婚總數/2000年的結婚總數。順便說一下，如果我們對2000年結婚人群每年都計算一個離婚率的話，你還可以分析是否有七年之癢存在。【備注：國際通用離婚率是“粗離婚率”：是指在一定時期內(一般為年度)某地區離婚數與年平均人口之比，通常以千分率表示】
很多零售企業每個月都會計算退貨率，實際上和離婚率是一個概念，需要分門別類才能正確的計算出來的。
數據障眼法很多，特別是在中國這個盛產山寨和騙子的地方，所以各位，還是擦亮自己的眼睛吧。我們可以不去忽悠別人，但是絕對不能讓別人忽悠到自己。祝你早日練成火眼金睛。
樂發網超市批發網提供超市貨源信息,超市采購進貨渠道。超市進貨網提供成都食品批發,日用百貨批發信息、微信淘寶網店超市采購信息和超市加盟信息.打造國內超市采購商與批發市場供應廠商搭建網上批發市場平臺,是全國批發市場行業中電子商務權威性網站。
本文來源： 淘寶數據分析教程
