（一）數(shù)據(jù)比對的痛

“這數(shù)不對”

“為什么A這里的數(shù)據(jù)和B的數(shù)據(jù)不一致？”

“為什么平時這個數(shù)是C今天變成了D？”

“為什么這么高？”亦或是“為什么這么低？”

——【我的對數(shù)日常】

一旦有人對某數(shù)據(jù)提出質(zhì)疑，就會開始令所有人崩潰的對數(shù)。尤其是經(jīng)營分析會、月度會議期間，數(shù)據(jù)團隊面臨反復(fù)且高頻的折磨，不同需求方不同角度都等著回答和解釋。

• 領(lǐng)導(dǎo)：不理解，為什么沒有人能給出來正確的數(shù)據(jù)？
• 業(yè)務(wù)：技術(shù)給的結(jié)果不準...數(shù)據(jù)質(zhì)量差，又不能用...又要自己算...數(shù)據(jù)量太大算不動

• 數(shù)據(jù)團隊：數(shù)據(jù)不是我錄的、業(yè)務(wù)數(shù)據(jù)庫不是我設(shè)計的、指標邏輯也不是我定義的、運營邏輯和策略調(diào)整對數(shù)據(jù)的影響我也不知道。 數(shù)據(jù)根據(jù)邏輯加工出來就是這個樣子，不是你想要的，我該解釋什么？

非常無辜，非常無語， 活還是要干！

不考慮模型設(shè)計，不講數(shù)據(jù)治理、制度和流程梳理，不談組織合理性，不談數(shù)據(jù)意識和數(shù)據(jù)團隊地位，不與業(yè)務(wù) battle。 落在當下，必須要面對的工作面前，只是想聊一聊“ 對數(shù)到底應(yīng)該怎么對？ ”，希望通過這篇文章與數(shù)據(jù)相關(guān)從業(yè)的朋友聊一聊“ 面對常態(tài)化數(shù)據(jù)質(zhì)疑的處理方式，在不同的場景下數(shù)據(jù)團隊的觀點輸出。 ”

（二）對數(shù)對數(shù)，對的是什么？

2.1? 數(shù)據(jù)比對的場景

• 新舊指標對比，新指標上線替換就應(yīng)用

• 全新指標上線，證實數(shù)據(jù)準確

• 同預(yù)期不符或數(shù)據(jù)波動大，進行數(shù)據(jù)查驗

• 應(yīng)用端數(shù)據(jù)不一致，維度匯總不一致給出解釋

• 數(shù)據(jù)A和相關(guān)數(shù)據(jù)B不匹配，交叉驗證

  ...

2.2 數(shù)據(jù)團隊的心態(tài)

數(shù)據(jù)技術(shù)有門檻，但數(shù)據(jù)是公司的數(shù)據(jù)、是業(yè)務(wù)的數(shù)據(jù)；數(shù)據(jù)本身沒有價值，數(shù)據(jù)脫離業(yè)務(wù)應(yīng)用，就只是磁盤上的文件而已。 對數(shù)占用了數(shù)據(jù)團隊大量的時間和精力，消耗耐心和斗志，這種情況下應(yīng)秉持怎樣的心態(tài)？ 下面是數(shù)據(jù)團隊避無可避的問題：

（1）提升團隊數(shù)據(jù)素養(yǎng)

對數(shù)屬于不復(fù)雜但大多數(shù)人做不好事情，好的數(shù)據(jù)團隊人人都是數(shù)據(jù)分析師，具有數(shù)據(jù)思維，懂業(yè)務(wù)。清楚業(yè)務(wù)規(guī)則，懂業(yè)務(wù)數(shù)據(jù)流向。清楚數(shù)據(jù)映射的業(yè)務(wù)流程，識別數(shù)據(jù)問題的業(yè)務(wù)構(gòu)成；遇到問題知道從什么地方分析原因，知道要看什么數(shù)據(jù)。

（2）提升公司數(shù)據(jù)意識和數(shù)據(jù)產(chǎn)品的可信度

數(shù)據(jù)有天然門檻和屏障，如何拉齊各方的認知？如何方便用戶去使用數(shù)據(jù)？當不缺數(shù)據(jù)的時候，如何有效使用數(shù)據(jù)？如何給用戶呈現(xiàn)數(shù)據(jù)？

產(chǎn)品思維，數(shù)據(jù)是結(jié)果但對數(shù)據(jù)的理解是主觀的。如何直觀、不引導(dǎo)的客觀呈現(xiàn)數(shù)據(jù)？

（3）解放人力實現(xiàn)自動化

化被動為主動，怎樣從無盡的對數(shù)中抽離。能提前識別異常、提示變動、給出對照。數(shù)據(jù)穩(wěn)定，線下數(shù)據(jù)走通后，便可以逐步切線上，固化比對邏輯。

2.3 對數(shù)對數(shù)，對的是什么

對數(shù)就是 實際和預(yù)期的彌合 ， 為什么A不是B？A是數(shù)據(jù)部門輸出的數(shù)據(jù)，B可能是之前某版本的數(shù)據(jù)、可能是心理預(yù)期、可能是某業(yè)務(wù)線的手工數(shù)據(jù)、可能是去年同期數(shù)據(jù)、可能是上個月的數(shù)據(jù)...

解決方案有幾種：證實“A是對的”，證否“B是錯的”，證實”A/B都是對的，但有cdef造成了兩者的數(shù)據(jù)差異”。都要 給出結(jié)論、對照和明細憑據(jù) 。

（三）?通用可復(fù)制的方法

數(shù)據(jù)比對是有目的的數(shù)據(jù)分析 。 著名的咨詢公司Gartner于2013年總結(jié)、歸納、提煉出一套數(shù)據(jù)分析的框架，Gartner把數(shù)據(jù)分析分為四個層次，分別是：

描述性分析（Descriptive Analysis） ?-發(fā)生了什么？

診斷性分析（Diagnostic Analysis） ? -為什么會發(fā)生？

預(yù)測性分析（Predictive Analysis） ? ?-什么可能會發(fā)生？

處方性分析（Prescriptive Analysis） -該做些什么？

數(shù)據(jù)比對是描述性分析，即對數(shù)據(jù)現(xiàn)狀拆解出數(shù)據(jù)依據(jù)。 那么數(shù)據(jù)比對的過程，就是描述性數(shù)據(jù)分析的過程，可按以下順序進行：

1. 確認分析的目的和思路
2. 數(shù)據(jù)準備、處理及分析
3. 撰寫數(shù)據(jù)結(jié)論及報告
   下面具體說如何操作，讓觀點可執(zhí)行 。

3.1 確認分析的目的和思路

3.1.1 假設(shè)驗證確認分析思路

（1）明確對照項[A-B]

確定問題，明確目標，得出A、B哪個正確？差異原因。首先明確對照項A、B的定義，判斷其定義、口徑、算法是否一致？

（2）對照指標數(shù)據(jù)流向及構(gòu)成

對照數(shù)據(jù)流向，分析數(shù)據(jù)構(gòu)成及計算過程

確認比對項，時間、口徑、統(tǒng)計粒度，度量和維度做篩選還是過濾

（3）收集數(shù)據(jù)進行證 偽推斷，得出結(jié)論

準備基礎(chǔ)明細數(shù)據(jù)，導(dǎo)入excel，通過vlookup、透視表等關(guān)聯(lián)分析，關(guān)系走通，記錄過程數(shù)據(jù)，提供結(jié)果數(shù)據(jù)。

Example ：統(tǒng)計結(jié)果比對（數(shù)值1vs數(shù)據(jù)2，差異值）、12明細、差異明細比較

Tips： 明確分析目的和方案前，別急著到處要數(shù)，可能費力要了又用不上

3.1.2 數(shù)據(jù)一致性驗證方式

（1）基礎(chǔ)認識一致性驗證

指標的設(shè)計過程：定義、計算公式、統(tǒng)計維度（時間...）、維度含義、屬性定義

指標的技術(shù)屬性：技術(shù)方式、數(shù)據(jù)源、更新時間

Example 1： 實時、離線指標不一致屬于正常情況，可直接解釋原因

• 更新時間天然不同，離線為批處理定時調(diào)度任務(wù)模式，而實時對數(shù)據(jù)的時序性有要????求，在某些場景并不能保證與離線同等的一致性。

• 計算邏輯無法對齊，離線邏輯相對復(fù)雜，支持補償邏輯，實時處理卻相對比較簡單

• 數(shù)據(jù)源不一致，比如日志在一些場景不能做到完全一致

Example 2： 回款率單位為%，城市結(jié)果值求平均并不等于全國數(shù)值，也可直接告知業(yè)務(wù)原因。

（2）正向驗證

• 確認是否是業(yè)務(wù)正常變動，如大促暴漲、廣告行業(yè)的1&2月淡季周期性異常。

• 交叉維度匯總不一致，數(shù)據(jù)缺失向上匯總記錄的處理方式。

（3）反向驗證

• 任務(wù)是否正常？數(shù)據(jù)是否更新？集群崩潰、任務(wù)失敗、任務(wù)超時、源數(shù)據(jù)系統(tǒng)字段變更...

• 處理過程是否正常？數(shù)據(jù)漂移、數(shù)據(jù)發(fā)散、數(shù)據(jù)傾斜...

• 業(yè)務(wù)口徑數(shù)據(jù)和數(shù)據(jù)庫數(shù)據(jù)映射是否一致？不同含義指標取相同名字...

3.2 數(shù)據(jù)準備、處理及分析

（1）數(shù)據(jù)準備

在分析思路確定的基礎(chǔ)上，準備收集準備數(shù)據(jù)，可能是：系統(tǒng)導(dǎo)出、數(shù)據(jù)提取...

（2）數(shù)據(jù)處理（清洗、轉(zhuǎn)化、提取、計算）

基礎(chǔ)數(shù)據(jù)準備完畢，按既定的思路計算、比對，加工需要的可用于分析的數(shù)據(jù)

（3）數(shù)據(jù)分析（數(shù)據(jù)統(tǒng)計、數(shù)據(jù)挖掘、數(shù)據(jù)呈現(xiàn)）

比對后發(fā)現(xiàn)并分析差異，用適當?shù)姆治龇椒肮ぞ撸O大多數(shù)場景Excel足夠），對處理過的數(shù)據(jù)進行分析，提取有價值的信息，形成有效結(jié)論

3.3 數(shù)據(jù)結(jié)論及報告

（1）明確結(jié)論

• 哪個數(shù)據(jù)是準確的？是什么造成了數(shù)據(jù)差異，數(shù)據(jù)差異的構(gòu)成和占比 差異是否合理？

• 是否需要進行修正，計劃、難點分別是什么

• （2）結(jié)果呈現(xiàn)

數(shù)據(jù)比對的報告不需要精致，能夠做到邏輯清晰，圖表搭配，層次分明，讓閱讀者一目了然理解差異和差異構(gòu)成就可以

• 結(jié)果數(shù)值比對，差異明細，對照過程及明細

• 呈現(xiàn)餅圖 和柱形圖足夠了，柱形圖看差異，餅圖看差異構(gòu)成

  （四） 數(shù)據(jù)人的下一步

應(yīng)對被動的數(shù)據(jù)比對之后，如何化被動為主動，進行常態(tài)化的數(shù)據(jù)監(jiān)控，不再耗心費力疲于應(yīng)對，提升數(shù)據(jù)健康度，對數(shù)據(jù)異動監(jiān)控提示，實現(xiàn)數(shù)據(jù)可用可查有提示可預(yù)警。唯一且艱難的道路：

有數(shù)據(jù)質(zhì)量標準是基礎(chǔ)，在制定數(shù)據(jù)質(zhì)量計劃的標準上，進行周期性的數(shù)據(jù)質(zhì)量盤點和數(shù)據(jù)治理！

這條道路需要數(shù)據(jù)團隊有決心、信心，有足夠的耐心和體力，去細致打磨適合企業(yè)的數(shù)據(jù)標準，需要對每個數(shù)據(jù)域、數(shù)據(jù)實體、數(shù)據(jù)項，甚至到字段、屬性，定義數(shù)據(jù)標準，核實數(shù)據(jù)質(zhì)量。

4.1 數(shù)據(jù)質(zhì)量

GB/T 36344-2018 數(shù)據(jù)質(zhì)量評價標準

Example：

• 完整性： 指數(shù)據(jù)元素和數(shù)據(jù)記錄完成性，例如：字段是否存在空值，指標數(shù)據(jù)維度是否足夠支撐業(yè)務(wù)分析

• 準確性： 指數(shù)據(jù)可信度，例如：是否數(shù)據(jù)正確、格式合規(guī)、唯一性、無臟數(shù)據(jù)

• 一致性： 指相同數(shù)據(jù)一致性和關(guān)聯(lián)數(shù)據(jù)一致性，如：相同指標在不同場景下數(shù)值是否一致

• 時效性： 指基于時間段的正確性、基于時間點及時性、時序性，例如：實時能否保證1分鐘以內(nèi)延時，離線能否保證每天9點定時更新

GB/T 36344-2018 數(shù)據(jù)質(zhì)量評價標準-數(shù)據(jù)質(zhì)量評價過程

4.2 數(shù)據(jù)清洗

在建立數(shù)據(jù)規(guī)范的基礎(chǔ)上，就可以進行數(shù)據(jù)質(zhì)量提升的行動，也就是“數(shù)據(jù)清洗”。數(shù)據(jù)清洗，就是從數(shù)據(jù)庫表中更正和刪除不準確的數(shù)據(jù)，

（1）數(shù)據(jù)清洗

• 識別數(shù)據(jù)問題

• 評估問題及解決方案

• 清洗計劃：更正、刪除、合并、替換、補齊...

• 數(shù)據(jù)應(yīng)用及周期性質(zhì)量評估清

（2） 數(shù)據(jù)清 洗實踐要點

• 數(shù)據(jù)問題是業(yè)務(wù)數(shù)據(jù)問題，需要多方人員參與，全面的考慮上下游聯(lián)動影響，包括產(chǎn)生數(shù)據(jù)的、使用數(shù)據(jù)的...

• 提升源端質(zhì)量是根本之法，增加系統(tǒng)界面端和數(shù)據(jù)庫輸入的的限制，如某些字段非空校驗、數(shù)據(jù)類型校驗、唯一約束等。

• 做好備份！做好備份！做好備份！

4.3 監(jiān)控預(yù)警

監(jiān)控預(yù)警是化被動為主動的方法，可根據(jù)數(shù)據(jù)質(zhì)量規(guī)則制定監(jiān)控策略，通過數(shù)據(jù)質(zhì)量監(jiān)控工具來提示數(shù)據(jù)異常或數(shù)據(jù)波動，來確保對業(yè)務(wù)數(shù)據(jù)穩(wěn)定的掌控感和保證數(shù)據(jù)的準確性，問題處理的及時性。

質(zhì)量規(guī)則不再多說，可以聊一聊波動性，什么樣的指標波動可以看作是“異常”呢？

指標波動不可怕，數(shù)據(jù)波動是業(yè)務(wù)發(fā)生的正常情況，業(yè)務(wù)產(chǎn)生自然會發(fā)生數(shù)據(jù)變化，比如每周的銷售額肯定不一樣，脫離業(yè)務(wù)場景沒法談數(shù)據(jù)波動。但像之前都1000w，這周只有200w，是不是就屬于異常狀態(tài)？監(jiān)控可以根據(jù)公司業(yè)務(wù)情況和數(shù)據(jù)情況來綜合評定，通過絕對值預(yù)警、相對值預(yù)警兩方面來設(shè)定。

具體的方法有：絕對值、同比環(huán)比、周期平滑、假設(shè)檢驗（3σ原則）、時間序列、算法模型。

4.4 提前準備

在新需求的設(shè)計過程中，就提前準備【數(shù)據(jù)比對】的工作。評估不同線上線下、離線實時的差異，找出可能產(chǎn)生問題的原因并解決，技術(shù)架構(gòu)方案選擇，或預(yù)評估差異。

4.5 一些提醒

（1）再次強調(diào)：業(yè)務(wù)、業(yè)務(wù)、業(yè)務(wù)

數(shù)據(jù)必須和業(yè)務(wù)結(jié)合才有意義，熟悉業(yè)務(wù)才能看到數(shù)據(jù)背后隱藏的信息。缺乏對行業(yè)、公司業(yè)務(wù)認知，數(shù)據(jù)應(yīng)用和數(shù)據(jù)分析結(jié)果都會出現(xiàn)偏離，變成自嗨或者空中樓閣。要懂上下游數(shù)據(jù)，也要弄清楚公司所在行業(yè)結(jié)構(gòu)，對行業(yè)的上游和下游的經(jīng)營情況有大致的了解。

（2）數(shù)據(jù)敏感度

數(shù)據(jù)本身是客觀的，但被解讀出來的數(shù)據(jù)是主觀的。同樣的數(shù)據(jù)由不同的人分析很可能得出完全相反的結(jié)論，所以一定不能提前帶著觀點去分析。

（ Example ：比如指標預(yù)警沒有合適方法，可暫定波動值超過5%預(yù)警。如果一個變量符合正態(tài)分布，則其95%的值會落到均值左右二個方差內(nèi)。）

（3）迭代化思維

業(yè)務(wù)是不斷調(diào)整和發(fā)展的，依托的系統(tǒng)和數(shù)據(jù)也是不斷迭代變化，相應(yīng)指標也需要隨著業(yè)務(wù)不斷調(diào)整，更加精確的度量業(yè)務(wù)。

（4）精細度控制好，不要追求極細

細分是深入的分析的基礎(chǔ)，但不要追求極細，細分意味著復(fù)雜，要判斷公司團隊數(shù)據(jù)意識和業(yè)務(wù)精細化管理是否到了匹配的階段。