- 数据分析
- 数据治理
- 产品解决方案
- 行业解决方案
- 案例
- 数据资产入表
- 赋能中心
- 伙伴
- 关于
时间：2022-05-08来源：反差帅浏览数：113次
数据质量的高低其实是一种感知，很大程度上不在于数据提供方、数据治理方，而是在于数据消费方，只有数据消费方能准确定义数据需求的满足度
今天早上刚起来，我发现朋友圈和多个专业聊天群里被一条博文刷屏了：
该博文宣称3月全国个人所得税同比下降51.3%，和2020年3月、2021年3月比，显著暴跌，然后开始感叹经济凋敝、民不聊生，得到了我朋友圈里的财经界、科技界人士的共情，并迅速成为十万加热文。我在一个朋友的朋友圈里提醒他，这条信息可能不太准确，还被反唇相讥了。
作为咨询顾问，我自然对财经数据很敏感，个税的确是和经济紧密相关的，直观地想，就算是经济再不景气，同比暴跌51.3%肯定是不可能的，另一方面，我朋友圈里情绪比较大主要是因为对上海疫情处置，但是这也是3月份底以后的事情啊。所以，我判断今年3月份的个税同比变化，肯定是一个异常数据。
我思考的问题很容易就找到了答案——如果当我们把数据分析窗口拉大，不是“同月”对比，而是用“YTD（year to date）”数据来比的话， 我们会发现数据变动并没有那么大——我找到了一个数据（下图），今年1-2月份，个税同比大增了46.8%。
所以大家来做个算术吧，今年一季度中国的个税收入和去年同比变化是多少？
这个例子带给我们在数据治理和数据分析的启示是：
一、数据质量的高低其实是一种感知，很大程度上不在于数据提供方、数据治理方，而是在于数据消费方，只有数据消费方能准确定义数据需求的满足度
二、数据会骗人，尤其是数据使用者预设了心理假设，他总能通过数据分析来证明他想象中的真相；数据使用者要具备利用数据进行事实探测的能力，而不是被“投喂信息”（数据->信息->知识的过程优化）
三、数据分析不适合使用固定指标和固定格式，要充分利用数据源和数据仓库，根据数据分析的业务思考，灵活调整分析维度（例如本例的时间维度）
四、数据分析的水平，跟用啥工具没太大关系，跟用数据的人的水平有关系。
最后，这个给我们带来的启发是：上网需智商，喷人要谨慎。
