数据之美 - 数据可视化三节课之一：可视化的意义.docVIP

数据之美 | 数据可视化三节课之一：可视化的意义 / “?推测未来将要发生什么的最好方式，就是记住过去曾经发生了什么。?”—— 乔治·萨维尔 金钱永不眠，屠夫问候各位早安。 近期因为工作需要，屠夫梳理了自己在投资和工作实践中对「数据可视化」的经验和思考。我将用三节课讲述“数据可视化”的话题，希望给你一些启发。 有句话叫“一图胜千言”，对于看似复杂难懂的数据而言，尤其如是。数据可视化，是将数据转换成图或表进行呈现，以一种更直观的方式展现数据。对于经常需要用数据、做分析、理逻辑的投资者来说，数据可视化是一项利器。 许多人看过数据可视化，但未必都明白如何做好数据可视化。好的可视化，可以帮助我们快速发现规律、找到原因、作出判断；不好的可视化，可能让人作出似是而非的结论，甚至引向大错误。 一、「数据」可以用来做什么？ 在了解知识、技能或工具前，屠夫总喜欢先了解它的“作用”，或者说“它究竟能解决什么问题”。数据可视化和数据紧密相关，更具体地说是和“数据分析”紧密相关。所以，对于任何一个想要了解可视化的人来说，弄懂“数据”和“分析”解决了什么问题应当排在首位。关于“数据究竟解决什么问题”，屠夫归结为“FIVE”4个字母： Forecast 预测 Insight 洞察 Validation 验证 Evaluation 评估 一年前写的《数据的F.I.V.E.用法》里的“I”是“Inspiration 启发”，如今觉得还是改为“Insight 洞察”更贴切预测，是数据应用的最高级形态。 从数据获得启发，以数据验证想法，用数据评估现状，都服务于对未来的预测，最好能够“运筹帷幄之中，决胜千里之外”。作为最高级形态，预测又是困难的。理想模型在落地时往往需要层层假设，这些假设里任何一个参数的偏差，都有可能“失之毫厘谬以千里”。 正如《关于预测，你应该明白的3个道理》所说，预测的尺度越小越精确，却越不容易准确。所以，在预测的精确性和准确性之间，最终取得的妥协往往是“模糊的正确”。 洞察，是假设和灵感的来源。许多规律在得到严谨的数据验证之前，都是先从历史数据中获得洞察。我们可以从标普500和沪深300的部分历史数据中得到“宽基指数长期上涨”的想法，这就是数据的“洞察”作用，而且往往是通过数据可视化实现的。至于这个想法到底对不对，要用数据加以验证才知道。 验证，是数据驱动决策的试金石。一些似是而非的假设和灵感可能将人带入歧途，而用数据进行验证，将大大减少这类情况发生。 验证的方式有许多： 在投资里，对量化策略进行“回测”，是典型的验证；数据分析时，构造蒙特卡洛模拟进行试验，也是验证；互联网行业，采用A/B测试检验策略有效性，同样是验证。 验证的天花板是?“absence of evidence”?——“没有证据证明您有癌症”和“有证据证明您没有癌症”，不是一码事。感兴趣的同学可以看看《决策与判断的误区》中的详细解释。评估，是使用数据的基本立足点。数据的“评估”式用法，实际上是通过数据构造出一个框架，然后将现状与框架对比。 可以对同一对象，横跨不同的时间段，纵向对比；也可以对多个对象，选取同样的时间段，横向对比。 屠夫曾以“地图”和“六分仪”作比喻： 预测就好比使用地图，而评估则是使用六分仪。 先以六分仪测量出经纬度，确定“当前在哪儿”，使用地图时才会心中有数；先用数据进行评估，判别清楚当前的状况，你的预测才不会成为无源之水。 数据可以用来做什么？屠夫的看法是：【数据能用于预测】预测是数据应用的圣杯，是启发、验证和评估的最终目标【数据能带来洞察】在历史数据的启发下，我们可以形成新的灵感或假设【数据能验证假设】经过验证的假设才有机会成为结论，反之只是一种猜想【数据能评估现状】有数据支撑的现状评估，让预测和验证成为有根之木。 二、「分析」能解决哪些问题？ 有了数据，还需要分析才能解决问题。 “分析”究竟能解决哪些问题？屠夫归结为4类：是什么、为什么、怎么办和好不好。 回答“是什么”的问题，属于描述统计。我们日常见到的趋势折线图、频率分布直方图，都是通过对数据特征进行描述，一般称之为描述统计。立足于历史和现状，侧重在现象和特性的展示。“是什么”其实并不算真正意义上的分析，许多数据看板和BI都能实现，其威力大小取决于使用数据的人。然而这并不妨碍描述统计在分析领域的地位 —— 它是许多规律、假设和猜想的源头。除此之外，如果回答的是“未来是什么”，这种描述又带上了预测色彩了。 回答“为什么”的问题，属于归因分析。“归因分析”一般指互联网渠道运营对不同渠道产生的价值贡献进行归因。屠夫借这个词推而广之，将“寻求原因和解释”一类的“为什么”问题，都算作归因分析。人类是一种对“解释”有着极度狂热的动物。当我们通过描述性统计发现了一些现象时，自然而然会想要知道现象背后的根源，以便复