餐飲大數據真相：你只討好90后？為你拉粉的卻是他們！

一家公司希望了解自家產品的用戶畫像，通過讓客戶掃描二維碼，獲取了一些用戶的信息。下圖就是對用戶年齡分布的統計結果：

（PS，出于保密需要，這里暫且放一張P過的圖來示意）

請問，哪個年齡段的人才是該產品的典型用戶？對于這個問題，我一共聽到過三種答案。

那么，究竟哪種答案才更加正確呢？我估計大部分人都會選第二種或者第三種吧？

最開始我也是這樣解讀的，認為該產品的典型用戶就是“年輕人”。（若按照國家統計局的標準，也就是15—34歲的人）

而實際上，該產品屬于健康食品，主打“排毒”“減肥”“降三高”“治便秘”“抗酸”的功效（你先別笑它賣點太多不夠聚焦），而這些功能屬性，除“減肥”以外，我相信不少人都會跟我一樣——若用常識來判斷，它們應該更偏向中年人。

然而，數據結果卻與常識判斷相互矛盾……這時候，你到底該相信數據還是相信常識呢？

還有個故事，被很多人拿來說過。

在二戰期間，盟軍的戰斗機在戰斗中損失慘重，于是盟軍總部秘密召集了一批物理學家、數學家來專門研究“如何減少空軍被擊落的概率”。

當時軍方統計了所有返航飛機的中彈位置，發現機翼部分中彈比較密集，而機身和機尾的中彈比較稀疏，因此當時普遍的建議便是：應加強機翼部分的防護。

然而，統計學家沃德卻提出了一個完全相反的觀點，他認為應加強機身和機尾部分。

沃德教授說：“所有的樣本都是成功返航的飛機，也就是可能正是因為機翼遭到攻擊，機身和機尾沒有遭到密集的攻擊，所以才使得這些飛機能夠成功返航。”

后來又經過一系列有力的論證后，軍方果真采用了他的建議。事后也證明這的確是無比正確的決策，有效降低了空軍被擊落的概率。

△ 這個故事講的就是所謂的“幸存者偏差”

幸存者偏差是指：當取得資訊的渠道僅來自于幸存者時，此資訊可能會存在與實際情況不同的偏差。（因為死人不會說話）

那它跟之前用戶畫像的例子有什么關系呢？關系很大。

在戰斗機的故事里，開始的統計方法沒有問題，收集到的數據也不會撒謊。

但它只能展示出有數據（幸存者）的那部分信息，而無法展示沒有數據（陣亡者）的那部分信息，它是片面的。

而本文的第一個案例中，如果用收集到的用戶數據來判斷產品的用戶特征，其實是忽略了那些使用了產品但沒有掃碼的用戶的數據。而這里有很多可能的因素會影響結果，比如：

大數據，雖然有一個大字，但畢竟不是所有的數據。因此，回到文章最開始的問題——哪個年齡段的人才是該產品的典型用戶？

結論是：無法僅通過該數據就得出結論，或者說，即使得出一種論斷，也不準確。

是的，到目前為止，我依然更偏向于結合常識再來解讀，而不只是從數據本身——認為中年人才是它的典型用戶。（估摸著至少也是30歲以上）

常識又是什么？它是一個心智健全的成年人應該具備的基本知識，包括生存技能、基本勞作技能、基礎的自然科學以及人文社會科學知識等。

不可否認的是，常識跟數據一樣，都是片面的。并且每個人的常識都不盡相同，質量參差不齊。

不過這里想說的重點是：相比于數據，常識能從更多得多的角度去分析一個事物。

因為人類的大腦很奇妙，它能把很多看似無關的事物聯系在一起，知識越豐富，就越能更好組合不同信息。這一點，是任何計算機都很難以數據的形式做到的。

這就是為什么，在期望得到一些分析時，我們更傾向于聽到權威專家們的意見。他們掌握的知識更多，面對同樣的數據，也往往能做出更為準確的解讀。

– ? –

筷子哲學

人們可通過觀察“一根筷子折得斷，十根筷子折不斷”的現象，解讀出一個與之毫不相關的道理——團結就是力量。

而同一個現象如果交給計算機去處理，僅從數據來說，那最后的結果就肯定只能與“材料”“扭矩”和“力度”等相關…

– ? –

奶奶去世的真相

邁克·亞當斯曾做過的一項研究，他發現美國大學生期中考試臨近時，奶奶去世的可能性是平時的10倍，而期末考試時是平時的19倍（數據來自各高校收到的請假郵件和推遲交論文的申請）。

若單看數據，你也許會認為學生的學術壓力會對奶奶的健康造成影響（的確有科學家對此做過研究）；但若用常識去思考，那就很簡單了——為躲避考試，學生們編造了“奶奶去世”的請假借口。

這就是常識與數據的區別——常識是多維的，數據是單維的。

我以前舉過一個例子。據《2017社會大學英雄榜》顯示，國內登上胡潤百富榜的2000多位資產超二十億的富豪中，有一半的人都是低學歷（本科以下學歷）。

請問，從這條新聞中你能讀出什么結論？我想肯定有很多人會認為：學歷的高低跟收入的確沒什么關系。

然而，這種解讀是錯的。正確的解讀方式是什么呢？

中國在2016年末大約有13.8億人口，其中本科及以上的只有3800萬，本科以下則有13.42億——低學歷的人本來就比高學歷的人多得多（35倍），而它們進入榜單的人數基本相同。因此，擁有高學歷的人進入百富榜的概率，是低學歷的35倍。

在這個例子中，所有的數據都是真實的。但如果你只看到一部分數據，而沒有看到其他數據，那就很容易被數據給坑了，得出錯誤的結論。

當然，要想得出更加準確的結論，這里還需挖掘更多的數據。比如富豪們的年齡分布，畢竟不同年齡段人群的學歷分布是不一樣的；所屬行業的分布，不同行業對學歷的要求與相關程度是不一樣的；高學歷的收入與低學歷的收入的總體對比情況…

如果你不是專門學統計的，相信在加入這么多因素之后，一定會崩潰掉……不過你也不用慌，因為大部分情況下，你根本就沒有機會能知道這么詳盡的數據，只能盡可能多了解、多渠道解讀。

通過上面的種種案例，我們得出一個結論：數據真正的價值，并不在于其統計或計算結果，而在于人們能對其做出正確的解讀。

在現代的餐飲業，數據的作用越來明顯，我們要看數據的來源、體量，以及從什么角度解讀。

顯然，在下定論之前，多了解一點，犯錯的幾率就會小一點，多看到一面，你離客觀的真相就更接近一點，這就是進步。

就像在餐飲業，數據和常識都會告訴我們，90后的消費者意見成為消費的主力軍，那么我們就要去討好90后嗎？事實上，另一組數據證明，80后們更愿意在公開渠道為餐廳寫點評，討好他們后，才更容易為自己的品牌塑造良好的形象。

如果僅憑單方面數據就武斷得出結論，并且篤定得不行，那無論數據樣本有多大，你的結論和真實情況都很可能是天差地別的。

餐飲行業里，每天都在產生巨大的數據體量。怎么樣分門別類去做分析？怎樣讓數據落地到餐飲門店的運營中去？

解讀，唯有多人、多維度的深入解讀，才能真正發揮其價值。

歷時數月，餐飲老板內參聯合美團點評，調取了海量數據，結合餐飲企業、咨詢機構、經濟學專家的意見，烹制出了《中國餐飲報告2018》。

9月13日，我們會帶著這份報告，邀請餐飲業、研究領域的權威人士，一起走進成都，深度解讀川蜀大地的舌尖數據。（點擊閱讀原文，查看詳情）