同一份销售额数据，先看总量、先分渠道、先分产品线，会得出三个都成立、但行动方向完全不同的标题。 这一篇讲清一件事：数据不会自己说话，是你选的那个维度在说话。 选哪一刀，不该由数字好不好看决定，该由下一步要动什么决定。
上一篇拆出了组块，组块要落到具体业务上，就得选一个维度切下去。 这一篇的结论会一直用到第 4 章（图形化也是选维度）和第 12 章（数据库的 JOIN 路径也是选维度）。
一、数据不会自己说话
常听到一句「让数据说话」。这句话只说了一半。 数据是一堆数，它不会挑自己该按哪个维度分组。 分组是人选的，选完之后的百分比、平均值、趋势线，全部建立在这个选择上。 所以「数据说销量涨了」这句话的完整版是：按总量这个维度看，数据说销量涨了。
二、三种切法，三个标题
Acme 两年销售额从 50.8 亿到 51.8 亿。就这一份数，三种切法——
| 切法 | 算出来的结论 | 落到的动作 |
|---|---|---|
| 按总量 | 涨 2.0%，稳中有升 | 什么都不用做 |
| 按渠道 | 线上 +8.5%，线下 −2.3% | 加投线上、收缩线下 |
| 按产品线 | 彩妆 +4.0%，护肤 −1.0% | 救护肤线 |
三个结论互相不矛盾，因为它们回答的不是同一个问题。 矛盾的是人的直觉——总觉得「涨还是跌」应该只有一个答案。
三、为什么三个都成立
因为总量是各部分按份额加权平均出来的。份额一变，总量就不等于任何一部分。 线上涨 8.5%、线下跌 2.3%，合起来是涨 2.0%——这中间没有矛盾，只有权重。 这也解释了为什么「总体在涨」和「我们这块在跌」可以同时为真，而且两边的人都没有撒谎。 开会吵架，一半是因为这个。
四、切法由下一步动作决定
三个标题都真，但只有一个能往下走。判断标准不是哪个好看，是哪个能落到动作上。 渠道那一刀能落到「线上投放预算怎么分」；产品线那一刀能落到「护肤的配方和陈列」； 总量那一刀落不到任何具体动作上。 所以当客户问「到底哪个结论对」时，正确的反问是：你下一步准备动哪一块。
五、承认自己的位置
分析师的每一个选择——切哪个维度、用哪个口径、从哪年开始算——都是判断，不是客观事实。 把这些选择写进报告，比把结论写得更肯定有用得多。读的人知道你的立足点，才知道哪些结论可以拿去用。
六、动手 Demo：同一份数据，三个标题
下面这段代码用同一份销售额，切三次，算出三个标题。 注意三组数的和都等于同一个总量——这不是巧合，是加权平均的定义。
total = (50.8, 51.8)
print('总量 %+.2f%%' % ((total[1] / total[0] - 1) * 100))
def head(name, a, b):
print('%-8s %+.1f%%' % (name, (b / a - 1) * 100))
head('线上', 20.0, 21.7)
head('线下', 30.8, 30.1)
head('彩妆', 30.0, 31.2)
head('护肤', 20.8, 20.6)
print('两种切法的和都对得上：')
print(' 渠道 %.1f %.1f' % (21.7 + 30.1, 20.0 + 30.8))
print(' 产品 %.1f %.1f' % (31.2 + 20.6, 30.0 + 20.8))
实跑输出：
--------------------------------------------------------------------
同一份数据，三个标题
--------------------------------------------------------------------
① 数据只有一份
--------------------------------------------------------------------
Acme 两年的销售额都在几十亿的量级，为了说起来省事，下面一律用亿元。
2014 年 50.8 亿元，2015 年 51.8 亿元——就这一份数据。
下面三种切法，能切出三个完全不同的标题。
② 切法一：先看总量
--------------------------------------------------------------------
51.8 / 50.8 - 1 = +1.97%
标题：Acme 销量稳中有升。
③ 切法二：先分渠道
--------------------------------------------------------------------
线上 20.0 → 21.7（+8.5%）
线下 30.8 → 30.1（-2.3%）
标题：线上在涨，线下在跌，公司正在搬家。
④ 切法三：先分产品线
--------------------------------------------------------------------
彩妆 30.0 → 31.2（+4.0%）
护肤 20.8 → 20.6（-1.0%）
标题：彩妆扛住了，护肤在退。
⑤ 三个标题都是真的
--------------------------------------------------------------------
| 切法 | 结论 | 会不会行动 |
|---|---|---|
| 总量 | 稳中有升 | 什么都不用做 |
| 渠道 | 线下在退 | 加投线上 |
| 产品线 | 护肤在退 | 救护肤 |
! 你先看哪个维度，报告的标题就被哪个维度定住——这就是「分析从你介入那一刻开始」。
⑥ 那到底该信哪个
--------------------------------------------------------------------
三个都对，但只有一个能回答委托方的问题。
渠道那一刀能落到「线上投放预算」，产品线那一刀能落到「护肤配方」，
总量那一刀什么都落不到。
选哪一刀，取决于下一步要动什么，而不是哪一刀的数字更好看。
输出里两个和都是 51.8 与 50.8——这是加权平均的必然结果，不是数据凑得巧。 反过来说：如果你切完发现各块之和对不上总量，那一定是有一块漏了，或者有一块被算了两次。
30 秒实验
- 再加一种切法：按新客／老客。自己估两组数，让和仍然等于 51.8。
- 把线下的跌幅从 −2.3% 改成 −5%，总量会变成多少？体会权重的力量。
- 想一想：如果客户是财务总监，他会要哪一种切法？
常见误区
- 把「涨跌」当成唯一答案：涨跌是相对的，相对哪个口径、哪个基期，都得说清。
- 挑好看的那一刀：为了让结论漂亮而选维度，是分析里最便宜的造假方式。
- 以为细分一定更真：细分也会掩盖问题，切得太细每一块样本都不够，噪声会盖过信号。
- 忘了说基期：同一条曲线，从 2013 年起算可能是跌的，从 2014 年起算可能是涨的。
自测三问（点开对答案）
1. 为什么「总体涨 2%」和「线下跌 2.3%」可以同时成立？ —— 总体是各部分按份额加权的结果。线上涨得多、权重又够，就能把线下的跌盖过去。 2. 选哪一刀切，判断标准是什么？ —— 看下一步要动什么。能落到具体动作上的那一刀，才是这一轮该用的刀。 3. 切完发现各块之和大于总量，最可能是什么错？ —— 有一块被重复计算了（常见于按部门拆），或者口径里混进了不该算的收入。切法定了，你会发现自己对数据的每一次解读，背后都有一套「世界怎么运转」的假设——那就是心智模型。 下一篇把它摊开。
- ☐ （本篇完，下一篇 1.4 心智模型：你以为的世界）