一、董事会要的不是描述，是判断

「销售额掉了 9%」是描述，「降价有没有用」是判断。前者看数据就有，后者要看两组人的差别。 判断类问题的答案，永远是一个比较：和什么比、差多少、这个差是不是真的。 所以拿到问题先问一句：我打算拿什么和什么比。答不上来，就还没开始分析。

二、先看清手里这张表

八家店，两年，三个字段：店址、有没有降价、销售额。

三个字段，一个是原因、一个是结果、一个是可能的干扰。这张表的全部信息就这些。

三、什么叫观察数据

降价是门店自己决定的，可能是店长申请、可能是区域经理拍板。你没有插手。 这种「你只是看着它发生」的数据，就是观察数据。它的反面是实验数据——分组由你决定。 两者的差别不在数据量，在谁决定了谁进哪一组。这一点决定了后面能不能说因果。

四、最粗的那个比法

把八家店按「降没降价」分成两组，各算一个总额变化：降价组 −12.4%，未降组 −7.5%。 降价组跌得更多。直觉的结论是：降价不但没用，还更糟。 这个结论干脆、好看、也最容易写进报告。它唯一的问题是：它可能是错的。

五、为什么先别下结论

这个比法隐含了一个前提——两组店除了降不降价，别的都一样。 可八家店里，降价的三家社区店恰好都在同一片老城区。它们和商圈店本来就不在一个战场上。 两组不可比，比较就没有意义。 下一篇专门拆这件事。

六、动手 Demo：咖啡业的寒冬：先看清手里是什么数据

八家店摆开，先算最粗的两组总额变化。 注意最后一行：这个结论现在还不能交，因为两组根本不在同一个战场上。

# 名称, 店址, 是否降价, 2014 销售额
stores = [
    ('S01', 'community', True,  120.0),
    ('S02', 'community', True,  110.0),
    ('S03', 'community', True,   90.0),
    ('S04', 'downtown',  True,   80.0),
    ('S05', 'downtown',  False, 130.0),
    ('S06', 'downtown',  False, 100.0),
    ('S07', 'downtown',  False,  85.0),
    ('S08', 'community', False,  75.0),
]
rate = {('community', True): -0.15, ('community', False): -0.18,
        ('downtown', True): -0.02, ('downtown', False): -0.05}

now = [s[3] * (1 + rate[(s[1], s[2])]) for s in stores]
for i, s in enumerate(stores):
    print('%s %-9s %-5s %6.1f -> %6.1f  %+.1f%%'
          % (s[0], s[1], 'cut' if s[2] else 'keep', s[3], now[i],
             (now[i] / s[3] - 1) * 100))

for cut in (True, False):
    idx = [i for i, s in enumerate(stores) if s[2] == cut]
    a, b = sum(stores[i][3] for i in idx), sum(now[i] for i in idx)
    print('%s 组 %d 家: %.1f -> %.1f  %+.1f%%'
          % ('cut' if cut else 'keep', len(idx), a, b, (b / a - 1) * 100))

实跑输出：

--------------------------------------------------------------------
咖啡业的寒冬：先看清手里是什么数据
--------------------------------------------------------------------

  ① 董事会三个月后召开
  --------------------------------------------------------------------
  星巴仕是一家连锁咖啡店，去年销售额掉了。
  首席执行官给了你一张调查表：八家门店两年的销售额、店址、有没有降价。
  董事会要一个答案：降价到底有没有用。

  ② 手里的数据长什么样
  --------------------------------------------------------------------

| 门店 | 店址 | 降价 | 2014 | 2015 | 变化 |
|---|---|:---:|---:|---:|---:|
| S01 | 社区 | 降 | 120.0 | 102.0 | -15.0% |
| S02 | 社区 | 降 | 110.0 | 93.5 | -15.0% |
| S03 | 社区 | 降 | 90.0 | 76.5 | -15.0% |
| S04 | 商圈 | 降 | 80.0 | 78.4 | -2.0% |
| S05 | 商圈 | 没降 | 130.0 | 123.5 | -5.0% |
| S06 | 商圈 | 没降 | 100.0 | 95.0 | -5.0% |
| S07 | 商圈 | 没降 | 85.0 | 80.8 | -5.0% |
| S08 | 社区 | 没降 | 75.0 | 61.5 | -18.0% |


  ③ 这是「观察数据」
  --------------------------------------------------------------------
  所谓观察数据，就是你只是看着它发生，没有插手。
  降价是门店自己决定的，不是你分配的——这一点非常关键，后面会要你的命。

  ④ 先算一个最粗的数
  --------------------------------------------------------------------
  降价的四家：400.0 → 350.4（-12.4%）
  没降的四家：390.0 → 360.8（-7.5%）
  ! 降价的跌得更多。看起来降价不但没用，还更糟。
  如果报告写到这儿就交，结论会很干脆，也会很错——下一篇说为什么。

两组总额变化是 −12.4% 和 −7.5%，看上去降价组更差。 但这个数字现在还不能用：它把「降价的效果」和「店址的差异」混在一起了， 分母里有两件事在同时起作用。

30 秒实验

1. 把 S07 的店址从商圈改成社区，两组总额变化会变成多少？为什么变这么多？
2. 只算销售额的绝对差（而不是百分比），结论会不一样吗？
3. 想一想：如果八家店全是社区店，这个比较还会不会有问题？

常见误区

1. 把观察数据当实验数据：分组不是随机的，任何组间差异都可能来自分组方式本身。
2. 只看百分比不看基数：120 万跌 15% 是 18 万，80 万跌 2% 是 1.6 万，量级差十倍。
3. 拿两个总额直接比：总额受规模影响，规模又和店址相关，等于让混杂因素进了分子。
4. 结论写得太早：观察数据能提假设，不能定因果，这是它的能力边界。

两组不可比，比较就没意义。下一篇讲比较法的三个条件，以及缺少可比性时会发生什么。

• ☐ （本篇完，下一篇 2.2 比较法是破解观察数据的法宝）

相关笔记

• 比较法是破解观察数据的法宝
• 混杂因素登场
• 深入挖掘数据
• 📈 深入浅出数据分析 · 索引