作为数据分析师，不仅要具备主导、执行数据分析任务，还要能解读数据，从内外数据中提取有价值、感兴趣的内容，鉴别真伪、对错等。同时解读别人的数据，对我们自身分析报告的撰写也是有益的。今天是2022年9月16日，（国家统计局 (stats.gov.cn)）公布2022年1-8月的能源、消费、房地产等众多数据，以此为例，聊一聊数据解读，与数据说话。
1.数据解读——结论优先
以国家统计局发布的2022年8月份能源生产情况 (stats.gov.cn)为例，报告第一句（如下图）为整体总结，简单几十个字清晰描述报告内容：1-8月原煤、天然气保持增长但增速放缓，原油下降，发电量大幅增加。这样的总结性分析描述，以金字塔原理来讲遵循“结论优先”，为整份报告定调，同时对于不想细读的人，定性陈诉分析结论。
我们在自己撰写分析报告、设计数据看板时，也要注意：结论优先，先宏观整体，再分层次结构，并展现长短期趋势，图表结合，对典型数据要加以提及，最后根据实际情况附上明细、注释注解，让不同层次级别的阅读者能直观、准确、高效、形象的了解想表达的内容。
2.数据解读——读懂数据
2.1 数据的描述对象是谁？
进入社会与职场，要明白一点：描述用词一定要准确严谨、少歧义。例如描述对象（或指标）：明白煤炭说的是动力煤、工业煤还是全部？同比还是环比？成交额是否包含退款？等等。
总结说就是：1.明确统一实体描述定义，减少主观的理解与重复沟通；2.明确统一计算口径，包括计算范围、周期、结构组成、异常处理等。
2.2 读懂专业名词、描述习惯、人为障碍
举例: 单位的不一致
如下图：
咋看好像我国进口天然气 7105万 和 1437亿 的自产完全不是一个量级（谢天谢地不用像欧洲人民忍受天价天然气），但细看两者单位不一样，进口用 “吨” 而自产用 立方米，如果不细看数据单位，则会产生错误理解并下错误结论“当前我国天然气完全不需要进口”。需要进行单位换算（也就是对分析报告进行二次加工分析）（不懂是行业习惯还是有意制造理解上的偏差、甚至故意让人产生误解，毕竟天然气全球恐慌）。1吨天然气=1380立方米，这些就需要点专业知识，更重要是细心。7105万吨=980.49亿立方米，进口与自产比例：980.49:1437=0.68:1，这时得出的结论就应该是：我国天然气进口量占自产的约2/3，即约40%的天然气消费来自进口。一字之差，结论迥异！
本报告中还有上述单位不一致情况，例如：自产原煤用亿吨，进口用万吨。（不懂是习惯还是啥，为啥单位就不一致）
2.3 注意图标数据的周期不一致
如下图：
作为车主饱受油价高企之苦，95油价甚至到了10元。上图数据，咋一看给人的感觉好像是：2022年1、2月原油进口比平常翻了一倍（好家伙，国家真聪明，提前分析到俄罗斯跟乌克兰要打仗，趁油价大涨前先暴力进口囤油）。但实际细看，其实是1-2月的数据合并为1个图柱（因为我国春节因素，1-2月的数据都会有比较大波动），平均下来每个月其实也就4250万吨左右，差别不大，在4000万吨上下浮动。这种合并1-2月数据的操作是国家发布数据常有的，算是报告里的描述习惯吧，解读数据的时候一定要仔细。
2.4 用好环比与同比来解读变化趋势
这里先用房价数据来举例更有感觉，如下图：
环比：（本月-上月）/上月*100%，以上月价格为对比基准
同比：（本月-去年本月）/去年本月*100%，以去年同月价格为对比基准
定基比：以2020年为定基，（本月-2020年基价）/2020年基价*100%，从更长远周期看变化。
一般会把环比与同比一同来看，最后看定基，广州为例，8月环比99.9，同比100，说明广州的二手房价格还挺坚挺的，一年了都还没有降（同比100），但似乎有松动下降苗头（环比99.9，其实0.1%可以忽略的），同比环比结合来看，隐藏的意思就是7月的房价同比去年还是上涨的（呵呵）；最后看定基，原来啊，这两年以来，房价居然上涨了12.7%，涨了这么多。那得出什么结论呢？广州的房价原来现在抄底，居然还是2020年高12.7%，现在买是不是像极了买股票我们以为下降10%就是谷底，其实还可以下降50%。所以这就是为什么要有长期视角，长周期来看数据，否则短期的波动会带来数据假象，导致错误判断。房价还有得降呢！
看看其他城市，例如东三省城市，典型的人口流出城市，可以看到如长春、哈尔滨，与2020年相比，只有两年前的90%左右，但环比99，同比97，则表面房价下降速度已经在减缓（因为环比波动1%，同比波动3%,2%左右的大幅下降则来自8月之前，这是一个没有趋势图，只有同环比的情况下判断下降速度的经验方法）。
2.5 结合大环境其他数据来辅助解读
2020年的盛夏，是值得铭记的日子。7-8月本应是长江的汛期，不缺少的四川居然长期干旱无雨，重庆的嘉陵江、湖北的长江、洞庭湖、鄱阳湖都快干旱见底，对于长江边长大的我，这是第一次见。而西北的沙漠里， 却出现洪水，真就是沧海变桑田。
把干旱的新闻与电力生产数据结合起来，水电下降11%，这个就很好理解。这里要强调：很多的数据分析、报告里只描述现状、变化，但没有给出原因。对于分析师而言，要扩展数据与知识，一方面对数据的合理性进行推敲，不人云亦云；另一方面对数据变化背后的原因进行分析，知其然，更要知其所以然，这才是优秀的数据分析师要具备的基本素质。
再来解读用电量数据，如下图8月份全社会用电量同比增长3.6%---国家能源局 (nea.gov.cn)：
“克强经济学”里三大指标之一：工业用电量是判断经济发展的重要指标。8月第二产业用电量同比增长0.6%，但第一产业增长13.7%，第三产业增长6.2%，从增速结构上看似乎不太合理，但结合8月四川等省份缺电让电于民以及华中大部农业抗旱电力使用情况，就基本能合理解释数据。另外，城乡居民用电同比增长12.5%表明：今年的夏天比以往更热，需要更多电力制冷！（这里如果有分省份的用电量数据，则更能证明，感兴趣自己继续探索）。 如此结合外部数据，对用电量数据也能有很好的解读。
3. 总结
解读数据虽相对容易，但也很关键。在陈诉、阅读他人数据报告，要做到几点：
1.清晰准确理解（陈诉），这是深入交流、批判思考的第一步，没有读懂数据的讨论低质量；
2.带着批判的思维、综合知识与外部数据，评估数据是否合理，对数据有多大的信任值；
3.数据背后的原因是什么要主动思考，以及应该采取什么样的措施，并实时的与他人分享。
如此你一定会成为一名有想法、主动思考、让人刮目相看的数据分析师。