以优惠券规则为例，我们该如何处理数据？

本文从3个维度介绍了如何辨别数据、如何收集数据、如何处理数据？

作为一个产品新人，我自认为自己的数据敏感程度高于同等经验的人群。看过上一篇文章的人也应该知道这一点，指路–>《luckin：优惠券获客可以走多远？》

那么我今天就想跟大家分享一下我对数据的看法，主要从三个维度：

辨别数据 收集数据 处理数据 数据具有欺骗性 数据具有欺骗性，这也是总所皆知的事情了，但是越是普遍存在的人们却往往会忽视。下面就看一个数据诈骗的案例。

luckin在融资的时候，列举出了这样的一系列的数据：

从整体市场空间看，目前全球咖啡消费市场规模约12万亿元，其中中国仅2000亿元左右，提升的空间仍非常巨大。

或许但从市场来看中国的咖啡市场的确是一片蓝海，市场极具发展优势，但是20000元背后意味着什么呢？

没错，就是中国人的消费习惯，在自古以来信仰茶文化的中国，对咖啡并没有如此感冒，大量的人根本没有饮用咖啡的习惯。

这就跟在美国推销猪肉一个道理，有潜在空间，可是人家压根就不买账。

当然数据具有欺骗性的例子还太多了：

一个篮球运动员想要投篮命中率达到百分之八十，只需要他投中一个三分，以后再也不投就好了。 一个医院想要抢救死亡率维持在百分之0，他只需要不接受濒危的病人就好了。 这些看上去很光鲜亮丽的数据，其实不能反映生活中的真实情况……

所以我们如何去辨别数据呢？

反向推导法：从数据的结果追寻数据来源，比如说，中国的咖啡市场有2000亿，这是一个结果性的数据，这个结果是如何导致的呢？我们自然就会反推到，中国的咖啡消费能力，再后再推到中国人的饮用习惯。反证法：找出反向数据来对比当前数据，比如，中国2000亿的咖啡市场对应中国咖啡市场潜力十足，但是目前中国咖啡竞争——星巴克,太平洋咖啡……竞争十分激烈。然后再分析，这些咖啡的增长速度，我们可以发现巨头星巴克的销售额是下降的。