写报告的人，你是用数据支撑你的观点，还是因为数据找到论点？

kingdyhuang

很不幸待在一个相信"人有多大胆,地有多大产"的公司……
写过很多报告，但是每次写之前都要探探领导的想法，然后再开始写，每次都是找数据支持论点。
最初写报告的时候坚持自己对数据的判断，想实事求是地写数据反映的问题，分析，结论。但是多年下来已经被磨折了，报告是要满足领导要求才能交差的，而数据，你只要想办法总是能满足支持论点的需求的（不是作假，而是采取方法，比如选取阶段、选取方式、甚至调整图表坐标轴，这样没有违背科学和逻辑，但看起来又支持了论点，算是打擦边球吧）

sky_win

说个不成熟的想法：

当你不知道你要的答案的时候 是通过数据去探索结果的 就像是天文物理学家探索宇宙
当你知道答案或者至少有一种可能的猜想的时候 你是在用数据区证明和去伪存真的

这个世界上 只有不超过5%是“是” 不超过5%是“不是” 剩下的90%以上 都是介于两者之间

无所谓绝对的“对” 与 “错”

就像是那个著名的统计学原理 硬币的正反面概率 越是海量的标本 到最后 或许你发现原来根本不是
A或者B 而是两者都有

所以结论是 先问问自己 我到底有没有答案 或者哪怕仅仅是一个假设的猜想

xulililyzjut

写报告就和做律师一样。

cling1984

都有，后者多

烟消云散31

简答如下
分析过程：
1、首先根据经验提出假设
2、根据假设对数据的未来表现进行预期
3、回归分析，拟合，假设为真；不拟合，重新修正假设
4、根据假设进行演绎，得出结论

注意事项：
1、事实不能解释事实
2、区分先后关系和因果关系。
3、任何假设都是有前提的，前提越详尽，解释力越强。
4、数据从不同角度理解可以得出完全不同的结论，数据分析结论要用常识验证。
5、对于真实世界的分析和预测永远是偶然的而不是必然的，真实世界必然存在没有考虑或者无法观测的影响因素。


PS：
1、从数据分析出来的结论都是一种可能性，一段时间为真，并不代表永远为真。大多数情况下，我们追求的仅仅是提高可能性。
2、很多职场新人经常对我说工作经验没什么价值，而上面也是我对这个问题的答案。
经验不会让工作百分之百正确，没有经验也不会让工作百分之百错误。但是在正确和错误之间，还有着巨大的差距，而这种差距给公司带来的就是不断试错（错误假设）损失的时间、成本和机会。

lyx_1972

最近在写综述。

数据可以体现某种规律，比如前辈A的数据线性极好，体现了两个量的关系。
而将A的数据置于B的海量数据中，会发现虽然A数据分布合理，在B的数据范围内，但是原有的线性关系已经不再明显。
仅仅从数据来找规律，会由于数据量不足 或 数据经过筛选 而 获得并不正确的数据。

因此，先提出观点，然后用来自多个源的数据来验证，似乎会比较好些。

crymouse1111

我觉得以上的回答忽略了一个问题：调查所得的数据是否可观。

海量就等于客观吗？除非是普查。抽样调查的数据如果不客观，你所得的结论只是某些群体在某种条件下的状态。
比如你的调查对象是大学生，如果只是调查几所二本学校的随机遇到的学生，这样获得的调查数据再多也是偏颇的，应该保证你所抽样的对象当中性别、年级、户籍、专业、一本（二本、三本）等各种结构性要素与实际数量的比例是相同的（或只有极小的偏差），在这种客观数据基础上得出的结论才具有可信度，并且调查获得的这些数据能够经得起别人的检验（使用相同的演绎或计算方法可以得出相同的结论）。
而且一般使用这种量化分析方法所验证的基本上是变量间的关系是否符合假设，调查问卷中问的问题如果带有研究者的主观性，也无法得出客观结论。比如你问的问题是：你觉得共产党好吗？A挺好 B一般好 C有时候好，首先这个问题就过于主观，仅仅得到的是人们的态度，对研究客观事实基本起不到太大的帮助，其次答案也具有片面性，不包含所有可能的情况。所以对于所研究问题的操作化也很重要，最好是调查对象的身上存在的客观情况，利于回归分析里变量的操作。假如你真的想了解人们的某种想法、态度，并进行解释和描述，不应该使用这种探讨宏观问题的定量方法，而是采用质性方法进行研究。

所以，假如数据不客观，分析靠感觉，这种条件下得出的结论，忽悠谁都不妥。

ps. 我没有查阅资料，以上内容是凭记忆讲的，如有错漏欢迎指正。

a9083453

如果只是引用一个数字，当然说成黑的白的都由你。
数字背后的逻辑、样本、筛选条件才是决定可信程度的关键。