之所以标题写“数据”和“分析”，而不是“数据分析”，原因在于采集数据是一项技术活或者体力活；对数据进行分析则需要更多行业认知，而不仅仅会看数字本身，也正因为如此，很多最终的结果变成了“罗列数据”以及“生分析”。

我个人很喜欢数据，也不排斥数据的力量，但我在日常推文分享中极少用到数据，正是因为一方面数据本身的有用性以及真实性未必精确，另一方面很难支撑起“分析”两字。

最近有不少朋友发了一篇推文给我，主要内容是调查了上海各商圈主要商场的空铺率，然后分析疫情的影响以及恢复情况。这篇推文阅读数近6万，也就意味着挺出圈的，至少如果在商场垂直领域，很难达到如此阅读规模，文章的统计数据、图表等，确实值得参考，但如果进一步分析内容，则站在业内视角而言有更多值得推敲。下文就借此契机，以疫情、空置率、商业恢复等关键词，聊一下我们应该如何看待数据以及尽可能正确地进行分析。

1、要有线性观察及底层认知

想必很多同行在市调时都会碰到这样的问题，就是自己去到某商场的特定时间，对其观感会产生重要影响。这也是不同人在说起同一个项目时会有不同评述的原因，对于需要加上时间维度的商业观察而言，以单一时间观感来做判断就如同盲人摸象了。

数据分析同样如此，如果仅仅以单一时间统计到的数据来得出结论的话，势必不够严谨，如果以空置率来判断，有可能前一天正好撤掉3个品牌，后一天有1家大店进场占据3个铺位围挡，那么我们如何来判断或者表述这一数据变化，或者在3个品牌撤掉前、3个品牌撤掉当日、新品牌入驻围挡后，会得出截然不同的结论。

但我们确实没有办法实时掌握数据，因此相对比较好的态度是定期观察，从而形成对各个项目的底层认知，在此基础上，就不易被一时的表面观感所误导，并能形成较为准确的预判。

2、数据对比要有说服力

我们用空铺率来反映疫情影响时，有两种比较维度。

一是自己和自己比，此时至少需要两个数据作为最基本的支撑，也就是疫情发生前的空铺率和复工一段时间后的空铺率。如果仅仅主观为空铺率设一个基准，以此来判断疫情的影响，同样也是不合理的。这更适合来判断一个商场招商现状的好坏，但无法得出是否是受疫情的影响。

同样如果我们分析的是疫情后商业恢复的情况，至少也需要刚复工时以及复工两个月后的两个数据作为对比，才能反映出商业恢复是否正向。如果没有针对性的相对数据而只有绝对数据，那还是上文所述，数据值得参考，但无法用以评判疫情因素。

二是自己和别人比，在那篇推文中得出的结论是远郊商业受疫情的影响要低于市中心商业。也许这是事实，但其中又有一些问题。首先依旧需要加入时间维度才能判断出受疫情影响的多寡，否则只能推导出远郊商业目前的招租率情况好于市中心，从而推导出商业的发展趋势；其次是在收集市中心项目样本数据时，往往网罗的商圈多个项目后达成的平均水平，而在汇总远郊商业时，采集的基本是标杆商场的数据作为代表，这就牵涉到样本本身是否能够支撑论点的由点及面了；再则举一个个例，比如有些品牌在疫情后要重新评估经营情况并做出关店决策，测算后可能会关闭一家市中心销售尚可但租金高昂的店，却保留一家远郊纯扣但业绩一般的店铺，类似决策最终会导致数据倾向于远郊商业，但因为拥有更多变量所以无法进行单向推导。

对于这类案例的判断，同样需要有日常的线性观察以及对项目的底层认知。

3、特殊时期对于空铺的判断

因为我自己日常也需要统计商场调整动态，对于现在这个特殊情况的空铺我们也需要具体案例具体分析。

其中包括空铺（也就是商场自行进行围挡的铺位），品牌停业（品牌因疫情因素无法维持营业从而出现逃铺但尚未撤出的情况），品牌暂停营业（品牌店铺锁门暂停营业状态，但可能处于合作条款的重新洽谈过程，亦或是因政策规定暂时不允许营业的业态），品牌围挡（通常情况下是有品牌进场装修，但其实也存在围挡画面在，但品牌已经放弃该店铺的内情）。

我不知道其他同行在市调时是如何判断各种情形，但由于多种因素的存在，因此除了商场官方愿意给出空置率数据外，我相信任何第三方数据都会存在偏差，这是能够理解的。

4、要考虑到前提

数据更多是呈现结果，但更为严谨的分析需要考虑前提。比如首先要确立分析样本、时间节点，以及更重要的选取原因。如果具体到空铺或者围挡调整，则需要考虑到是商场主动为之，还是品牌流失；是重大调整前的临时过渡，还是确为事实。总而言之，数据的形成都会有很多前提变量，而对前提的了解多寡和深浅，又来源于本文的第一点。

数据本身很有趣，以数据支撑的内容也会显得很学术，但之所以经常会有同行给我分享一些数据相关推文，并说出其中的槽点，是因为很多同行比文章作者更了解这些数据应有的前提。但这时，我们又需要换位思考，作为数据采集者以及推文作者，他们如果不在一线工作，或者无法做到对每个项目都了如指掌，那在他们的认知体系内，最终只能呈现或许会有争议的内容。

本文写了这么多，无非是希望我们都能以不同的视角（甚至去挖掘更多视角）来思考问题，或者思考某一个数据，然后合理地利用数据来做出尽可能正确的分析得出有用的结论（而不是想要的结论）。另外做商业最靠谱的终究还是自己多出去看看。