在数据中寻找真实的轮廓与方向——说说出版业数据及数据报告的价值与意义

文/杜辉

       2023年上半年开卷的数据出来了，图书整体零售市场同比下降2.41%。其中实体店渠道同比下降23.5%，和2019年相比下降超过了60%。网店电商渠道同比下降了6.29%，短视频电商平台仍处于高速增长中。降幅看似不大，但大家要记得去年同期很多地方还都处于封控中，尤其是一些大城市。所以实际跌幅远比数据所反映的大得多。从实体书店同比2019年的数据也可以以上佐证这个观点。图书零售市场深寒彻骨，实体书店渠道可以彻底放弃了。

       报告里出于多种因素，对数据进行了比较委婉、积极的解读与解释。当然稍微有点经济学、金融学基础的人，看看数据其实也明白行业趋势和自己要做什么。传统纸媒末路临近，留给行业转型的时间已经倒计时读秒了。再不彻底、真正转型，那就不用转型，可以准备墓志铭和追悼会了。

       在出版行业的数据报告里，我个人比较信任开卷数据，觉得参考价值较大。数据的价值在于准确性、真实性，数据使用者通过数据可以对于行业发展趋势、自身工作的关联情况得出判断，从而引导、调整自己的决策与工作方向。但如果数据失真，或者数据具有主观偏向性的处理了，那这个数据的价值就大打折扣，甚至是毫无价值。

       对于数据点分析与应用是两种方向，一种是从纯粹的数据中看到趋势、看到问题、看到业务、看到行业的真实面貌，这个是正常而有意义的数据应用，但这类应用者的只是少数。大部分人其实是自己本身具有主观偏向性，或者具有明显功利动机，或自己有的固化认知。研读数据，不过是从数据中找到对自己观点与目的的支撑与佐证，从而实现利益或达到心理上的自我实现与自我认同。但这种数据应用不但毫无意义，还有很大的负面作用。因为你会从数据里截取对自己有利的局部，来佐证自己的偏向性与错误。而在这种思路下寻找到的数据，会进一步强化自己的固化认知，从而在错误的道路上放飞自我，直到造成不可挽回、不可承受的结果。

       数据的价值在于能真实的描绘出现实的面貌和方向。当然，任何数据报告都不可能完全、全面的反映某一事物，数据与现实都会存在差异。当这种差异较小时，其数据仍能反映客观现实的发展趋势和面貌，仍具有数据应用的价值与参考性。这种差异或来源于采样的局限性，或来源于统计方法的缺陷，或来源于数据加工的不严谨。但这种偏差是在所难免的，且在一定范围内是正常的，并不影响数据所勾画出的事物面貌。但如果数据被客观因素限制之外，而被人为、有目的性、有方向性的加工、引导后，那数据不但毫无价值，还是工作中的巨大隐患和反向力量，会让数据使用者产生误判，造成损失。

       我个人是喜欢看各类数据的，但一般的行业、机构数据分析我则一扫而过，仅做参考、不甚详读。因为大部分机构的数据分析是带有明显主观偏向性和功利目的。有的是限于自己的价值取向，有的是限于认知力的局限，有的则更是出于自身利益。这点从金融、财经领域的许多机构报告就可以明显看出，其有意识的误导散户，或者用断章取义的手法引导散户（不引诱韭菜入套，庄家怎么清仓赚钱）。

       之所以数据报告、分析会被很多机构、庄家加以利用，误导使用者造成误判，是因为大部分人本身缺乏对数据的研读能力，只能读，不能分析、思考，人云亦云。但如果自己偷懒只看别人判断的方向与结论，或没有能力自己研读、分析数据，那还看数据报告干嘛？看别人说的有意义嘛？你就真那么信任别人的判断和结论？你自己的钱包和前途你就这样的轻易的交给了别人的判断？所以如何提高自身研读数据的能力，其实是作为数据使用者最大的功课。用不好、不会用，那不用也罢。不做判断也许比误判损失更小。

       同样一个数据平台，不同的人就会有不同的应用方式。通过不同的查询方式，应用逻辑所获取的数据，会对同样一个事物得出不同的，甚至是相反的结论与判断。比如我现在查某知名作家的作品数据，大家想想自己会怎么做？

       以开卷数据为例（应用过，知道具体操作），最简单初级的办法就是查这个作者名下的图书，然后再根据销量排名，以销量最好的一些作品来作为选题的依据，对吧。但如果复杂一些，我们还可以按图书的出版时间查看，看看最近出版的图书销量是上升还是下跌，以判断作者IP的热度。还可以看看作者在不同出版机构出版图书的销量，从而推算作者真实的市场号召力。终究民营出版公司和出版社的发行量差距巨大，市场化出版社与靠书号合作出版的社发行量差距巨大。如果一个人在差社差公司的销量都尚可，那在合适的平台爆款的概率就会更大。

       这些都只是数据的简单应用，是前文说的用数据来佐证观点，而不是通过数据来看清业务的真实面貌。再复杂一些，你可以分析他的图书在不同渠道占销量的对比？不同的出版机构在不同的销售渠道能力不同、投入不同，如果这个作者的图书在实体书店销售比重大，但你所在的出版机构已经放弃了实体书店渠道，这时候你的选题操作风险系数就会增加。如果其他作者出版的同类、同名的作品销售也好，那某作品销售好的因素也许不光是作者本身的能力与号召力，而是选题本身的卖点契合大众需求。又或者同类作品没有卖的好，但就这作者的作品一枝独秀，那你要考虑是否只是作者的号召力契合了还有他粉丝的社群针对性。而如果让他写其他内容和选题，是否还有同样的市场潜力？这些都可以通过数据来分析、预判，或者通过数据来佐证、寻找彼此之间的关联。

       同样的数据平台，同样的数据，用不同的方法、不同的逻辑，在不同的认知下，可以得出许多不同，甚至相反的结论和判断。所以数据很重要，非常重要，但又不能让错误的人用错误的判断，误导了自己的行为与决策。数据是工具，但不是目的。用好了工具，可以更好的达到目的。用错了工具，也许永远也达到不了目的。

       因为数据的解读、分析很需要靠谱的牛人，需要具备强大逻辑力与认知力的分析团队，所以在没有太靠谱可以信服的分析下，有些分析、论断可以少写，甚至是不写。因为写错了或者分析有偏差，这样会损害数据的权威性，当数据不被信任时，数据也就没了价值，没有了换取利润的价值。