02-转型：如何培养数据敏感度？

你好，我是悦创。

从这一讲开始，我们进入课程的第一模块——感知数据。整个模块的基本任务，就是培养咱们的数据感。这一讲，咱们先说数据感的一个重要方面——如何提高自己对数据的敏感度？

比如：

• 摄影师就对光线有很高的敏感度；
• 木工对木头的性质有很高的敏感度。

但这个能力不是天生的，怎么通过练习提高自己对数据的敏感度呢？这一讲，我来介绍三个方法，分别是量转型、量定义和对应值。我们一个一个来说。

1. 方法一：量转型

量，就是数量的量。量转型的意思就是，你要把过去用定性的方式思考、谈论和使用一个东西的习惯，有意识地转变为用定量的方式思考、谈论和使用。

举个例子：看见一个小姐姐远远地走来，你就不要说，“小姐姐好漂亮”，而要说“小姐姐颜值好高”。

为什么呢？

• 用“漂亮”这个词，就是在用定性的方式思考；「定性思维——用一个形容词去描述现象。」

• 而用“颜值”，就是用数量的方式思考。

• 漂亮，只有漂亮和不漂亮两种可能。除了“漂亮”和“不漂亮”，没什么中间状态；

• 而颜值，空间就大了，可以是 10 分制，也可以用百分制。这就是“量转型”。（从模糊到精确，从“好不好”到“多少分”。）

• 举个小例子：“这个小姐姐颜值很高，大概有 9 分！”

  这里，“颜值”这个词背后就隐含了一个数字化的评价体系：

  • 可能是 10 分制，也可能是百分制；
  • 从“漂亮/不漂亮”变成了一个可度量的区间；
  • 可以精确到 8.3 分、9.5 分，甚至计算平均分。

你是不是想说，这很无聊啊，给女生的容貌打分有这么大的意义吗？你大概不知道大名鼎鼎的 Facebook 的故事吧？Facebook 现在是世界上最重要、规模最大的社交软件，但它起步的时候，就是创始人扎克伯格他们几个男同学想给女同学的颜值打分。没有这一步，就没有现在 Facebook 的成就。

更重要的是，你要认识到，对数据思维不足的同学来说，数据世界是非常陌生的，数据思维常常很反直觉，这就导致我们对数据的陌生感、距离感和疏离感，甚至是恐惧感、厌恶感和排斥感。

所以，感知数据的第一步就是建立对数据的亲近感。你把量转型看成是游戏也好，思想实验也好，总之，先强迫自己进入数据世界，才有可能领略数据世界的风景。

思考问题的时候要量转型，社会交往中也要量转型。

比如，八卦咱们课程的编辑悦创同学的时候，建议你调整自己，不要说“小悦这个人还行”，而要说“我对小悦啊，三七开”。这就从行还是不行这样定性的评价，变成了比例组合的定量评价。

其实，日常生活里的任何东西，只要你想，就都可以量转型。比如，你买一盏台灯，就不要买只有一个开关的，而是买那种亮度可以调节的。这样，就从“照亮”这个概念转型成了“亮度”这个定量的概念。

上面的例子，如果听懂了，接下来则是偏总结的内容。

1.1 量转型的本质

• 定性：用描述性的、模糊的、非数字化的语言去表达一个概念或现象。例如：“好漂亮”、“很远”、“很热闹”。

• 定量：用数字、度量单位、分级体系去刻画现象。例如：“颜值 8.5 分”、“距离 300 米”、“人流量 5000 人”。

• 转型的意义：

  1. 提高精确度：数字可以让交流更具体，避免歧义。（减少沟通歧义，让大家对“好”有一致的理解。）

     如美团点外卖这件事：如果美团外卖只不显示骑手与商家的具体距离，只是告诉你（显示）：骑手距离商家距离很短。

     你告诉我：这个信息对于顾客（你）来说，有用吗？——没用，更何况是急于吃饭的你！是一句没用的信息！

     再来一个例子：美团不显示骑手与你的距离，就显示：骑手马上送达，离你很近。

     你告诉我：这个信息对于顾客（你）来说。有用吗？——没用，没告诉好需要多久就算了，距离也没说！差评！

     只有美团告诉我们：

     • 骑手与商家的距离；
     • 骑手与我们的距离；
     • 骑手送达的预估时间；
     • 这些信息才是有效信息！

  2. 便于比较：数字能直接支持排序、筛选、优劣判断。（数字化之后可以排序，比如“班上前五名颜值”。）

  3. 利于积累与分析：数字化数据可以被长期保存、趋势分析、可视化展示。（长时间收集数据，可以看趋势，比如“颜值随学期变化”。）

1.2 Facebook 案例的深挖

Facebook 的诞生故事

• 背景：2003 年，扎克伯格在哈佛读书时，做了一个叫 Facemash 的网站，让同学在两个女生的照片中投票，谁更漂亮（其实就是颜值打分+对比）。

• 具体玩法很简单：

  • 网站随机展示两位女同学的照片；
  • 访客点击谁更漂亮；
  • 系统根据投票计算每位女生的“颜值分”。

• 为什么这是“量转型”：

  • 如果只是说“这个女生很漂亮”，那是定性判断；

  • 如果用投票、打分系统，就把美的程度转成了一个可排序的数值体系；

  • 通过这个量化系统，扎克伯格抓住了人类的好奇心和比较心理，获得了用户的强互动。

• 注意，这就是量转型的精髓：

  • 如果只是说“她漂亮”，信息到此为止；
  • 如果把所有人的评价数字化，就可以排名、比较、统计；
  • 一旦可以排名，人类的好奇心和竞争欲就被点燃了。

• 启发：

  • 从 模糊 到 精确 ，从“好不好”到“多少分”；

    量转型让“好不好”变成了“好到什么程度”；

  • 数量化的数据可以驱动 算法推荐、用户匹配、商业化变现 ；

    数字化之后，信息可以被计算、推荐、商业化；

  • 即使是看似无聊的打分，也可能成为一个产品的 核心增长引擎。

    这个思路不仅适合科技产品，也适合日常工作和生活。

结果，这个小网站一夜之间在校园里疯传，访问量大到学校服务器差点宕机。

后来，扎克伯格改进了这个想法，做成了可以看资料、加好友的社交平台——这，就是 Facebook 的起点。

1.3 量转型的普遍应用

把 “漂亮 → 颜值” 的转变类比到其他场景，你会发现它几乎无处不在：

• 评价文章 → 文章得分（阅读量、点赞量、完读率）

  文章评价 → “写得不错” → 平均阅读完成率 82%

• 形容天气 → 温度、湿度、空气质量指数

  天气描述 → “今天很热” → 35℃，湿度 80%

• 产品体验 → 用户评分（1-5 星）、NPS 指标

  销售情况 → “卖得挺好” → 销售额 50 万，环比增长 20%

• 销售反馈 → 成交转化率、平均客单价

• 健身状态 → 体脂率、肌肉量、心率变化

  健身进度 → “最近瘦了” → 体脂率下降 3%，肌肉量增加 1.5kg

1.4 🎭 情绪 & 情感的量转型例子「猫头鹰🦉同学研究」

可视化效果如下：

1.4.1 📌 为什么情绪量化有用？

1. 让感受可比较：从“我很开心”变成“开心 9 分”，就能看出昨天开心 7 分，今天更高。

   比如：

   • 你跟你的闺蜜说：我今天很开心；
   • 第二天：你又跟你闺蜜说：我今天很开心；
   • 闺蜜问：你觉得你哪一天更开心呢？
   • 你陷入沉思💭：你思索一会之后，脱口而出：我今天比昨天更开心一点。（哎，你发现了吗，你在潜意识中：从很开心「定性」转变到：比昨天更多一点「定量」。）

   所以很多时候，我们学习的目的是把我们无意识的知识，转变成有意识的。——这就是学习。

   生活中很多人其实有意无意的在从：定性转变成定量，但是靠无意识的转变非常缓慢，所以需要刻意学习。

2. 支持趋势分析：长期记录情绪分值，可以发现周期规律（比如工作日低、周末高）。

3. 减少沟通误差：不同人对“有点”、“很”这种词理解差异大，数字更统一。

1.4.2 💡 应用场景

• 心理健康追踪：每天用 App 打一个“情绪分”，帮助心理师跟踪变化。
• 亲密关系管理：情侣用“幸福指数”打卡，发现感情波动的关键事件。
• 团队管理：项目经理用团队士气分（1-10）来评估工作氛围。

1.5 结论

量转型不是“吹毛求疵”，而是把主观印象转化成可记录、可分析的客观指标。Facebook 的故事只是个极端有趣的例子，它说明了——定量化往往是让一个想法变成可以规模化运作产品的第一步。

2. 方法二：量定义

也就是说：我们要用量来定义质，从量的方面抓住事物的本质。

这个世界上所有的东西都可以用量来定义。我再强调一遍，这是数据思维课，不是哲学思辨课，所以对这句话，你不要挑战它，而要适应它。

举个例子：你听见小悦说，“我买了一台标准钢琴”，那你就会反应出，小悦买的钢琴有 88 个琴键。只有有 88 个琴键的钢琴才叫标准钢琴。——量定义就是这个意思。

再比如：海洋酸化。科学家告诉我们，现在的海洋正在酸化。那么，“酸化”到底是什么意思呢？它对应表示的现实世界的情况到底是什么呢？是说海水是酸的吗？

我们先看看海水现在的酸碱度是多少。一测量，pH 值是 8.1。因为酸碱度的中间位置是 7，比 7 大的都是碱性的，所以现在海水还是碱性的。但是，一百年前是多少呢？8.2 左右。从 8.2 降到 8.1，说明海水正在向酸的方向发展，所以是“酸化”，而不是“酸性”。「所以，当我们加入数值、数据描述后，可以让我们的描述更加准确！」

再比如：离婚率。我看一个报道说：现在的离婚率高得吓人，刚公布了 2019 年的数据，天津市离婚率最高，排名第一，达到了 71.28%！意思就是说，“每 100 人里面，竟然达到了 71 人离婚的比例。”

咱们先不要跟着激动，看看离婚率的定义是什么。

报道给出了图表，说明数据来源是权威的。但是仔细一看，这里的数据是当年的离婚对数和结婚对数之比，意思是说，一年内，如果把所有结婚的看成是 100 对，那么离婚的相应就有 71 对。但是请注意，离婚的这些对，并不都是当年结婚的呀。也许会有那么几对是当年结、当年离，但这样的情况比较少，大部分都是往年结的。所以，分子和分母对应的不是一群人，“每 100 人就有 71 人离婚”这样的推论当然就是大错特错的。

如果真的想知道每 100 个人里有多少离婚，该怎么做呢？

就要把同一批结婚的人找出来，然后跟踪。比如 2020 年结婚的都记录下来，到 2023 年看一下，这批人里有多少离婚了，我们就知道了 3 年内的离婚率。还是这批人，到了 2027 年，再看一下有多少人离婚，就能判断“七年之痒”这个说法该不该重视。

简单总结一下：

这里说的“量定义”，是为了让你理解事物在质和量上的关系。我们一定可以找到一个关键量，这个量抓住了事物的本质，使这个事物得以与其他事物区别开来。这个信念就是数据思维最基本的认知之一。

但是回到现实世界，我们会面临一个具体问题：有些概念在观念世界里很清楚，但是要在现实世界里抓住它、看到它，就需要一个重要的方法，用量来定义这个概念。这就是“量定义”的高级阶段。你知道，在现实世界，我们就是用测量的方式，逼进一个观念世界里的概念的。

举个例子，说一个人老了，那含义很清楚，60 岁以上就是老了。这里说的是生理年龄，不是心态，也不是活力等。但是说一个社会老了，怎么定义呢？一个社会，生生不息，怎么确定标准呢？

这就需要一个像生理年龄一样的标准去测量它。因此，我们就把老年人口占全体人口的比例看成是测量一个社会“生理上”老化程度的指标。刚才我们说了，定义一个老年人的标准是 60 岁以上，那么老年人口就是所有 60 岁及以上的群体。这样一来，通过老年人口占全体人口的比例，我们就能测量一个社会的老化程度了。

补充：

1. 让你意识到，定义一个事物时必须用可量化、精确对应现实的指标，而不是模糊印象
   • “天津市离婚率 71.28%”乍听很惊人，但如果不搞清楚统计口径（分子分母是否对应同一批人），就会得出错误的理解。
   • 这个案例提醒我们，数据里的“量”必须定义清楚，否则数字看似精确，含义却可能完全错位。
2. 展示“质”是如何由“量”来刻画的
   • 离婚率这个“质的特征”（离婚情况）要通过一个正确、合理的“量”去定义（比如跟踪同一批人的离婚情况）。
   • 如果量的定义错了，就不能正确反映质的本质特征。

简单来说，这个“离婚率”的故事是在告诉你：数据思维不仅是用数字描述，还要先确保“数字的定义”正确且与所研究的对象严丝合缝，否则得出的结论就是假象。

3. 方法三：对应值

接着社会的老龄化问题。量定义清楚了，使用老年人口占全体人口的比例来测量。那么，这个比例要达到多少才是一个老龄社会呢？

这里，对应值就出场了。根据人口学家的共识，老年人口，也就是 60 岁以上的人口所占的比例超过 10%，就是老龄社会。这个 10% 就是对应值。

老龄社会的对应值比较有共识，但是还有很多情况，对应值并没有共识，需要你来研究确定。

比如，讨论科研领域的性别平等状况，中国是平等的，还是不平等的呢？

性别平等状况的量定义比较清楚，把所有的科学家看成是 100 人，计算女性科学家在其中所占的比例就可以了。但是，哪个比例对应性别平等，哪个比例对应性别不平等呢？

这个对应值就很难有共识。有人说，女性科学家必须占 50% 及以上，才是平等的。也有人说，40% 及以上就可以。还有的人说，在纯自然科学领域，超过 30% 就算平等，因为女性对探讨大自然兴趣不大，30% 就说明没有社会障碍了。

到底谁的对应值是对的呢？这里我们不讨论，我们是数据思维课，不是社会学通识课。我只是通过这个例子让你明白，在很多情景下，对应值反映的是你对事物性质和原因的理解，理解不同，选择的值就可能不一样。但从数据思维的角度来说，你必须确定一个对应值，才能定义清楚你对事物的理解。

有了对应值这个概念，我们就开辟了一个思考问题的新角度。

举个例子，什么是微笑呢？你就不一定非从心理上定义，而是可以找到一个量来定义它。比如，露出三分之一的牙，在观察者看来就是微笑。

这个方式就是银行、证监会、支付宝和微信支付等金融机构监控异常情况的逻辑。通过记录客户行为，形成一个客户支付行为的模式。这样，设计者就能找到一个对应值，在这个对应值以内，就是正常的；超过这个对应值，系统就会报警，认为这个客户有异常。

提高了对数据的敏感度之后，下一讲我们再前进一步，看看在工作和生活中面对具体的数据时，该如何感知它们的意义。

我是悦创，我们下一讲再见。

如何通过练习提高自己对数据的敏感度呢？教你三个方法——

一，量转型。思考、谈论和使用一个东西时，有意识地把过去定性的方式转变为定量的方式。

二，量定义。如果一个事物的性质是用某一方面的量来定义的，就搞清楚它具体是怎么定义的。

三，对应值。在量定义的基础上，为事物确定一个明确的量的标准。

公众号：AI悦创【二维码】