Shadow 杨：那你可以多看看实战案例的书，我主要是做应用落地，很多时候都不单纯是技术的事情，我可以给大家举我工作中的例子。

Napoleon：我是寻找数据中未知的联系。

Shadow 杨：比如实际工作中，你的分析报告和业务或者运营的分析结果有出入，存在了利益关系。

灰灰@Tableau：好厉害的美女啊

Shadow 杨：比如，用户的获取成本，可能你的方法论算完是80，运营算完是50，这两份报告，给老板一看，运营部的同事肯定就不高兴了

Napoleon：差距有点大啊

Shadow 杨：哈哈哈，很正常啊

Charles：如果不一样？怎样处理呢？

Shadow 杨：我算过差距最大的是，电商的，我算完是130，运营算完25

Shadow 杨：首先这个报告不要大肆宣扬，直接找到运营总监，悄悄的沟通，方法论摆出来，怎么计算的，哪种更好

Charles：这两种结果都是有数据支撑的吧？

风先森：用数据说服总监？

Shadow 杨：在公司要记得隔墙有耳，尤其是数据中心这种出力不讨好的

Shadow 杨：@charles 所以这就是我说的，你总会找到数据来支撑你的观点的，当企业的数据很大的时候，举个我工作中的例子

Simon：我不太明白为啥要两个部门部门各算个值呢。

Shadow 杨：我之前的一份工作是在一家电商O2O公司做数据总监，公司做了一次活动，线下选商品，线上支付五折

Charles：看的点不一样的

Simon：这样不是制造矛盾么

Shadow 杨：新用户的注册成本，运营部门，考虑的是我为了这次活动实际花出去的钱

Charles：每个部门，同一个指标口径都不一样

Shadow 杨：数据部门在核算成本的时候要考虑，活动预热、生鲜商品的损耗等等，新用户的定义，运营部门计算的是增长人数，数据部门计算的是通过这次活动，所带来的用户，这样的差距就很明显了，我这个例子说明白了吗

charles：怎么做到统一口径，统一口径没有没必要？

Shadow 杨：我认为统一定义是很必要的

Simon：明白了。最终沟通解决是么？

Shadow 杨：但是有的时候真的很难强求

Simon：那通常谁妥协呢？

Charles：很难，统一口径

Shadow 杨：比如运营部门就是很难知道哪一些用户是通过这次活动来的

linger ：为啥你们做数据的好像产生了很大的价值，而我也是做数据的，好像没什么卵用

Shadow 杨：数据部门因为可以事先做好统计，而且，比如那些看了广告的用户，你就很难还原它的场景。

Simon：看谁比较强势是么？[表情]

Shadow 杨：数据部门收集的就一定准确吗

高靖：样本都不一样 分析结果没可比性

Shadow 杨：也不一定是

Shadow 杨：互相妥协吧，毕竟运营部门有KPI，也要体谅，比如这次的结果就是，活动预热的部分费用剔除掉。