舉例說明 數據分析思維

前兩天刷知乎的時候看到這樣的問題：

“為什么我國人才流失如此嚴重？”

題主的疑問來自于×××的數據：

2014年出國人數為46萬，而回國人數僅為36.5萬。

兩者相除，得出“歸國率”僅為79% ，而2015年僅有78%。

因此，題主得出結論：我國海外人才大量流失。

隨后，各路人馬紛紛跳出來，開始一本正經地分析為什么中國人才流失這么嚴重。

問題是，這樣的數據解讀正確嗎？

用同一年內的出國人數和歸國人，計算出來的所謂“歸國率”，真的有意義嗎？

如果這個數據本身就沒有意義，那么“分析”背后的“原因”，無疑是南轅北轍了。

——請先思考一分鐘——

2015年歸國的留學生，肯定在2014年甚至更早就出國了。

極少有學校會開設1月入學，12月畢業的Program。

所以，這里用同一年內的回國人數和出國人數相除，算出來的所謂“歸國率”純粹是瞎幾把算。

一般國外本科是3-4年，美國的master是1.5-2年，英國及英聯邦是1-1.5年,PhD一般要5年。

由于查不到不同項目人數的比例，因此保守估計平均出國年份為2年。

-

根據×××的數據，2015年回國是40.9萬，往前推2年，2013年出國人數是41.4萬。

2915年歸國率 = 40.9/41.4 ≈ 99%，遠高于所謂的“78%”。

同理，2014年的歸國率是 91%，2013年甚至超過100%（可能是由于較多其他年份出國留學的學生在2013年集中回國，導致數據爆表）。

近幾年的歸國率均高達90%以上，因此“我國人才流失嚴重”顯然是不成立了。

所以說，以后數據分析之前應該先動動腦子，不要總想著搞個大新聞批判一番。

這個問題是解決了，那么還能挖出什么別的東西呢？

還可以觀測趨勢。

整理了從1949-2015年，每一年的出國留學和歸國人數。

加總后，得到歸國人數總計218萬，出國人數總計292萬（不含2014和2015年），從而得出回國率75%。

為什么總體只有75%？這和我們計算的2013-2015年的歸國率相差甚大。

首先做一個簡單推測：早年的歸國率低，因此整體歸國率被拖了后腿。

分別計算每年的歸國率（篇幅原因，取1980年開始）：

果然，從改革開放以來，大部分年份的歸國率是非常低的，算術平均數僅為63%。

因此得出結論：近年來，越來越多的留學生選擇回國。

那么，還能不能挖掘出別的東西？

在分析過程中，我發現了一個有趣的現象，如果只看2000年以后的數據，2003-2008年出現了明顯的洼地。

為了找出原因，特別是要規避計算方法帶來的錯誤，我計算了出國和歸國人數的逐年增長率（YoY Growth）。

數據表明，2000-2002年出現了一波出國的高潮，隨后增長率迅速下降，甚至出現負增長，直到2008年以后才恢復到了20%+的增長率。

所以，2008年實際上是一個分水嶺，08年之后，出國留學變得更加熱門。

結合平時實際了解的出國人群的情況，我們可以做這樣一個假設：2008年以前出國人群中，本科和博士比例更高，2008年以后則是碩士比例更高。

因此，2008年以前出國的學生，在國外停留的時間應該更長，我們不妨認為這個平均時間是3.5年，取整為4年。

重新計算歸國率后：

結果，不僅2005-2007年的洼地沒有改變，還在2002年出現了一波高峰。

因為這里已經排除了計算方法帶來的錯誤，因此需要去探究背后的動因。

但想要真正透徹地探究其中的原因，只能通過大規模調研的方式詢問當時的留學生，顯然不太現實。

在這里先開一波腦洞大致推測下原因：

• 2001年，中國發生了幾件大事：申奧成功，WTO，APEC會議，因此鼓舞了一批留學生在2002年集中回國效力；

• 2004-2008年，國內輿論風波逐漸興起，各路公知興風作浪，在2008年到達頂峰，這幾年的留學生更多選擇在留在國外；

• 2008年，內有雪災、地震、毒奶粉，外有分裂反華勢力，中國在內交外困之下成功地舉辦奧運會，從此國內輿論形式逐漸反轉；加之全球性的金融危機，導致海外的機會減少，大批留學生又選擇回國發展。

如果這是一次正式的數據分析，我們可以利用調研結果進一步分析出留學生回國的驅動因素，進而預測未來幾年的歸國率。

綜上，數據分析首先要保證數據和方法的準確性，然后大膽假設，小心求證。在不斷地論證中，會逐漸挖掘出有價值的新信息。

除此以外，這些數據還可以做別的嗎？

還可以匡算市場規模。

從2015年開始，每年出國留學的人數已經超過了50萬。

算上出國留學有至少2-3年的準備期，那么留學產業每年的基礎人群高達150萬。

由此可以大致分別估算留學考試輔導、留學咨詢/中介、國際學校的市場規模。

同理，每年歸國的留學生超過40萬，這些留學生都需要在國內求職。

算上1-2年的準備期，由此可以大致估算求職輔導（針對留學生）的市場規模。

以上這些僅僅是最簡單最粗淺的分析。

在實際咨詢項目中，一般會首先通過多方渠道驗證數據的準確性，然后搭建模型進行深入地分析，當然同樣少不了反復驗證的程序，結合定性分析，得出最終的結論。