举例说明 数据分析思维

前两天刷知乎的时候看到这样的问题：

"为什么我国人才流失如此严重？"

题主的疑问来自于×××的数据：

2014年出国人数为46万，而回国人数仅为36.5万。

两者相除，得出"归国率"仅为79% ，而2015年仅有78%。

因此，题主得出结论：我国海外人才大量流失。

随后，各路人马纷纷跳出来，开始一本正经地分析为什么中国人才流失这么严重。

问题是，这样的数据解读正确吗？

用同一年内的出国人数和归国人，计算出来的所谓"归国率"，真的有意义吗？

如果这个数据本身就没有意义，那么"分析"背后的"原因"，无疑是南辕北辙了。

--请先思考一分钟--

2015年归国的留学生，肯定在2014年甚至更早就出国了。

极少有学校会开设1月入学，12月毕业的Program。

所以，这里用同一年内的回国人数和出国人数相除，算出来的所谓"归国率"纯粹是瞎几把算。

一般国外本科是3-4年，美国的master是1.5-2年，英国及英联邦是1-1.5年,PhD一般要5年。

由于查不到不同项目人数的比例，因此保守估计平均出国年份为2年。

-

根据×××的数据，2015年回国是40.9万，往前推2年，2013年出国人数是41.4万。

2915年归国率 = 40.9/41.4 ≈ 99%，远高于所谓的"78%"。

同理，2014年的归国率是 91%，2013年甚至超过100%（可能是由于较多其他年份出国留学的学生在2013年集中回国，导致数据爆表）。

近几年的归国率均高达90%以上，因此"我国人才流失严重"显然是不成立了。

所以说，以后数据分析之前应该先动动脑子，不要总想着搞个大新闻批判一番。

这个问题是解决了，那么还能挖出什么别的东西呢？

还可以观测趋势。

整理了从1949-2015年，每一年的出国留学和归国人数。

加总后，得到归国人数总计218万，出国人数总计292万（不含2014和2015年），从而得出回国率75%。

为什么总体只有75%？这和我们计算的2013-2015年的归国率相差甚大。

首先做一个简单推测：早年的归国率低，因此整体归国率被拖了后腿。

分别计算每年的归国率（篇幅原因，取1980年开始）：

果然，从改革开放以来，大部分年份的归国率是非常低的，算术平均数仅为63%。

因此得出结论：近年来，越来越多的留学生选择回国。

那么，还能不能挖掘出别的东西？

在分析过程中，我发现了一个有趣的现象，如果只看2000年以后的数据，2003-2008年出现了明显的洼地。

为了找出原因，特别是要规避计算方法带来的错误，我计算了出国和归国人数的逐年增长率（YoY Growth）。

数据表明，2000-2002年出现了一波出国的高潮，随后增长率迅速下降，甚至出现负增长，直到2008年以后才恢复到了20%+的增长率。

所以，2008年实际上是一个分水岭，08年之后，出国留学变得更加热门。

结合平时实际了解的出国人群的情况，我们可以做这样一个假设：2008年以前出国人群中，本科和博士比例更高，2008年以后则是硕士比例更高。

因此，2008年以前出国的学生，在国外停留的时间应该更长，我们不妨认为这个平均时间是3.5年，取整为4年。

重新计算归国率后：

结果，不仅2005-2007年的洼地没有改变，还在2002年出现了一波高峰。

因为这里已经排除了计算方法带来的错误，因此需要去探究背后的动因。

但想要真正透彻地探究其中的原因，只能通过大规模调研的方式询问当时的留学生，显然不太现实。

在这里先开一波脑洞大致推测下原因：

• 2001年，中国发生了几件大事：申奥成功，WTO，APEC会议，因此鼓舞了一批留学生在2002年集中回国效力；

• 2004-2008年，国内舆论风波逐渐兴起，各路公知兴风作浪，在2008年到达顶峰，这几年的留学生更多选择在留在国外；

• 2008年，内有雪灾、地震、毒奶粉，外有分裂反华势力，中国在内交外困之下成功地举办奥运会，从此国内舆论形式逐渐反转；加之全球性的金融危机，导致海外的机会减少，大批留学生又选择回国发展。

如果这是一次正式的数据分析，我们可以利用调研结果进一步分析出留学生回国的驱动因素，进而预测未来几年的归国率。

综上，数据分析首先要保证数据和方法的准确性，然后大胆假设，小心求证。在不断地论证中，会逐渐挖掘出有价值的新信息。

除此以外，这些数据还可以做别的吗？

还可以匡算市场规模。

从2015年开始，每年出国留学的人数已经超过了50万。

算上出国留学有至少2-3年的准备期，那么留学产业每年的基础人群高达150万。

由此可以大致分别估算留学考试辅导、留学咨询/中介、国际学校的市场规模。

同理，每年归国的留学生超过40万，这些留学生都需要在国内求职。

算上1-2年的准备期，由此可以大致估算求职辅导（针对留学生）的市场规模。

以上这些仅仅是最简单最粗浅的分析。

在实际咨询项目中，一般会首先通过多方渠道验证数据的准确性，然后搭建模型进行深入地分析，当然同样少不了反复验证的程序，结合定性分析，得出最终的结论。