缺了背景的公交数据分析 不但浅薄粗暴还杀人诛心

点击蓝字，一键关注 

走进《公共交通资讯》，及时掌握公交领域的行业政策、管理理论、科技信息、专家观点和先进经验... ...

原标题：公交数据分析之陋见

仔细看了一篇“高大上”的交通数据分析文章，其数据详实、指标丰富、图表华美。如果这篇文章只做现状特征客观描述，少点虚妄结论，多点真正问题的探索，不失为一篇好文章。当然交通不是我专业，数据分析不是我专业，只是略知皮毛。纯粹从一个门外汉的角度，粗浅谈谈。一、数据分析有助于认识事物发展规律通过开展多层次数据分析，有利于掌握当前事物发展的状态。样本容量、总量分析、结构分析、趋势分析、情景分析、相关性分析、信度效度分析等确实是个专业事情，需要一些统计专业能力；而且数据、指标的价值及其意义，高度依赖于数据口径、统计方法等定义。以公共交通交通来说，诸如客流量及其分布特征，线路长度、非直线系数及线网密度、线网重复系数、发车密度等每一个都有其价值，每一个指标都可以描述公共交通当前对应的现状。指标体系中的每个指标都有其功能，并可通过设定标准判断或对比优劣高低；以参考标准可以快速找到有价值的异常，为挖掘背后存在的问题提供了快速入口；通过指标及其关联指标组合，结合趋势分析、结构分析等有助于揭示指标之间的关系及其影响规律。从功能角度看，数据分析是认识世界、改善世界的一个工具。
二、数据分析所描述现状不代表问题数据分析是个高度专业活，你能看到的数据取决于发布者数据分析目的及其想传达的信息。当要揭示全国各城市公共交通的营运情况，通过总量指标及其趋势分析就有个大概判断；但要认识具体城市公共交通的营运情况，就需要更多指标、更深入分析。比如谈起年公交客流强度（特定区域特定周期公交客运人次÷对应载客里程），其值受到到很多因素影响：统计区域、人口密度、500米公交覆盖率、谷平高峰发车间隔、公交相对小汽车车速等。
认识一个城市公共交通，简单做客流强度总量分析就会显得浅薄，需要叠加更深入分析：分区域的结构分析，避免简单平均掩盖的结构性问题；多指标趋势分析，揭示驱动变化的主要因素，避免想当然；选择统计对象特征差不多的城市做横向比较，有助于揭示差异。在不同人口密度区域的公交客流强度值，其代表的意义不一样，导致需要解决的问题及其目标也不一致。如低人口密度区域，低客流强度有其合理性，追求高客流强度除了不切实际以外，也将驱动管理不断扭曲；在高人口密度区域，持续下降的公交服务水平或能实现客流强度提升，但并不代表公交吸引力提升，很可能是侧重高峰期营运而大幅减少平低峰运行的策略所致；因公交专用道等优先措施缺失，公交服务水平越来越低、车速越来越慢、越来越不可靠等问题只会加剧，在公交优先措施不支撑情况下追求客运强度目标，只能证明管理的碎片化而无真正价值。比如轨道与常规公交线共站问题，是竞争关系还是共生关系？是否可以用共站数量来定义其关系？比如公交行业成本分析，各地公交成本构成因资源差异、投入模式、补贴政策等具有较大差异性，成本规模不一定具有可比性；比如公交行业的收入结构，会受交通政策、人口结构、换乘优惠、优惠力度、免票政策存在的差异影响，如刷卡优惠力度大的地方现金收入少，老年人占比多的地方票款收入低，有一次去山东某个城市，一上车全是老年免票乘客。三、数据分析的误导误判数据分析停留在单指标观察而未做相关指标分析，结论不一定可靠。公交客流是人口、社会经济活动、公交相对其他交通方式竞争力的反应函数。客流强度低可能是营运不科学造成的，也有可能是公交吸引力下降的结果，还有可能是人口密度低的结果。笼统的客流强度低，并不解决问题，比如公交发车密度过大而缺乏吸引力，提升客流强度正确措施可能是增加供给提升吸引力，但不深入后就会想当然的“减里程、降无效”，与实际问题背道而驰。正如前面所说客流强度、轨道常规关系、公交行业成本与收入结构，缺了背景的数据分析不但浅薄粗暴，还杀人诛心。一旦将这些碎片化指标作为政策制定依据，意味着这个城市的公共交通灾难已至。四、数据分析的避坑方法数据分析的专业性可以用不同维度去定义。浅层次是形式专业，以漂亮图表体现专业性，有利于直观掌握情况；深层次是指标专业，指标定义及指标组合科学系统，有利于揭示复杂现象；专业层次是根植底层逻辑并通过指标组合分析，揭示真正问题所在。真正的专业，不仅仅是图表漂亮，还有对特定指标的统计对象、统计口径、统计方法、统计周期、指标作用等有所交代，对指标揭示现象的结论有条件、有参数、有标准进行说明，对驱动或导致特定指标水平的原因进行挖掘分析，而不是就指标值说指标结果或评价指标优劣好坏。作为看客，避坑很难。但是需要警惕形式专业的报告，如图表极其漂亮，数据极其详实，但之间逻辑闭口不谈；对于拼凑缺乏关联指标的大杂烩形式，以及通篇较多武断结论（无条件、无情形）的，更需高度警惕——这种分析用形式专业吸引眼球，误导政策或杀人诛心作用更大。当然，有些不一定是数据分析能力不专业，而是出于迎合部分领导的预设观点而已。如果缺乏秉持良知的精神，数据分析能力越强危害越大。
上述粗浅的认知，源于自己粗浅的数据分析经验与经历的坑，得益于追逐逻辑自洽的自觉与实践，不一定对和全面，做抛砖引玉之用。

---

作者：徐泊廷 来源：虚无清秋斋

更多阅读：