数据收集方法论：一手数据与二手数据
做行业研究，数据就是你的弹药。没有弹药，再好的分析框架也是空架子。
我入行头三年，犯过最大的错误就是——拿到什么数据就用什么数据。后来被老板骂过几次，才真正学会区分数据的来路。说白了，数据就两种：一手数据和二手数据。
一手数据 vs 二手数据
一手数据，是你自己亲自收集的。比如你打电话访谈了20个行业专家，或者你发了500份问卷收回来。这数据是你的，独家的。
二手数据，是别人已经收集好的。比如国家统计局的数据、券商研报、上市公司年报。这些数据公开可得，但质量参差不齐。
| 对比维度 | 一手数据 | 二手数据 |
|---|---|---|
| 获取成本 | 高（时间+金钱） | 低（甚至免费） |
| 时效性 | 强（你控制时间） | 弱（数据可能滞后） |
| 独特性 | 强（别人拿不到） | 弱（谁都能用） |
| 可信度 | 取决于你的方法 | 取决于数据源 |
我的经验：一份好的行业报告，一手数据和二手数据的比例大概在3:7到4:6之间。纯靠二手数据写出来的报告，说白了就是「资料汇编」，不值钱。
桌面研究技巧
桌面研究，听着高大上，其实就是「坐在电脑前查资料」。但怎么查、查什么、查到之后怎么用，这里面门道不少。
搜索的「三层漏斗」
我个人习惯用三层漏斗法来找资料：
- 第一层：宽泛搜索——用关键词在百度、谷歌、微信搜一搜里扫一遍。目的是了解这个领域大概有哪些玩家、哪些关键词。
- 第二层：精准搜索——用「site:」限定域名。比如搜「site:gov.cn 新能源汽车 补贴政策」，出来的全是政府官网信息。
- 第三层：交叉验证——同一个数据，至少找三个来源对比。如果三个来源的数据打架，那就得警惕了。
一个小技巧：微信搜一搜其实被很多人低估了。很多行业报告、深度分析文章，百度搜不到，微信里一搜就有。我每次做新行业研究，第一站就是微信搜一搜。
桌面研究的「避坑指南」
我曾经吃过一次大亏。做某细分赛道研究时，从某知名咨询公司的报告里引用了一组市场数据。结果后来发现，那组数据是那家公司自己「估算」的，跟实际差了30%以上。从那以后，我给自己定了个规矩：
- 券商研报的数据，打八折看
- 咨询公司的数据，打七折看
- 企业自己宣传的数据，打五折看
- 政府统计数据，直接看原始口径
专家访谈技巧
专家访谈，是获取一手数据最核心的手段。但很多人把专家访谈做成了「聊天」，聊完发现啥也没拿到。
访谈前的准备
我每次做专家访谈前，至少花2小时准备。具体做三件事：
- 查背景：这个专家是谁？在哪个公司？什么职位？做过什么项目？
- 列提纲：不是随便列几个问题，而是按「事实→观点→判断」三层递进。先问事实（「去年你们公司营收多少？」），再问观点（「你觉得这个行业未来三年会怎么走？」），最后问判断（「如果让你押一个方向，你押什么？」）。
- 准备追问：每个问题后面，至少准备2-3个追问。比如专家说「行业在增长」，你得追问「增长的主要驱动力是什么？」「哪些细分领域增长最快？」
访谈中的「黄金30秒」
你想想看，专家一天可能接好几个访谈电话。前30秒如果没抓住他，后面就很难了。我一般开场会这样说：
「张总，感谢您的时间。我今天主要想请教三个问题：
第一，关于XX赛道的竞争格局；
第二，您对技术路线的判断；
第三，您觉得最大的风险点在哪。
每个问题大概聊10分钟，您看可以吗？」这样开场，专家会觉得你专业、尊重他的时间，配合度会高很多。
注意：千万不要在访谈一开始就问「您能介绍一下你们公司吗？」这种问题。专家会想：你连我公司都不了解，找我聊什么？
问卷调查设计
问卷这东西，看着简单，做好很难。我见过太多人，问卷一发出去，回收率不到10%，或者回收回来的全是无效数据。
问卷设计的「三要三不要」
| 原则 | 说明 |
|---|---|
| 要短 | 超过10道题，回收率断崖式下降。我一般控制在8题以内。 |
| 要简单 | 别用专业术语。你问「贵司的ARPU值是多少？」，人家可能直接关掉。 |
| 要引导 | 先问简单的（比如「您从事哪个行业？」），再问难的（比如「您对XX政策的看法」）。 |
| 不要双选题 | 「您是否同意XX观点？」这种问题，答案只有「是」或「否」，信息量太低。 |
| 不要诱导 | 「您是否认为XX政策非常好？」——这种问题就是在引导对方说「好」。 |
| 不要开放题太多 | 开放题（填空题）最多放1-2道。放多了，没人愿意填。 |
问卷的「预测试」
我每次设计完问卷，都会先找5-10个朋友填一下。不是为了收集数据，而是为了看他们能不能看懂。有一次，我设计了一个问题：「您所在企业的数字化转型处于哪个阶段？」结果5个人里，有3个人问我：「什么叫数字化转型？」——嗯，这个问题得改。
数据源甄别与评估
这是整个数据收集环节里，最重要、也最容易被忽视的一步。数据源不对，后面所有分析都是白搭。
数据源的「五维评估法」
我个人总结了一套评估数据源的方法，五个维度：
- 权威性：谁发布的？政府机构、行业协会、还是自媒体？
- 时效性：数据是什么时候的？去年的数据，今年可能已经变了。
- 样本量：样本量够不够大？100份问卷和10000份问卷，可信度天差地别。
- 方法论：数据是怎么收集的？抽样方法是什么？有没有偏差？
- 一致性：这个数据跟其他来源的数据是否一致？如果打架，哪个更可信？
我的习惯：每次引用一个数据源，我都会在报告里标注「数据来源：XXX，数据时间：XXXX年XX月，样本量：XXX」。这样既显得专业，也方便别人验证。
常见数据源的「信任等级」
我根据自己的经验，给常见数据源排了个序：
- 高信任：国家统计局、央行、世界银行、行业协会官方数据
- 中信任：上市公司年报、头部咨询公司报告、学术论文
- 低信任：自媒体文章、论坛帖子、企业宣传材料
- 不信任：匿名来源、无法验证的数据、明显有利益倾向的数据
本章知识体系
下面这张图，是我梳理的数据收集方法论整体框架。你可以把它当成一张「地图」，做研究时对照着用。
这张图把整个数据收集的流程串起来了。从一手数据和二手数据两条线出发，分别对应不同的收集方法，最后统一到数据源评估这个环节。你每次做研究，都可以拿这张图来对照，看看自己漏了哪一步。
最后说一句：数据收集这件事，没有捷径。你花在找数据上的时间，最后都会在报告质量上体现出来。别偷懒，别图省事——嗯，这是我用无数次加班换来的教训。
公众号:蓝海资料掘金营，微信deep3321