调显显示2,000人吃鸡，不等于他们将继续吃鸡。想要了解消费者的需求，解析比数据更重要。
   假定你是一个新型厨具的制造商，你想知道顾客对你的产品的看法，那么，理想的做法是对顾客做一次调查，从量化的角度有效地了解顾客。对调查问题的回答将是数字化的，而且选取调查人数的样本大小将足以归纳得出结论。通过对数百名顾客的调查，你将保证可以得到一份有效的统计报告。

定量分析最好是让顾客对厨具的不同性能按照重要程度从1到10打分，10分为最重要。调查结果可能是：烹饪速度，8.2；烹饪出的食物品质，7.1；清洁的容易程度，6.5；占据厨房空间：4.8。

   你甚至还可以研究分析上述这些性能参数和价格敏感性之间的相关性。你也许会发现价格敏感性会随着烹饪速度重要性的上升而下降。不管怎样，调查的最后结果会为决策提供支持。你的厨具可能会变成“快速烹饪厨具”，并且进行相应的市场营销。

   这个假设的情景中隐含了市场调研的传统思维。它的特征是：信息是最基本的，量化信息尤其受到青睐，调查样本的容量越大，越有利于归纳出结论。

   用市场调研的方法来了解顾客，本质上并没有什么错误。量化是很有效的，数据越多，样本容量越大，结果就越理想。但问题是，市场调研的观念不足于全面地了解顾客。

   传统思维掉进了这样一个陷阱：简单地假定随着可获得信息数量的增加，对顾客的理解程度就提高；从越多的人那里得到越多的信息，市场调研的效果就越好，对顾客的理解就越好。

   很不幸，这种囿于数据、特别是样本容量的做法是错误的。对顾客的理解不只是一些数据，而首先是一种解析（explanation）。要理解某件事情，就是要解析这件事是怎样发生的，其中一部分工作是要预测将来会发生什么。但解析不仅仅是预测，而是要解释和说明将来事情为什么会发生和怎样发生，比如，在前面提到的新厨具的案例中，你所寻找的就是解析顾客为什么使用和怎样使用新厨具。

  解析不从数据而来

   在寻找解析的过程中，重要的是认识到解析永远不会存在于数据中。解析总是和数据相分离。看了下面这个案例，你就理解这一点了。

   假设你从事食品服务行业，你对特定的人群做了......More↓↓↓