数据分析，如何做才算“深入”？

• 2019 年 10 月 4 日
• 笔记

很多同学很困惑，到底什么算“深入”分析？为什么自己做的数据分析总被嫌弃“不够深入”。今天系统解答一下。举一个最常见的分析需求：业绩下降了，分析下原因。这是各个公司的销售、运营、产品都最爱问的问题。看似来似乎非常简单哦。

肤浅的分析长这样

深入是个形容词，是相对于肤浅而言的。常见的肤浅分析，有以下三种：

1、答不对题。题目问的是“分析下原因”，结果做分析的人只给出来一些数字。诸如：华北片区降低了5%。完全没有原因，也没有啥结论。

2、不分对错。题目给的场景是“业绩下降”，并没有说下降本身是好还是不好。结果做分析的人一看下降就默认是“不好”，然后开始长篇大论。最后只换回一句：“我们早就料到啦，因为投入在降低呀”，好尴尬。

3、缺少论证。很多做分析的，只是列出一个下降的业绩曲线，然后写了一大堆完全无法用数据论证的理由，什么宏观环境、消费习惯等等。开局一张图，原因全靠猜。即使不看报告，业务部门自己也能猜到这些理由，最后落了一句：“我早知道了，讲点我不知道的”

肤浅VS深入的区别

之所以会分析的很肤浅，是因为缺少论证过程，缺少理解问题的真正状况，只是停留在数字层面加减乘除。想要深入，就得一步步的建立分析逻辑，开展论证。特别是这种看似简单的问题。问题题干越短，意味着情况越不清晰,越需要梳理。提问的人可能没有受过转业训练，想到什么说什么。可做分析的同学必须沉住气理清状况，才能剥丝抽茧，找到答案。

想深入先做这三步

第一步：梳理事实

要理清的包括以下内容：

1、是什么时间的事

2、目前结束了没有

3、从多少降到多少

4、 是周期性、突发性、还是持续性事件

梳理清楚这些，才知道问题的真实面貌。才有下边具体讨论。

第二步：问题定性

到底下降是不是问题？现要有个清晰的判定标准。需注意，有很多情况，业绩本身就该降。

比如：

• 投入撤出：减少投入了，那业绩就自然会适当降低。
• 节假日效应：周末我们的客户都放假了，本来就该没生意。
• 产品退市/清库存：业绩就该掉，有可能掉的越快越好。
• 有计划地系统更替：系统更新导致交易无法进行，只要是计划中的都算正常

因此，下降=/=不好=/=天要塌了。要对问题性质进行判定。计划内的、规律性的下降是很正常发生的事情，计划外的、突发的、异常的下降才是拉警报的问题。

需注意的是：对问题定性不能单纯的就数论数。眼前的一两个数字并不能解释这么多问题。比如投入产出、产品上市退市计划、系统更新情况，都需要做分析的同学有深入的了解。比如业绩周期性变化规律，产品生命周期各阶段数据规律，需要提前进行深入总结。这样才能遇到问题时有足够多的判断依据。从这里开始，我们已经正式踏上深入分析之旅。找到数字背后的深层逻辑，是深入分析的本质。

第三步：衡量幅度

对问题定性，只是判断一个好/坏。至于有多好，有多坏，还需要进一步计算。衡量幅度和选择的标准有密切关系。如果是计划内的下跌，我们可以按计划设定标准。

比如：

• 投入撤出：投入产出比、投入边际效益是多少。
• 节假日效应：上一周期/平均水平的节假日降多少。
• 产品退市/清库存：同类产品退市前，业绩每周跌多少。
• 有计划地系统更替：系统更替时间段影响多少交易，对应多少业绩。

如果是计划外的下跌，则要找一些更宏观的标准，比如整体业绩目标的达标率。先计算整体上下跌多少，是不是已经跌破目标，跌破的量是多大。对整体做个判断。再往下看：

• 发生时间：短期突发or阴跌不止，速度越来越快or小碎步跌。
• 发生地点：整体性or局部性，局部性最大的部分在整体占比多少。
• 发生群体：全体or部分，最大的部分在整体占比多少。

这样可以有效区分出轻重缓急，圈出重点。越短期、越大幅度、发生面积越大的，问题越严重。越长期、小碎步下跌，越说明出了根本性问题。如果只有某个部分拖累大盘，就在下一阶段集中处理。切记，在整体形势没有判断之前，不要拆太多细节维度。不然拆的越多，思路越乱，看到一堆指标高了低了也不知道咋下结论。

持续深入做这三步

第四步：区分问题

做完一二三步，我们已经对问题有了初步认识。利用（1）是否是计划内发生（2）发生幅度是否猛烈，两个维度。我们可以对问题进行分类，从而清晰下一步的深入方向：

在开篇我们说过，不是所有下降问题都值得拼死命找原因，如果是计划内的+轻微波动，那原因就是：正常波动（也就是业务常说的：我早知道了）。很多同学不敢下这个结论，怕被人说做的不深入。可敢于肯定正常波动四个字，本身也是经过了一二三步的分析的。我们已经验证了确实是按计划/按规律的波动，那就有底气做判断。

如果波动真的太小，暂时找不到原因，可以先设观察指标、持续关注，这样等问题累积到一定程度就能顺腾摸瓜找到问题起点。很多同学在这里会过于着急，急着在一次分析找到答案，可现实就是波动很小，总也找不到，于是匆匆交差。之后又忘了跟进，导致问题积累很大的时候又找不到头绪，忘记了其实苗头早已出现，被批为：“早干什么去了”。如此种种囧境，就是缺少监控意识，过于死磕一次分析细节所导致的。

遭遇计划外的剧烈波动，先查数据质量，确保不是数据质量问题报了假警。确认真实性后，最好的办法是：在第三步圈出问题最剧烈的区域，以后直接联系业务。传统企业的找分公司、找市场部、找销售；互联网企业的找产品经理、找运营。如果是真实的+计划外的+剧烈的波动，一线业务早就炸锅了。他们比远在千里之外的总部数据分析师更清楚真实问题。既然是紧急且重要，就不再磨磨唧唧跑数了，掌握第一手资料最重要。

要特别注意计划内异常波动，这是业务部门最喜欢撒谎的地方。比如产品升级延时、促销活动调货缓慢、商品管理算少了工作日，都会导致业绩下降，这些都是业务的执行问题。可业务最喜欢把责任甩给外部环境，甩给用户需求，或者用“不都是这样的吗？过去也一样啦”来搪塞过去。同样的活动，做的差就是做的差，作为认真做分析的人，首先要把这种问题暴露出来，至于要不要和业务刚正面揭他们的短，就看具体环境而定了。

第五步：区分内外部影响

再往下深入，就会牵着到多因素交叉影响的问题。尤其是内外部因素交叉。这是很多同学最头疼的环节。处理的方法，是优先区分内部与外部因素。因为如果真是宏观因素带来的影响，绝非一个公司的力量可以抗衡，也绝非一时之间的变化，这种巨大的变化是很容在数据上观察到的，通常体现为地震式或瘟疫式下跌（如下图）。

但反过来，大部分非致命伤，都是内部原因。这时候可以用标杆分析法，轻易的戳破业务部门的借口。我们可以找到同期做的好的标杆进行对比分析，揭示标杆分公司、标杆商品、标杆部门在工作上的优点。“别人都做的到，你凭什么做不到”“别人在努力做，你在努力找借口”是业务部门的领导怼下属的最好武器，我们可以帮领导们及时装填上子弹，让业务部门认真反思自己工作可改进点。而不是纠结“到底业绩下降里边有X%来源于外部环境”——实际上，不管到底x%来源于外部环境，业务自己没做好，就是没做好。

第六步：深入外部问题

有可能确实有外部影响存在，我们可以从数据监控中发现这一点。一般数据上表现为：

1、业绩指标随政策应声而落

2、业绩指标长期阴跌不止

3、提振业绩手段效果越来越差

4、所有业务线均呈同态势下跌

5、没有被波及的业务线有特殊资源支持

比如做促销活动，活动当时业绩冲的越来越高，活动之前之后跌的越来越狠，就很有可能说明用户已经习惯于有促销就买，没促销就不买。这时候就得考虑调整策略。

当然，想最终确认外部因素，单靠内部数据是远远不够的。一般确认行业性的因素，需要竞品情报，得有本事收集到可靠的竞品信息才行。确认用户层因素，需要市场调查部门配合，做用户访谈才行。单靠内部数据写写代码跑跑数很难验证想法。所以做商业分析，还得多方面下功夫才行，各个数据各司其职才是最好的。

深入分析多久来一次

针对“业绩下降了，分析下原因”，以上就是深入分析的过程。六个步骤涉及大量数据工作，绝不是如果网上文章所言，只要一个“拆解法”或者“多维法”就能搞出结果。这里需要

1、对业务的了解

2、对业绩指标走势有经验积累

3、对常见业务活动的数据表现有总结

4、对不同维度下数值差异有拆分

5、对标杆情况有掌握

6、对内外部归因有判断

7、未结问题进行跟进

想要做到深入分析，要么在平时就有很多分析结论积累，事到临头才能用上很多现成的结论，快速找到原因；要么就得做很多细致的分析，一步步深入。只有手头几个数据，是很难深入的。

不过这并不是同学们的问题。很多企业里没有分析经验沉淀；业务和数据脱节缺少沟通；业务过于强势，强词夺理；数据的领导是技术出身，自己也不知道咋分析；做数据的同学止于跑数，没有机会参与调研，更离一线万里之遥。这些是企业本身的组织问题，却会导致同学们平时积累少，临阵记得抓耳挠腮。从今天开始，大家可以尝试一步步做好积累，慢慢提升深入分析能力哦。