編輯導語：數據分析是讓很多職場人頭疼的一個話題，一張簡簡單單的圖片上有幾條曲線，不知道該從何處下手進行分析。這篇文章作者從七個方面手把手教我們如何做數據分析，一起來看看吧。

經常有同學抱怨，在公司裡，總被催着問：通過數據，你看到了什麼？可實際數據就幾個曲線而已，也不知道咋解讀。也沒有人教，自己好不容易寫了幾句，又被嫌棄：“你這都是廢話，我們要深層次含義”。咋辦？

今天系統解答一下。就舉個最簡單的例子，下邊是某公司一周銷量數據，你看到了什麼？

一、錯誤的數據解讀示例

1. 高了表揚低了罵

數據解讀，寫的是：周一到周五很高，周六、周日低，所以要！搞！高！……這麼解讀當然會被說：你這都是廢話啊！業務又不是瞎子，看不到數字是周六日低嗎。

2. 哪裡跌了哪搞高

因為周六跌了48%，所以要搞高……這個是廢話*2和上一種說法是一個模子裡刻出來的。

3. 加減乘除算不停

平均值95.2，最大值125，最小值35……這個是廢話*3。平均95.2所以呢？最大值125所以呢？這還是在把數字複述一遍而已，沒有講出任何含義。

二、解讀的關鍵是理清業務含義

以上三種錯誤的共同點，是：就數論數，止于數據。沒有讀出數據背後的業務意義。其實數據解讀一點都不高深，我們每月每天都在用，比如：

業務部門做決策也一樣。他們想聽的是：不劃算、不喜歡、買不起。他們更想聽的是：“今天中午預算隻有人均50，在這家川菜館既管飽又好吃”，他們想聽的絕不是“2公裡内共28家餐廳，平均價格63元，最高價725元，最低價13元，較上個月價格提升了10%”——這真的是一點意義都沒有。

想要得出這種判斷，需要三個條件：

1. 了解數據代表的現實含義
2. 了解數據大小代表的現實區别
3. 明确判斷标準

比如大衆點評上飯店人均金額185元。它不是一個孤零零的數字，而是填肚子的成本，這是人均金額的現實含義。成本低了可以接受，高了就吃不起，這是數據大小的現實區别。比如我一個月餐費預算隻有3000塊，意味着每天隻有100塊錢，這就有了标準。那這一頓185，明天就得吃土了。這就形成了判斷：太貴了，得換個地方。

解讀企業數據也如此，不能隻見數據，不見業務。同樣三點：

1. 業務含義：數據反映的是什麼業務
2. 業績走勢：通過數據形态，解讀業務發展走勢
3. 判斷标準：到底什麼算好，什麼算不好

下邊我們一個個看一下。

三、從理解業務含義開始

回到開頭的例子，“銷售業績”這個指标本身有很多含義。

• 直接含義：銷售隊伍的努力程度
• 銷售業績 成本：企業的盈利情況
• 銷售業績 産品：産品暢銷程度
• 銷售業績 用戶分層：用戶的需求
• 銷售業績 庫存：産品進銷存管理質量

但是注意：這裡并沒有标準，因此無法判斷是好是壞。這也是為什麼直接下結論“業績低了要搞高”是非常錯誤的行為。銷售業績直觀反映的是銷售隊伍的努力程度，想知道這個數值是好是壞，我們可以直接去問“銷售隊伍的KPI達标了多少？”；也可以從業績曲線走勢來判斷。這就需要做第二步：觀察業績走勢。

四、觀察業績走勢

一個問題：“什麼樣的産品會賣出這種曲線？”因為有七天的數據，所以可能代表了三種走勢：

1. 這是自然周期性變化

七天代表了一周，周一到周五是工作日，周六周日是休息日，所以這是一個工作日銷售多，休息日沒銷售的産品——是滴，你很自然聯想到，這可能是B2B的交易，工作日上班了才有大把生意，周日都休息了。或者是圍繞B2B的衍生生意，比如CBD的餐廳一類。

2. 這是生命周期性變化

有可能某個主打商品銷售到了生命周期末尾，正在退市，下一款新品馬上要上，暫時變化。注意，一般看生命周期數據，是從生命周期開始做T N天的圖來看，不是看自然日。

3. 這是突發性變化

有可能剛好周六日出了問題，交易系統down機，有可能剛好促銷活動到周六日結束，有可能剛好周六日惡劣天氣。

通過對走勢的判斷，可以建立初步的标準。如果是周期性變化，那很有可能是正常波動，我們初步判定為“正常”。如果是突發 下跌，那很有可能是異常且壞的波動，我們可以初步判定為“問題”。有了标準，就能下判斷，隻是三種假設都有可能，需要進一步驗證。

五、列出假設做驗證

想知道自己思考得對不對，就得去驗證假設。驗證假設的辦法有兩種：

第一，可以和業務部門溝通，了解實際情況。

第二，可以參考過往數據，驗證判斷，同時反向驗證業務部門是不是撒謊了。

數據驗證可以做得很複雜，但也能做得很簡單。不需要很複雜的邏輯，隻要一根曲線就夠了。如下圖。

隻要延長時間，靠一根業績走勢 業務表現，也可以解讀出變化的原因。如果過往一直都是有周期性波動，那拉長時間就能看出來周期規律。

實際企業經營中，也經常出現上邊三種情形，隻是形态更複雜，往往是三種混合。比如B2C零售和B2B銷售是反着的：

• 自然周期性：周五到周日高，其他工作日低；
• 生命周期性：新品上市到下市有季節性規律
• 突發事件：大促銷（猛漲）惡劣天氣（猛跌）

在看數據的時候，往往會在業績曲線上打上标簽，比如一個日期是否節假日，是否某重點産品生命周期結束，是否突發情況。這樣，可以從看似無規律的曲線裡區分出規律來。

這也是為啥很多經驗豐富的業務人員，即使沒有專門的數據分析，也能快速判斷形勢的原因，因為他們很了解業務上發生了啥事，了解過往業績曲線形态，結合業務表現看走勢，比盲目地算同比、環比、平均數，中位數要有用得多。

六、深入細節看問題

做完上一步，隻是幫大家理解了數據含義，并沒解答什麼問題。如果止于上一步，就會變成業務的應聲蟲：“業績下降是因為下大暴雨了”“這是正常波動，周末肯定要跌啦”……隻是單純地這麼解讀，很有可能會換來一句：“我早知道了”。

實際上，往往人們都會注意到突發疾病，容易缺失的是對慢性病的觀察。比如下圖：

如果隻看日數據，會感覺似乎每天波動不大，隻能略微感到月頭比月尾似乎高那麼一點，但是如果拉長看周數據，就會發現問題。

為什麼在業績好的月份，最後一周不沖刺業績了？上月業績好 月底不沖刺 本月開局格外好，這個曲線走勢不和規律，很有可能是這就是B2B銷售中的“藏業績”行為。

這時候，做數據分析的也能對一線業務說：我早知道了。甚至還能從下個月初吐出多少單，反推出來他們每個人藏了多少業績。

這也是為啥實際企業經營中，我們不止看孤零零一個數，而是搭一個數據指标體系，還要做日報、周報、月報的原因。

日報用來關聯業務動作，反應突發問題，周報和月報用來追蹤趨勢，發現更深層次的問題。深層次的問題，再由專題分析解決。這樣就構成了數據分析體系，系統化作戰，才有威力。

當然，實際分析場景會更複雜。有可能經過數據解讀，我們得出的是：“銷售在藏單，真實業績比數據體現的更好”這種結論，但到底是不是藏了，真實的又是多少，還得成立專項，深入分析。

但無論如何，我們都比隻回複一句：“要搞高！”要進步了很多，也能赢得業務的尊重。

七、解讀數據是個硬技能

有同學會說：既然讓數據分析師自己猜這麼難，為什麼不直接溝通業務的需求呢？是滴，理論上最佳的狀态，是業務和數據之間有定期溝通，業務陳述需求，數據反饋結論。

不過大部分企業，這個狀态不存在。大部分企業都是大家各忙各的，數據忙于爬表出數應付日常各種報表，業務忙着幹活撕逼。部門之間深溝高壘，幾乎沒有溝通，越大的公司越是如此。

再加上，很多人對數據分析本身認識不清，還停留在“一個仙風鶴骨的道長掐指一算，口出出驚世憾俗之言”的印象中。

這些共同作用導緻了文章開頭的問題，因此數據分析師不能單純指望業務把什麼問題都梳理好了丢給自己，還是得有主動解讀的能力的。

#專欄作家#

接地氣的陳老師，接地氣學堂，人人都是産品經理專欄作家。資深咨詢顧問，在互聯網，金融，快消，零售，耐用，美容等15個行業有豐富數據相關經驗。

本文原創發布于人人都是産品經理。未經許可，禁止轉載

題圖來自 Pexels，基于CC0協議。

,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!

查看全部