編輯導語：在數據分析中，我們的數據分析有無意義取決于所定标準，若标準不一，評判的結果也就不一緻。那麼，數據分析的标準該如何去定，破解數據分析核心難題。作者總結了五個方法，希望對你有所幫助。

數據分析的一個基本常識：數據本身沒有意義，數據 标準才有含義。然而恰恰是标準二字，弄死了無數數據分析師。常見的問題，諸如：

• 沒标準：業務說“我的活動提升了業績， 計劃提升多少我也不知道，你分析分析？”然後不管數據提什麼，業務說“太少了吧，你沒考慮周全”。
• 标準不确定：業務要提升“顧客健康度”“渠道質量”，然後不管數據分析師用什麼指标，業務都說“你這幾個指标就能代表健康了？那另外一個指标就不健康？”
• 标準反複橫跳：指标下跌了0.1%，業務緊張得要死，非要深入分析；指标下跌30%，業務說“這是正常的，你分析個屁！”。

找标準，是數據分析核心難題。标準不确定，數據反映出的是不是問題？是多大的問題？是誰的問題？都不能确定，那還咋深入分析呀。那到底标準怎麼定？今天系統講一下。

一、為什麼定标準那麼難

從本質上看，标準難定，主要是來自業務本身考核難度不同：

• 有的業務是搬磚式的，做一件東西就是一件東西，這種最容易定标準，計件工資即可。
• 有的業務是BUFF式的，提高了做東西效率。這種标準就不容易定，因為很難剝離出“沒有buff是多少”，無數的争論都是從這裡來的。
• 有的業務是錦上添花的，就像菜市場小販吆喝“我家番茄又大又紅咯”。這種不做不會死，做了看似更好，但很又很難考證效果。

更糟糕的是：有的數據分析師，不清楚以上區别，以為可以一鍋炖。

更更糟糕的是：有的業務，很清楚以上區别，所以在自己做得不好的時候，故意渾水摸魚，企圖模糊标準，為自己文過飾非。

當一個不懂區分的數據分析師，遭遇一個企圖蒙混過關的業務，就是标準的盲人騎瞎馬了。這才會出現開頭的種種吐槽。更搞笑的是，這時候懵懂懂的數據分析師還沒發現問題，還會在網上到處問：“哪裡有中國互聯網數據分析統一标準定義？”

所以破局的思路，就是不能指望業務部門良心發現，而是數據分析師自己練就火眼金睛。辨明是非，分類型看标準如何定。

二、第一類：賺錢的搬磚

比如互聯網行業的推廣、投放，傳統企業的銷售、門店。這種是可以考核到人的，每個人為公司貢獻多少收入、貢獻多少新用戶一目了然。這類工作事關公司收入和業務增長，因此一般都有硬考核指标，且一般都是老闆強硬壓下來的。

這種情況下，記得三不扯原則n不扯“自然增長率”。該做多少做多少，不服氣去跟老闆吵：

• 不扯“合理不合理”。老闆定了多少就是多少，不服氣去跟老闆吵*2
• 不扯“其他深遠效果”。老闆沒有定的不理會，不服氣去跟老闆吵*3

數據分析師要做的，就是把老闆的目标，按業務線/按時間拆解出來。把年度目标，分解到每一個時間段，然後跟蹤完成即可（如下圖）。

三、第二類：供應的搬磚

比如商品備貨、供應。這一類工作要根據銷售情況做準備，但又不能完全照搬銷售指标，因為銷售指标有可能無法達成/超期達成。而一旦目标無法達成，備貨太多，就會積壓，導緻損失。超期達成，備貨不足，會失去一些銷售機會。因此定目标，經常是雙重考核：供應充足率/庫存損失率。

四、第三類：普衆式buff

普衆式BUFF，即常見的各種大促銷、新人禮包、滿500減100、買三件送一件、消費10000成為白金卡會員等，一般是運營、營銷、增長部門搞的。這種活動參與規則與參與人群是公開透明的，用戶達标即可領獎。

普衆式BUFF都有明确的目标，比如商品運營，不同階段目标/手法不一樣（如下圖）。

比如用戶運營，不同階段目标/手法也不一樣（如下圖）。

注意！加BUFF的部門，最喜歡扯“自然增長”，扯“深遠影響”，扯“額外增收”。因為這些BUFF是疊加在其他人工作之上的，所以搞活動的部門，生怕不能體現自己的功勞，恨不得把自然增長率搞成負的，把所有增長歸功于自己。也因此搞出很多争吵。

解決争吵的辦法，是把“深層次效果分析”與“目标考核”區分開。先達成自身的目标，再複盤達成目标以後的效果。連目标都沒達到，整體業績還在下滑，商品還在滞銷，用戶發展不來，有啥“其他深遠影響”好扯的，都是自欺欺人。

五、第四類：精準式buff

精準式buff，最常見的形式就是精準營銷。通過電話、短信、APP内推送等形式，給不同用戶不同營銷方案，且其他用戶不知情，無法參與。

注意：精準營銷是可以通過封閉信息的方式，設活動組與參照組，相對準确的衡量自然增長率的。因此精準式BUFF可以直接把目标設為：較自然增長，額外提升轉化/消費效果XXX。

怕就怕，做的活動是精準式活動，但是沒有做分組，沒有設參照組，也沒有事前ABtest。啥準備都沒有，事後跑來問：如何精确衡量？肯定回答不了。

六、第五類：錦上添花

所有内部數據記錄不到的任務，都是錦上添花類任務。常見的比如品牌、傳播、服務，對應的指标是用戶知名度、用戶滿意度、用戶忠誠度。

這些數據來源要麼靠市場調查、要麼靠外平台的數據記錄，比如公衆号文章閱讀量、視頻播放量等等。

這種标準的最大問題，來自于：數據易操控。市場調查問卷質量太差，樣本太少；外平台的數據可以靠人工刷量輕松做出來。所以樹這一類标準，有個最簡單的辦法：讓負責部門自己事前提個數，然後看他們能不能達成。

至于這種錦上添花能不能帶來銷售、用戶，等實際效果。作為數據分析隻認鍊接。有轉化鍊接，有内部數據記錄，就轉化為普衆buff式工作，考核轉化效率。沒有鍊接，沒有轉化路徑，沒有内部數據，一概不認，斷了他們渾水摸魚的念想。

七、小結

從本質上看，标準問題牽扯績效考核，因此業務方才有渾水摸魚的動力。這是個披着數據問題的辦公室政治問題。因此，想破題，一定不能把解題思路引到“有一個完美的數學算法”上面。任何數學算法都解決不了人心貪婪的問題。

所以數據能做的，就是落實可考核的部分，幫助大家回歸初心，減少胡攪蠻纏，從而更好實現整體目标。畢竟蛋糕做不大，怎麼分還是餓。

#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