編輯導語：在做數據分析時，不少人都無法深入數據，洞察到數據背後的價值所在，所做的僅僅是描述性分析。那麼，如何才能建立深入且有價值的數據分析維度？本篇文章裡，作者對如何打破描述性分析的困境做了解讀，一起來看。

經常有同學抱怨：感覺平時做的都是描述性統計，同比、環比，深入的數據分析到底怎麼做？今天系統地講解一下。話不多說，直接上幹貨。

一、常見的描述性統計

舉個簡單的例子，讓分析：為啥業績下降了。很多同學的做法，就是拿本月和上月做對比，然後分産品、地區、分公司等維度做交叉。最後發現：A産品業績下降10%，B産品下降6%……再多做一步，可能算個整體下降5%，然後把各個産品下降超過5%的标紅。這就算做完分析了。

這麼做當然不深入！這樣做有三宗罪：

一來，沒有發現問題重點。經常幾個維度都在下降，哪個是重點？？？

二來，沒有解答業務的問題。下降5%隻是個數字，業務的問題是：到底是我的産品不行、還是渠道不行、還是大環境不行？？？

三來，沒有指向改進建議。我知道了A産品下降5%，所以呢？所以要把A換掉嗎？要再追加營銷費嗎？要做培訓嗎？統統不知道？

想破局，當然不能這麼無腦就數論數，而是要從：數據背後的業務含義開始做起。

二、改進第一步：建立分析假設

真正的業務問題是：

這些才是真正的問題，并且這些問題是指向改進建議的：

1. 營銷力度不足 → 追加活動投入；
2. 新産品表現不好 → 尋找替代産品；
3. 分公司管理不善 → 撤換分公司經理。

但是，這些業務問題，是不能用一個指标簡單描述，而是需要指标 标簽，進行綜合性描述。

比如營銷力度不足，至少可以拆成三個分析假設：

1. 活動形式改變（用标簽：形式A、形式B）；
2. 優惠幅度下降（原先打八折、現在打九折）；
3. 覆蓋産品減少（原先60%産品參加活動，現在40%）。

經過梳理，把業務問題，拆解成可以用數據指标量化的分析假設，就能做進一步分析了。

而進一步分析的重點，就是：找到足夠多的數據證據。比如這裡有一條假設：營銷覆蓋産品減少，導緻業績下降。那麼就得看數據上，是否非活動産品下降很厲害，活動産品下降很少。類似的，每一條假設都有證據，則可以彙總一個結論：就是營銷力度不足，導緻了業績下滑問題。

三、改進第二步：聚焦重點問題

注意，假設方向不止一個。比如我們給出“營銷力度不足”的結論以後，大家會自然反問：難道隻有營銷的問題嗎？難道分公司管理沒有問題嗎？難道産品沒有問題嗎？

這一步，需要幫助大家清理其他假設，聚焦到核心問題上。這裡有個簡單的判斷方法：哪個問題影響更大。

比如我想證明：營銷力度影響，比産品的影響更大。那麼我要列舉的假設是：

1. 一直無活動的産品，前後變化不大；
2. 原本有活動，現在沒活動的産品，變化巨大；
3. 原本有活動，現在力度下降很大的産品，變化巨大；
4. 原本有活動，現在力度下降很小的産品，變化很小。

這樣有了充足的正反例子，能做實：營銷力度就是影響很大，就可以剔除産品的影響了。

這一步的分析，需要大量的的正反例子證據，是非常消耗精力的。要求分析人員有嚴密的邏輯梳理與大量細節數據論證。而且在這個過程中，很有可能發現大量的特例，讓結論很難下。比如感覺上營銷力度下降影響最大，可是有些産品就是很堅挺，有些分公司就是一直爛。

如果真出現很多特例，其實是個好事，說明：業績不是單一因素影響的。這時候需要用MECE法，把特例的邏輯關系一一梳理出來。（這裡不再贅述MECE的構建方式，有興趣的同學看以前的分享哈）。最後效果如下圖：

這個時候，作為一個分析原因的報告，已經可以交差的七七八八了。但是還可以再多做幾步。

結論：就是營銷力度不足，導緻了業績下滑問題。

四、改進第三步：評估未來走勢

注意：降低營銷力度，會影響業績，這個是不用分析也知道的。即使做實了這一點，很有可能還是落一句：我早知道了。反問一句：為什麼明知道會有問題，還是會降低力度？很有可能是大家擔心：費用會爆表。

所以可以多做一步評估：

1. 按目前的投産比 投入力度，下個月還會不會降，能否守住全年目标；
2. 如果想讓業績不降，保持之前投入力度，費用會不會爆、啥時候爆。

提及預測，很多同學聞風色變，覺得很難。實際上，隻要不是輸出名單的預測，都沒那麼可怕。在分析問題的時候做預測，給出預計走勢，支持決策判斷即可。比如這裡預計營銷費用與業績關系，完全可以用簡單的時間序列/線性回歸，給出走勢即可。可以做滾動預測/業務假設預測，用公式推導（如下圖）。

預測完了給預判，優先給問題嚴重級别，再給細節。對問題級别的判斷會比細節數字更重要，比如營銷費用失控問題，可以分作：

1. 嚴重：必須馬上調整，不然超支嚴重；
2. 一般：有幾個月過渡期，還能做嘗試；
3. 輕松：不調整也能扛過去。

嚴重性的判斷是能直接指向決策的

• 嚴重：立即找對策，馬上調整；
• 一般：再嘗試幾次，總結經驗；
• 輕松：既然調了會影響，就改回去吧。

有了方向性判斷，再看下一步執行細節分析。

五、改進第四步：給出建議細節

有了第三步的支撐，第四步給的建議才會顯得有理有據。不至于犯“我們都決定棄船了，你還在讨論怎麼堵窟窿”的問題。比如第三步判斷還可以再試幾次，那就可以進一步看：

1. 挑選出對促銷不敏感的商品，砍掉補貼；
2. 挑選出低毛利的商品，直接砍掉補貼；
3. 挑選出撤出促銷後波動少的商品，逐步消減補貼；
4. 找到對價格不敏感的客群，逐步增加他們喜歡的商品，擴大其基數。

這裡，這裡會延伸出好幾個話題，需要每一個話題單獨做分析。比如用戶分群，可以做矩陣分析，先鎖定人群，再看其商品愛好（如下圖）：

比如商品分析，可以先核算成本，再看促銷敏感性（如下圖）：

這樣可以給出消減成本的方向，人、貨、場因素都有了，可執行程度也很好。

六、小結

綜上過程我們發現：想讓分析有深入，關鍵在于組織分析邏輯。

1. 分析邏輯要直面業務問題；
2. 把業務問題轉化成數據描述；
3. 排除小因素幹擾，逐步聚焦核心問題；
4. 行動建議，建立在整體走勢預判之上；
5. 行動建議，有細節數據支持。

這樣才可以把分析越做越深，而且能積累對業務有用的結論。

在這個過程中，分析方法是相互穿插的。有常見的描述性統計、對比分析，也可以結合預測模型，也可以結合數據測試，判斷方法可行性。

但是整體的分析邏輯，是不受具體方法制約的，一定是現有大的邏輯框架，再選擇工具，才能得出有價值的結論。

而實際工作中，很多同學是卡在第一步的：不了解業務，沒有業務問題，隻有簡單幾個維度交叉，同比環比，自然不夠深入了。

#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 Unsplash，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