提示：這是一篇超長硬貨，建議先保存，之后反復看

“當XX指標下跌時，你會如何進行分析？”XX包括但不限于銷售額、用戶數、活躍率、ROI等等。

這個問題是一個面試時經常遇到的問題，也是日常工作中很常見的一個問題?？赏瑢W們在回答的時候，經常丟三落四，似乎不管怎么講都講不全。在日常工作中，也經常被業(yè)務方糾纏。屁大一點波動也讓你分析一下，分析完了又嫌棄：“我早知道了！”。今天我們系統(tǒng)性講解一下，該如何應對這個問題。

1  解讀指標波動的大原則

首先要明白一點：單純靠數據分析，不可能100%理清所有原因。真實的原因往往需要數據分析+市場調查+一線走訪+行業(yè)研究共同努力才能鎖定的。數據分析在解析原因上，更大的作用是定位問題而不是解答問題。想要解答問題背后的業(yè)務邏輯，市場調查要有用得多。

其次，業(yè)務出現波動是很正常的事，哪天不動了才是見鬼了。所以日常會經常碰到類似問題。第一順位要解決的是判定問題的輕重緩急。這樣才能在時間和精力都有限的情況下，選擇合適的方法。如果每一個問題都要深入徹底分析，就會浪費大量人力精力，耽擱其他工作。數據分析工作也要講投入產出比的。

最后，很多時候其實真實的原因很難100%解析出來，但對業(yè)務來說，也不需要100%解析原因才能行動。對業(yè)務方而言，在特定的時間內，可以調整指標的方法是非常有限的，只要信息量足夠支持行動就行了。

以銷售指標波動為例，影響銷售指標的原因有一大堆（見下圖）

其中：顧客態(tài)度非常難量化，需要調研支持；外部競爭，行業(yè)景氣這些需要行業(yè)研究。而產品賣得不好，到底有百分之多少歸罪于用戶，百分之多少歸罪于銷售，百分之多少歸罪于營銷，很難完全剝離清楚?？赡苓€得上個ABtest測試一下。如果每一次波動都這么折騰去找原因，公司就可以關門了。

所以判定了問題的輕重緩急之后，在有限的時間內幫業(yè)務部門找到應對策略，改善局面才是最重要的。指標能改善回來才是終極目標，探索宇宙真理不是終極目標。這是企業(yè)里做分析和大學里做研究的根本區(qū)別。

分析指標下跌的時候，本著：清晰情況 + 突出重點 + 夠用就行的三原則，就能應付實際工作中各種場景。分析指標下跌并不是下鉆得越多越好，并不是找的指標越多越好，并不是事事都得上ABtest。

在能滿足業(yè)務需求的情況，盡量依靠日報、周報、月報等固定報表解決戰(zhàn)斗。盡量把專題分析留給真正有意義的話題，而不是每天對著這鉆來鉆去。

2 判斷指標下跌的輕重緩急

▌第一步：確認數據沒有異常。實際上因為數據源出問題，導致的指標異常非常非常多，具體的可以參見做埋點、ETL、數倉的同學們的各種吐槽。所以遇到問題第一順位先確認數據沒有錯，不要報假警。

▌第二步：確認指標波動幅度。這是確認問題的輕重。常見的指標，比如銷售額/新用戶數/活躍率等等，其波動是有一定范圍的，根據歷史經驗可以劃分為輕中重。在數據真實的情況下，一般重度波動都是有明顯跡象的。比如受政策影響要停止某些業(yè)務，公司主動關停業(yè)務，春節(jié)/十一等假日因素。所以對于重大變化，事先要設好預期值，這樣看數據的時候，就不會一驚一乍。對于嚴重超出預料的情況才做重點跟進。

▌第三步：確認指標波動持續(xù)時間。這是確認問題的緩急。

這三種形態(tài)本身意味著問題的嚴重性不同。如果是指標下跌的話，持續(xù)性下跌≥一次性下跌≥周期性下跌。如果是周期性下跌，一般都不需要大驚小怪。如果是一次性下跌，往往來得猛去得也快，要關注事件持續(xù)性。持續(xù)性下跌，特別是不見好轉，一路大牛市的下跌，持續(xù)的時間越長問題越嚴重。

單純看走勢并不能嚴謹解釋問題，要和波動幅度結合起來看。比如同樣是周期性下跌，如果本周期的數值明顯比上周期跌得更厲害，就得注意，可能在周期性變化背后隱藏了其他問題。

同樣是一次性下跌，如果相同事件下，跌得越來越厲害，就說明隱藏有其他問題。有些看似一次**件，帶來的影響可能持續(xù)發(fā)酵，最后演化成持續(xù)性下跌。持續(xù)性下跌中，可能每一期跌幅都不大，但放長線看，就會發(fā)現累積跌幅特別大，這時候問題嚴重性就更高。

很多業(yè)務部門會在這里犯錯誤。比如一說為什么二月份銷量下降，就理所當然地認為是春節(jié)影響，沒有認真計算其實今年春節(jié)后恢復速度大大慢于往年。一看上促銷有銷量，就急著慶功，沒有計算促銷前的蓄力期和促銷后的**期越來越長，很有可能平臺的用戶已經出現了結構性變化，忠誠用戶越來越少。這些都是一味憑經驗辦事，不細致看數據的惡果。

做數據分析的同學們，往往會犯相反的錯誤，還沒有判斷輕重緩急，聽到要分析XX指標下跌就急著提取一大堆數據。既浪費時間，又沒有什么分析假設，結果大海撈針一樣空費氣力。

3 不同輕重緩急，不同分析手段

▌重+急：趕緊打電話向相關部門確認，之后向領導匯報。如果真的短時間內發(fā)生重大問題，慢慢寫代碼分析本身就是貽誤戰(zhàn)機的行為，就像火災來了不去打119，還在這認真分析哪里起火了，火大不大一樣腦殘。這時候趕緊先確認數據有沒有問題，不能報假警。之后抓起電話趕緊向相關部門反饋。

▌重+緩：對于長期存在的重大問題，要深入分析才能找到癥結，這時候就得慢慢來，做多角度多維度的分析，而且分析結論要放回到市場調查、一線走訪、行業(yè)研究里去相互驗證，這樣才是從根上解決問題的辦法。不然分析完一版，業(yè)務并不覺得好用，最后還是白費力氣。

▌輕+急：不嚴重但是突發(fā)問題，先鎖定問題點。因為問題本身并不嚴重，如果全面做檢查，很有可能被淹沒在平均值的計算里。去平均化，把真正問題嚴重的點暴露出來，這樣后續(xù)分析才能深入。

▌輕+緩：這時候不用急著取一堆數據，問題本身不嚴重，取了也對比不出來所以然，可以再觀測一段時間再說。

要注意的是，到目前為止我們沒有談到任何專業(yè)的分析方法或者技術，只要盯著一根銷售曲線或者用戶數曲線，做一些簡單的同比，環(huán)比就夠了。這就是傳說中的數據敏感性?？吹街笜饲€開始下跌，敏感性高的話會先對走勢進行解讀。這一點后續(xù)我們還有專門的分享。

有了輕重緩急的判斷，下一步就可以縮小懷疑范圍，建立分析假設。之前我們說了，單純依靠數據很難把原因搞清楚，但當我們縮小問題范圍的時候，就更容易找到問題源頭。而建立假設，有助于去偽存真的進行驗證，進一步逼近真實原因。

4 縮小懷疑范圍，建立分析假設

▌角度一：事件

往往重大的變化都伴隨著重大事件的發(fā)生。因此反映在數據上，往往表現為在事件發(fā)生后，指標應聲而落。這樣即使不需要嚴謹的分析，只要在指標走勢圖上標識出事件發(fā)生的先后順序，都能看出事件的影響。

事件可分為內部事件和外部事件。嚴格區(qū)分兩種事件的影響是個很巨大的分析工程，而且很有可能壓根區(qū)分不了。但內部外部事件對指標的影響方式與效果是不同的。

外部宏觀事件我們常用PEST來分析，P影響一般是致命打擊，直接把指標打崩，把業(yè)績搞停。而EST的影響更多是漸進的、緩慢的、基礎的、結構性的，因此表現在指標上，更多是陰跌不止。

內部事件往往能短期內快速改變指標，所以在解讀指標變化的時候，可以按這個簡單原則進行：泰山壓頂看政策，短期變化找內因，長期異動找外因。

我們可以把事件標注在指標變動趨勢圖上，這樣可以清晰地看到事件與指標的關系，從而更好地縮小懷疑范圍，細化分析假設。找到那些看起來像是核心問題的事件進行深入研究。

有趣的是，在指標變動趨勢圖上標事件這件事，業(yè)務部門也會干，而且很多業(yè)務部門會直接依此下結論。比如天氣一下雨銷量就跌，一調價銷量就漲。他們就想當然的會說：就是這個原因。

這是一種很經驗主義的做法，可能會忽視很多結構性的問題。對做數據分析的同學而言，對于非十萬火急的問題，其實這么做也無妨大雅。既然大家都這么認可，我們也省省精力?？梢跃x一些重+緩的問題，深入分析，找結構性變化的原因。這樣既顯得我們有價值，又顯得我們懂業(yè)務。

▌角度二：區(qū)域

區(qū)分問題發(fā)生的區(qū)域/渠道，也可以縮小假設范圍。比如看起來整體銷售業(yè)績下跌了30%，是否所有門店，所有區(qū)域都是30%，有沒有還在漲的，有沒有跌得更慘的，還在漲的/跌的慘的是不是有規(guī)律（門店位置、店長資歷、開店時間、銷售的產品線、存量客戶群體……）通過分類對比，可以幫我們更容易找到問題發(fā)生點。

這么干還有個好處：為解決問題找標桿。比如在整體銷售業(yè)績下滑的情況下，有些省份/地市的門店可以做到不下滑，很有可能他們有獨特的手段可以應對問題。比如在整體流量減少的情況下，有些渠道仍然能供應優(yōu)質流量，很有可能意味著新的機會。因此可以通過對比不同區(qū)域的數據，把表現相對好的也標出來，這樣未來尋找解決方案也有了依據，不用自己憑空拍腦袋想辦法。

需要注意的是，很多做分析的同學在這一步就直接下結論，大標題寫“各地區(qū)銷售問題分析”，然后給個答案是：因為ABC地區(qū)銷量差，所以拖累大盤。這種分析是很容易引來：“我早知道了”的吐槽的。因為這只是找到了問題發(fā)生的地點，沒有真正切入問題原因，真正影響零售的是外部內部，是人貨場，不找到真正的問題根源，是不能說“問題原因是XXX”這句話的。

▌角度三：群體

同區(qū)域類似，可以區(qū)分不同的客群進行切入，看不同客群間是否有差異。產品線也可以做類似的區(qū)分觀察。一般傳統(tǒng)企業(yè)沒有完善的CRM，缺少客戶ID，所以從產品線+區(qū)域的角度切入的比較多?；ヂ?lián)網企業(yè)更關注用戶群體，從用戶角度切入的多。

這里引發(fā)了一個問題，比如當我看到區(qū)域、客群、產品線的時候，有可能都存在組間差異，該先從哪個維度切入呢？原則上講，應該按行業(yè)的業(yè)務特性來，比如傳統(tǒng)企業(yè)就是要先看區(qū)域再看產品。互聯(lián)網企業(yè)就是習慣性先看用戶。如果沒有業(yè)務理解的話，那就看哪個組間差異大，從明顯的問題切入。

截止到這里，字寫了很多，可實際操作的時候非常輕松。因為以上所有分析只要基于一張指標日報和有分渠道/分用戶群兩個維度的日報就能搞掂。難點不是跑一個神奇的指標出來，而是去認真解讀指標曲線走勢，如收集和指標相關的數據。

5 在條件允許范圍內，深入分析

之后可以根據時間、資源的條件來深入分析了。如果時間緊，可以直接打電話聯(lián)系一線確認問題，然后把那些做得好的標桿經驗直接復制出來。

如果時間寬裕，互聯(lián)網企業(yè)可以做ABtest，嘗試剔除一些干擾因素。傳統(tǒng)企業(yè)可以做試點，丟一些樣板店下去看效果。

總之有了明確的假設，驗證假設的速度就很快，找優(yōu)秀標桿的速度也很快。前邊所有的工作都是在為這一刻鋪路?；A工作做扎實了，后續(xù)才越做越輕松。

6 為什么要講這么多

這一篇的長度又破了陳老師的進度。熟悉陳老師的同學都知道，陳老師一向懶得寫長文。為什么這個看似簡單的問題卻寫了這么多？是因為：解讀指標才是數據分析師的看家本事，而這些年過度迷信技術，沉迷可視化，沉迷阿爾法大狗子，搞得新入行的數據分析師們的看家本事的水平越來越差。無論是求職還是工作都有很多讓人尷尬的事。

比如很多同學2月份寫日報，就寫：因春節(jié)因素影響，銷量低迷。然后2月份的周報也是：因春節(jié)因素影響，銷量低迷。然后2月份的月報也是因春節(jié)因素影響，銷量低迷。這就是傳說中的三花聚頂式報表。同一句話啰嗦三遍，完全沒有任何解讀。

比如看到一天數據跌了，急的抓耳撓腮，結果連往前多看幾天，看看是不是周期性變化都不知道。

比如往前看了幾天，發(fā)現已經連續(xù)跌了6周了，結果還是繼續(xù)盯著眼前的指標繼續(xù)抓耳撓腮的。

比如知道往前看，問題是丫做了漂亮的曲線，然后用肉眼在看跌了多少，連計算個絕對值都不記得的。

比如算了分渠道/區(qū)域的絕對值，然后認為下跌5%與50%是同一類問題，在報告寫上：“所有渠道都在跌”就完事的。

比如只知道對著數據著急，連業(yè)務方干了什么事都不知道的。

比如期望能有一個人工智能算法，自動計算有幾個因素的。

不過這不能怪同學們，因為跟很多同學深入聊以后發(fā)現：他們的主管壓根沒教過這些……難怪，這些年很多掛著“數據分析”組長頭銜的領導，其實是做hadoop，做BI出身，寫sql出身，本身確實只有開發(fā)能力沒有分析能力。所以這一篇才特別啰嗦，希望大家能平時多練起來，日報、周報、月報是數據分析的骨架，骨頭都軟了，人也就直接廢了。

照例，這么長的啰嗦是有福利的，陳老師把上邊拉拉雜雜所有的總結一張思維導圖，下圖左邊是確認假設，右邊是判定輕重緩急。大家在面試的時候，最好自己一邊寫思維導圖一邊說，對面試官是秒殺級的，比隨口扯幾個理由，然后被人嫌棄：講得不全，講地不到位要好的多。

-END-