解读数据,我发现了超好用的七步标准法

大数据 数据分析
数据分析师想要加强数据洞察能力,就得多积累分析经验,针对具体业务问题,收集业务动作,多复盘,这样才能认识得越来越深入。每次具体问题来了,才有丰富的弹药库可用。

“你看看最近的销售数据,有啥发现不?”在工作中,这种无明确目标的问题经常出现。讨厌的地方是:大部分时候,日常数据就是只有一点波动。如果直接把“环比3%增长”这种结论报上去,又会被扣个“这我也知道,要深入分析!”的帽子。那到底该咋办?今天系统讲解下。

解读数据是有标准顺序的,分为7步走:看数字、找规律、立标准、看结构、明假设、验真伪、出结论。我们不着急,一步步来讲:

第1步:看数字

这是最基础的,同比,环比,绝对值,涨了、跌了……日常报告都是这些东西。但是这些东西不招人待见。一来,只要是个人看一眼就知道情况了,没啥写的必要;二来,这些玩意没业务含义,讲了跟没讲一样,所以必须深入一步。

图片图片

第2步:找规律

想深入一步,可以把数据时间拖长一点,看看有没有自然规律。这一步没有任何技术含量,直接把日报表连起来看即可,但是非常管用!因为很多常规数据波动,就是有周期性规律的。掌握了规律,可以避免大惊小怪,误报错报。还能敏锐地观察到真正的问题(如下图)。

图片图片

第3步:立标准

想再深入一些,就得找判断标准。数据 + 标准=判断,有了好坏判断,才能继续往下思考:为啥好/为啥坏。最好的标准,就是有个KPI值压在头上,这样直接对比KPI完成率就有结论。

图片图片

但有些非核心指标,没有KPI要求,这时候就得找其他标准。比如用场景拆解法,把非核心指标与KPI指标的关系,KPI达标时候非核心指标的数值范围找出来,这样也能形成判断标准,做出判断。

图片图片

第4步:看结构

有了好坏判断,可以进一步思考原因。但在思考原因之前,最好先看下指标内部结构,找到影响指标的大头。这样重点清晰,更容易看出问题所在。

比如看销售情况,销售讲究人、货、场,先从用户、商品、渠道三个维度,单独看内部结构,看哪个类型的占比高,哪个类型在当前表现好/差。这样分清重点,容易形成思路。

图片图片

比如看成本情况,区分可变成本、固定成本,可变成本区分商品成本、营销成本。固定成本里区分前台、后台成本。这样更容易看出哪一块是波动来源。

有了这一步,后续再找原因就轻松很多了,可以直插重点。

第5步:列假设

有些比较懒的同学,直接在上一步就下结论了。比如最近销售不好是因为A商品没卖好。成本高了是因为促销花钱太多……

可这种原因往往太肤浅。一来,有可能A商品没卖好是因为其他藏得更深因素导致的(有更深因素);二来,有可能A商品没买好是因为某几类用户在流失(其他因素波及);三来,即使A没买好是因为A不行,那也不见得短期内能改正,还是得想其他办法(问题分析的可落地性)

所以,再往下深入,一定要清晰假设,撸出来问题背后的逻辑。很多同学到这一步会傻眼,觉得原因千头万绪,我该怎么列才合理?

这里有两个简单的办法:

1、从最近发生的事件入手。

2、从业务可能采取的行动入手。

从最近发生的事情入手,能快速找到解释问题来源的假设。我们可以先收集最近发生的正向/负向的事件,然后逐一看:

理论上:这个事件对哪些指标有影响

实际上:这个事件的发生程度,相对应数据变化

这样逐一排查,找出问题来源。

图片

从业务可能采取的行动入手,则能快速找到业务应对手段的假设。比如面对业绩下降,短期内业务就三板斧:

1、上促销,派一堆优惠券

2、搞培训,抓几个典型示范

3、改文案,把推广链接换换

那么,我们可列假设:

1、按过往投入产出比,促销可以拉升业绩

2、人员是参差不齐的,有标杆可以参照

3、推广是参差不齐的,有标杆可以参照

之后逐一检验即可。

第6步:验真伪

有了假设可以验证。注意,很多日常数据波动,是没资源给我们一一做ABtest来验证的。因此这里说的验证,更多是找证据。找到足够多的、明显的、数据上的证据,来证实观点。

比如我收到最近商品调价信息,那么理论上,如果是畅销品,快供不应求调价,是会提升收入的,而普通商品被逼无奈地调价只会伤害销量。那么验证的思路就是:

1、调价商品过往销售、库存数据如何(判断类型)

2、调价商品从哪一天开始调的,调完了销售有啥变化

3、调价商品影响面有多大,剔除这个商品,其他还有问题不

这样综合利用数据,就能下判断。

图片图片

比如我们假设:做促销可以拉升业绩。那么可以把之前促销效果数据拿出来参考

1、当时投入了多少,做了几天

2、当时提升了多少

3、目前按这个数量,能否填上坑

这样也能下判断:如果现在上促销,能拯救局面不,还需要哪些措施。

第7步:得结论

到这一步我们已经做了充足的功课,交作业的时候,可以做非常详尽的汇报:

1、现状很好/很差,表现为……(第123步的结论)

2、现状好,是因为……(第4步的结论)

3、更深层的原因是……(第5步的结论)

4、这种好预计是可以持续/不可持续的,因为……(第6步结论)

5、因此,建议……(继续观察/采取措施/集体研讨更进一步方案)

附件里,附上详细的数据过程,就显得既全面,又有深度了。

7步骤的开展顺序

注意,这7步骤,不用等到有人提问的那一刻才开始做。因为:

第1、2、3步,完全是基础数据解读,平时就能干

第4步,要收集近期业务动作,行业大事,平时就能干

第4步,要对业务过往行动做复盘,历史上有记录

平时做好功课,事到临头要做的,其实只有第5步中的利用历史数据测算和验证影响两件事。

所以我们常说,数据分析师想要加强数据洞察能力,就得多积累分析经验,针对具体业务问题,收集业务动作,多复盘,这样才能认识得越来越深入。每次具体问题来了,才有丰富的弹药库可用。

责任编辑:武晓燕 来源: 接地气的陈老师
相关推荐

2023-05-06 11:54:16

数据经验业务

2019-03-10 20:37:14

Python编程语言

2020-05-18 08:42:23

CSS背景图像前端开发

2020-06-16 08:39:35

JavaScript图像处理库

2021-07-10 07:40:27

Excel数据分析大数据

2020-04-01 08:40:44

Vue.jsweb开发

2014-04-30 15:20:06

数据挖掘

2010-08-10 13:15:36

Flex配置

2023-04-28 14:38:47

2022-07-28 11:33:23

数据分析经验

2011-09-05 17:36:24

2021-10-29 11:45:26

Python代码Python 3.

2023-09-26 08:00:00

人工智能数据集

2009-11-06 14:33:27

WCF代理节点

2009-11-06 13:59:09

WCF Service

2017-04-21 14:21:53

深度学习神经网络

2009-07-30 18:08:14

IT与业务融合

2009-11-05 11:06:07

Visual Sour

2020-11-16 11:30:34

MySQL数据库MongoDB

2022-04-26 06:43:12

文档TCPLinux
点赞
收藏

51CTO技术栈公众号