编辑导语:数据分析是很多职场人头疼的问题。简单的一张图有几条曲线，不知道从哪里开始分析。本文作者从七个方面教我们如何做数据分析。让我们来看看。
学生经常抱怨，在公司里，总是被催着问:你通过数据看到了什么？但实际数据只是几条曲线，不知道怎么解读。没人教我，我好不容易写了几句，却被拒绝了:“你们都是胡说八道，我们需要深刻的含义”。我该怎么办？
今天系统回答一下。举个最简单的例子。下面是一家公司一周的销售数据。你看到了什么？
数据解读，写成:周一到周五很高，周六周日很低，所以很有必要！操！高！......这种解读当然会说:你们都是胡说八道！商业不是盲目的。你看不出来号码是周六周日低吗？
2. 哪里跌了哪搞高因为周六跌了48%，有必要改善...这是废话*2和上一个说法是一个模子刻出来的。
3. 加减乘除算不停平均值为95.2，最大值为125，最小值为35...这是废话*3。平均95.2。所以呢。最大值为125。所以呢。这只是把数字再重复一遍，没有任何意义。
二、解读的关键是理清业务含义以上三种错误的共同点是:只数数字，止步于数据。读取数据的背后没有任何商业意义。其实数据解读一点都不深刻。我们每个月每天都在使用它，例如:
商业决策也是如此。他们想听到的是:不划算，不喜欢，买不起。他们更想听到的是:“今天中午，预算人均才50，在这家川菜馆既饱又好吃。”他们想听到的绝不是“2公里范围内有28家餐厅，均价63元，最高价725元，最低价13元，比上月价格上涨10%”——这真的毫无意义。
要得到这种判断，需要三个条件:
了解数据代表的现实含义了解数据大小代表的现实区别明确判断标准比如大众点评的酒店人均金额是185元。不是一个孤独的数字，而是填饱肚子的成本，这才是人均量的现实意义。费用低的话还可以接受，高的话就负担不起了。这才是数据大小的真正区别。比如我一个月的餐费预算只有3000元，也就是说我一天只有100元，这个标准。这顿饭185，明天你就得吃土了。这就形成了一个判断:太贵了，要去别的地方。
对企业数据的解读也是如此。不能只看数据和业务。同样的三点:
业务含义：数据反映的是什么业务业绩走势：通过数据形态，解读业务发展走势判断标准：到底什么算好，什么算不好我们一个一个来看看吧。
三、从理解业务含义开始回到最初的例子，“销售业绩”这个指标本身就有很多含义。
直接含义：销售队伍的努力程度销售业绩+成本：企业的盈利情况销售业绩+产品：产品畅销程度销售业绩+用户分层：用户的需求销售业绩+库存：产品进销存管理质量注:这里没有标准，无法判断好坏。这也是为什么得出“业绩低就高”的结论是非常错误的。销售业绩直观地反映了销售团队的努力。如果你想知道这个值是好是坏，我们可以直接问“销售团队的KPI达标了多少？”；也可以从性能曲线的走势来判断。这就需要第二步:观察业绩走势。
四、观察业绩走势一个问题:“什么样的产品会卖这个曲线？”因为有七天的数据，可能代表三种趋势:
1. 这是自然周期性变化七天代表一周，周一到周五是工作日，周六周日是休息日，所以这是一个工作日卖很多，休息日不卖的产品——是的，你很自然的认为这可能是B2B的交易，只有工作日上班才能拿到很多生意，周日休息。或者围绕B2B的衍生业务，比如CBD的餐厅。
2. 这是生命周期性变化有可能一个主打产品已经卖到了生命周期的末期，正在退出市场，下一个新品即将上去临时换。注:一般我们看生命周期数据，是从生命周期开始的T+N天的图，不是一个自然日。
3. 这是突发性变化周六日出可能有问题，交易系统宕机，促销活动可能周六周日结束，周六周日可能有恶劣天气。
通过判断趋势，可以建立初步的标准。如果是周期性变化，很可能是正常波动，我们初步判定为“正常”。如果是突然+下跌，很可能是异常的、不好的波动，我们可以初步判断为“问题”。有了标准，就可以做出判断，但三个假设都有可能，需要进一步验证。
五、列出假设做验证如果你想知道你的想法是否正确，你必须检验这个假设。有两种方法可以验证这个假设:
第一，可以和业务部门沟通，了解实际情况。
第二，可以参考过去的数据来验证判断，同时反向验证营业部是否说谎。
数据验证可能很复杂，但也可能很简单。不需要复杂的逻辑，一条曲线就够了。如下图所示。
只要延长时间，变化的原因也可以用一个业绩趋势+经营业绩来解释。如果过去一直存在周期性波动，那么时间长了就能看到周期性的规律性。
在实际业务操作中，上述三种情况经常出现，只是形式比较复杂，而且往往是混用。例如，B2C零售和B2B销售是相反的:
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节性规律突发事件：大促销（猛涨）恶劣天气（猛跌）看数据的时候，业绩曲线往往会被贴上标签，比如某个日期是不是假期，某个关键产品的生命周期是不是结束了，有没有突发事件。这样，规律就可以从看似不规则的曲线中区分出来。
这也是很多有经验的业务人员即使没有专门的数据分析也能迅速判断形势的原因，因为他们对业务中发生的事情非常熟悉，了解过去业绩曲线的形态，结合经营业绩看趋势，比盲目计算同比、环比、均值、中位数有用得多。
六、深入细节看问题做完最后一步，我只是帮你理解数据的含义，没有回答任何问题。如果停在最后一步，你就成了商业应声虫:“业绩下滑是因为大雨”，“这是正常波动，周末必然下跌”...如果你简单的这么解读，很可能会得到一句话:“我就知道”。
事实上，人们经常会注意到突发疾病，但容易遗漏的是对慢性疾病的观察。例如，如下图:
如果只看每天的数据，会觉得每天好像波动不大，只能感觉月初好像比月末高一点，但是看周数据就发现问题了。
为什么不在业绩好的月份最后一周冲刺？上个月业绩不错+月底没有冲刺+这个月开局特别好。这个曲线是不规则的，很可能这就是B2B销售中“隐瞒业绩”的行为。
这时候数据分析师也可以对一线业务说:我早知道了。甚至从下个月开始能吐出多少单，每个人都隐藏了多少业绩。
这也是为什么在实际业务操作中，不能只看数字，还要建立数据指标体系，做好日报、周报、月报。
每日报告用于关联业务操作和响应意外问题，而每周和每月报告用于跟踪趋势和发现更深层次的问题。深层问题将通过主题分析来解决。这就构成了一个数据分析系统，系统化的运营是强大的。
当然，实际分析场景会更复杂。有可能经过数据解读，得出“销售在西藏，真实业绩比数据反映的要好”的结论，但这里面是否有隐情，有多少是真实的，还得专门立项，深入分析。
但无论如何，我们总比只回复一句:“高一点！”它取得了很大的进步，赢得了企业的尊重。
七、解读数据是个硬技能有的同学会说:既然数据分析师这么难自己猜测，为什么不直接沟通业务需求呢？是的，理论上最好的状态是业务和数据之间，业务报表需求和数据反馈结论之间有规律的沟通。
然而，在大多数企业中，这种状态并不存在。大多数企业都忙于自己的工作。数据忙着爬桌子应付日常报表，业务忙着工作。部门之间几乎没有沟通，尤其是在较大的公司。
另外，很多人对数据分析本身并不了解清楚，还停留在“一个神仙仙鹤骨的道士捏着指头数着指头，说着惊世骇俗的话”的印象中。
这些综合作用导致了文章开头的问题，所以数据分析师不能简单的指望业务把所有的问题都整理出来扔给自己，还是要有主动解读的能力。
#专栏作家#陈老师，接地气，微信微信官方账号:接地气派，蜘蛛智链专栏作家。资深顾问，在互联网、金融、快消、零售、耐久、美妆等15个行业拥有丰富的数据相关经验。
本文原载蜘蛛智慧链。未经允许禁止转载。
图片来自PEPEPEELS，基于CC0协议。
