在當今數(shù)據(jù)泛濫的時代，數(shù)據(jù)分析已再也不僅僅停留于表面，而是深入到洞察與結(jié)論的層面。正如古人所言，“工欲善其事，必先利其器”，數(shù)據(jù)分析師們想要在數(shù)據(jù)的海洋中撈出真正的珍珠，就必須把握一套有效的分析框架。本文將從數(shù)據(jù)評估、反常歸因到行動意見，全方位解析怎樣提煉數(shù)據(jù)中的“Insight”，為企業(yè)決策供給有力支持。

加入咨詢機構(gòu)（MBB之一）這兩年，感受最深的便是不管是給老板報告還是給客戶報告，最核心的一點便是你的Insight（洞察或結(jié)論是什么）。在做數(shù)據(jù)數(shù)據(jù)分析或業(yè)務科研時，你不僅要給出數(shù)據(jù)結(jié)果的事實，還需要給出你自己基于數(shù)據(jù)得到的結(jié)論和意見，這才是你的價值，亦便是需要具備描述數(shù)據(jù)是什么，數(shù)據(jù)怎么樣，為何會這般，咱們該怎樣做的一整套分析框架。那樣，在平常數(shù)據(jù)分析工作中，你的“Insight”來自于哪里呢？

1、數(shù)據(jù)怎么樣是數(shù)據(jù)分析的基本

當下大眾都比較注重健康，畢竟需要為祖國健康工作50年，拿到體檢報告后，倘若只是給了你一堆血糖、血脂、尿酸、BMI等指標的數(shù)值，你啥亦看不懂。而倘若標注了某一指標高了或低了的箭頭，你就曉得這一項有問題了，需要找大夫詮釋下這個白細胞數(shù)指標超標表率啥意思。

一樣，針對數(shù)據(jù)指標體系想要能夠給到業(yè)務用戶供給指點意見，必不可少的便是指標好壞的評估標準。只告訴老板昨天DAU 100W無任何道理，還需要他自己判斷100W業(yè)務到底正常還是出了問題。因此呢，數(shù)據(jù)指標體系必須包括區(qū)別指標的好壞的評估標準，通常來講常用的有：

和歷史比

同比：（本期-去年同期）/去年同期，適用于發(fā)展穩(wěn)定的業(yè)務形態(tài)，今年和去年對比看下是不是連續(xù)增長環(huán)比：（本期-上期）/上期，適合分析近期的變化，能夠從日

環(huán)比，衍生出對比本周一對比上周一，本月1號對比上月1號的月環(huán)比，能夠反應短周期內(nèi)業(yè)務動作是不是起到了正向功效，適合監(jiān)控快速變化的業(yè)務場景

和歷史峰值比，是不是完成自我超越，取得新的里程碑，用于做有些團隊激勵，如營銷管理場景

和歷史均值對比（近7天、近30天等），思慮有些特殊日期、或活動的影響，以均值做為參考線，拉齊反常點的影響

和目的比

目的完成度：指標實質(zhì)值/目的值，通常來講企業(yè)經(jīng)營管理都需要設置自上而下量化管理的KPI指標，年度、季度、月度等，1個億的小目的不是人人都可實現(xiàn)，然則腳踏實地影響獎金的的KPI還是要時刻緊盯的。

和同行比

不患寡而患不均，打績效分獎金的時候怎么樣服眾，常用的便是你張三做的無李四好，因此李四是A，你是B。因此能夠和平級對比，例如分部平均、中位數(shù)等，衍生出能夠在更大范圍內(nèi)的對比，例如行業(yè)內(nèi)。

和預警值比

過去指標閾值設置敗興業(yè)務經(jīng)營為主，例如業(yè)務確定GMV同比波動超過50%算反常，隨著大模型應用的成熟，能夠依賴算法模型，充分思慮季節(jié)周期、營銷活動、天災人禍等各樣原因，設定更加智能化的參考標準。

2、為何會這般是洞察結(jié)論的前提要求

有了指標的好壞評估標準后，當分析監(jiān)控發(fā)掘昨天GMV下降50%，遠高于近期常規(guī)表現(xiàn)以及去年同期（排除業(yè)務季節(jié)性和周期性規(guī)律），這個時候就需要結(jié)合指標體系的分析辦法進一步歸因是哪里出了問題，這兒面就觸及到維度拆解，和相關(guān)指標分析。

維度拆解

多維分析是反常歸因分析最常用的分析辦法之一，是一種從整體到局部的思想，根據(jù)業(yè)務流程或組織拆分數(shù)據(jù)指標支持的分析維度，如制品類型、區(qū)域、省份、途徑等，逐個拆分看是不是某一維度才，存在顯著的維度值貢獻的反常數(shù)值比例很強，日前非常多BI工具的智能歸因分析基于基尼系數(shù)進行維度的拆解，便是這個思想。

指標拆解

在指標體系構(gòu)建時，咱們會把有關(guān)聯(lián)關(guān)系的指標進行歸類組合，例如電商黃金公式GMV=UV*轉(zhuǎn)化率*客單價，當GMV下降反常時，根據(jù)指標拆解的思路，能夠是不是是某一細分指標存在顯著變化。指標拆解的思路初期在財務行業(yè)又叫杜邦分析辦法。

3、咱們該怎樣做是重點的洞察結(jié)論

業(yè)務對數(shù)據(jù)分析的期望是能夠經(jīng)過數(shù)據(jù)分析幫忙她們發(fā)掘商場機會或行動改善意見，亦便是“So What”，倘若只是描述了一堆數(shù)據(jù)事實，給不出結(jié)論性的意見，那你的分析便是沒有“Insight”的。因此，需要基于數(shù)據(jù)拆解和分析的過程，結(jié)合對業(yè)務的認識，給出能夠落地執(zhí)行的決策結(jié)論。例如，GMV環(huán)比下降50%，相關(guān)指標拆分各項指標波動并無顯著差異，維度拆分時，發(fā)掘是某一Top10城市下降嚴重，此時就需要認識競對（行業(yè)）、以及業(yè)務上，在這個城市做了那些動作，最后認識發(fā)掘，是競對新上了某一活動，將海量用戶切走了，這個時候，咱們的意見是，防守端，怎樣避免用戶被切客，進攻端，怎么樣進行競對用戶的拉取等。

同理，在做數(shù)據(jù)制品設計時，只是供給數(shù)據(jù)是什么，怎么樣，為何只是滿足業(yè)務基本的“生理需要”，結(jié)合AI大模型和分析經(jīng)驗能夠給出“怎樣做So What”,才可持續(xù)產(chǎn)生更加多創(chuàng)新價值。

本文由人人都是制品經(jīng)理作者【數(shù)據(jù)干飯人】，微X公眾號：【數(shù)據(jù)干飯人】，原創(chuàng)/授權(quán) 發(fā)布于人人都是制品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來自Unsplash，基于 CC0 協(xié)議。