在當(dāng)今數(shù)據(jù)泛濫的時(shí)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(píng)估、反常歸因到行動(dòng)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(jī)構(gòu)（MBB之一）這兩年，感受最深的便是不管是給老板報(bào)告還是給客戶報(bào)告，最核心的一點(diǎn)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(wù)科研時(shí)，你不僅要給出數(shù)據(jù)結(jié)果的事實(shí)，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(jià)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(huì)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(lái)自于哪里呢？

1、數(shù)據(jù)怎么樣是數(shù)據(jù)分析的基本

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

一樣，針對(duì)數(shù)據(jù)指標(biāo)體系想要能夠給到業(yè)務(wù)用戶供給指點(diǎn)意見，必不可少的便是指標(biāo)好壞的評(píng)估標(biāo)準(zhǔn)。只告訴老板昨天DAU 100W無(wú)任何道理，還需要他自己判斷100W業(yè)務(wù)到底正常還是出了問(wèn)題。因此呢，數(shù)據(jù)指標(biāo)體系必須包括區(qū)別指標(biāo)的好壞的評(píng)估標(biāo)準(zhǔn)，通常來(lái)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(wù)形態(tài)，今年和去年對(duì)比看下是不是連續(xù)增長(zhǎng)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(duì)比本周一對(duì)比上周一，本月1號(hào)對(duì)比上月1號(hào)的月環(huán)比，能夠反應(yīng)短周期內(nèi)業(yè)務(wù)動(dòng)作是不是起到了正向功效，適合監(jiān)控快速變化的業(yè)務(wù)場(chǎng)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(tuán)隊(duì)激勵(lì)，如營(yíng)銷管理場(chǎng)景

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

和目的比

目的完成度：指標(biāo)實(shí)質(zhì)值/目的值，通常來(lái)講企業(yè)經(jīng)營(yíng)管理都需要設(shè)置自上而下量化管理的KPI指標(biāo)，年度、季度、月度等，1個(gè)億的小目的不是人人都可實(shí)現(xiàn)，然則腳踏實(shí)地影響?yīng)劷鸬牡腒PI還是要時(shí)刻緊盯的。

和同行比

不患寡而患不均，打績(jī)效分獎(jiǎng)金的時(shí)候怎么樣服眾，常用的便是你張三做的無(wú)李四好，因此李四是A，你是B。因此能夠和平級(jí)對(duì)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(duì)比，例如行業(yè)內(nèi)。

和預(yù)警值比

過(guò)去指標(biāo)閾值設(shè)置敗興業(yè)務(wù)經(jīng)營(yíng)為主，例如業(yè)務(wù)確定GMV同比波動(dòng)超過(guò)50%算反常，隨著大模型應(yīng)用的成熟，能夠依賴算法模型，充分思慮季節(jié)周期、營(yíng)銷活動(dòng)、天災(zāi)人禍等各樣原因，設(shè)定更加智能化的參考標(biāo)準(zhǔn)。

2、為何會(huì)這般是洞察結(jié)論的前提要求

有了指標(biāo)的好壞評(píng)估標(biāo)準(zhǔn)后，當(dāng)分析監(jiān)控發(fā)掘昨天GMV下降50%，遠(yuǎn)高于近期常規(guī)表現(xiàn)以及去年同期（排除業(yè)務(wù)季節(jié)性和周期性規(guī)律），這個(gè)時(shí)候就需要結(jié)合指標(biāo)體系的分析辦法進(jìn)一步歸因是哪里出了問(wèn)題，這兒面就觸及到維度拆解，和相關(guān)指標(biāo)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(wù)流程或組織拆分?jǐn)?shù)據(jù)指標(biāo)支持的分析維度，如制品類型、區(qū)域、省份、途徑等，逐個(gè)拆分看是不是某一維度才，存在顯著的維度值貢獻(xiàn)的反常數(shù)值比例很強(qiáng)，日前非常多BI工具的智能歸因分析基于基尼系數(shù)進(jìn)行維度的拆解，便是這個(gè)思想。

指標(biāo)拆解

在指標(biāo)體系構(gòu)建時(shí)，咱們會(huì)把有關(guān)聯(lián)關(guān)系的指標(biāo)進(jìn)行歸類組合，例如電商黃金公式GMV=UV*轉(zhuǎn)化率*客單價(jià)，當(dāng)GMV下降反常時(shí)，根據(jù)指標(biāo)拆解的思路，能夠是不是是某一細(xì)分指標(biāo)存在顯著變化。指標(biāo)拆解的思路初期在財(cái)務(wù)行業(yè)又叫杜邦分析辦法。

3、咱們該怎樣做是重點(diǎn)的洞察結(jié)論

業(yè)務(wù)對(duì)數(shù)據(jù)分析的期望是能夠經(jīng)過(guò)數(shù)據(jù)分析幫忙她們發(fā)掘商場(chǎng)機(jī)會(huì)或行動(dòng)改善意見，亦便是“So What”，倘若只是描述了一堆數(shù)據(jù)事實(shí)，給不出結(jié)論性的意見，那你的分析便是沒(méi)有“Insight”的。因此，需要基于數(shù)據(jù)拆解和分析的過(guò)程，結(jié)合對(duì)業(yè)務(wù)的認(rèn)識(shí)，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(biāo)拆分各項(xiàng)指標(biāo)波動(dòng)并無(wú)顯著差異，維度拆分時(shí)，發(fā)掘是某一Top10城市下降嚴(yán)重，此時(shí)就需要認(rèn)識(shí)競(jìng)對(duì)（行業(yè)）、以及業(yè)務(wù)上，在這個(gè)城市做了那些動(dòng)作，最后認(rèn)識(shí)發(fā)掘，是競(jìng)對(duì)新上了某一活動(dòng)，將海量用戶切走了，這個(gè)時(shí)候，咱們的意見是，防守端，怎樣避免用戶被切客，進(jìn)攻端，怎么樣進(jìn)行競(jìng)對(duì)用戶的拉取等。

同理，在做數(shù)據(jù)制品設(shè)計(jì)時(shí)，只是供給數(shù)據(jù)是什么，怎么樣，為何只是滿足業(yè)務(wù)基本的“生理需要”，結(jié)合AI大模型和分析經(jīng)驗(yàn)能夠給出“怎樣做So What”,才可持續(xù)產(chǎn)生更加多創(chuàng)新價(jià)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(hào)：【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(lái)自Unsplash，基于 CC0 協(xié)議。