“数据分析的标准流程是啥？”

“为啥感觉自己每天在取数，却看不到问题”

“为啥我提了建议，业务听了不理不睬”

今天来系统地解答这些问题。要让数据分析发挥作用，有 5 个常见的运作流程，大家务必牢记在心。倘若你是部门领导或者资深同事，记得把这些内容转发给你的小伙伴，让他们按部就班地进行，不要着急。全文篇幅较长，记得先给陈老师点个赞，然后再慢慢阅读。

一、认识现状

认识现状是最为简单的一种需求。在数据分析流程中，具体情况如下：业务方面希望了解现状，接着要统计数据指标以及确定判断标准，最后用于描述现状。

比如一个销售主管，问：我的业绩如何？

要满足这种需求，只需直接依据统计时间与统计指标来计算数据。需要注意的是，仅仅给出一个指标可能无法说明问题，只有指标加上标准才能说明问题，并且要附带诸如 KPI、历史趋势、同业情况等作为标准。

二、原因分析

典型的问题有，例如业务会问：“为什么我的业绩没达标？”需注意，在这种情况下，业务存在假设和不存在假设这两种情况，其处理流程是不一样的。

有假设时：量化业务方假设→ 验证假设→ 输出结论

没有假设时：先做拆解→找到问题最大的点→提出假设→验证假设

分析假设具有极为重要的意义。倘若没有假设，仅仅盲目地依照渠道、依照用户或者依照商品来拆解收入等指标，那么只会致使自己的认知愈发混乱。而提出假设，不但能够更轻易地验证其真假，并且也更便于提出相应的建议，例如：

建议：开展优惠活动，以测试价格弹性

三、优化表现

典型的问题，例如“我要怎样做，才可以让业绩冲到第一名”。在此情况下，要先明确问题所在，之后才能给出优化建议：首先要清晰地了解现状，接着找到问题点，然后提出假设，再对假设进行验证，针对已经验证的关键假设去寻找办法，最后对办法进行测试。

此时分析流程较为冗长，而这是唯一的办法。如果缺少问题定位以及标杆分析，仅仅依靠几个数字是无法计算出业务可行的建议的，许多数据分析师都曾因此吃亏。

四、预测走势

公司有一个业绩排名奖，例如全国每月同比增长排名前 5 的团队能够获得一笔奖金。如今已经到 20 号了，销售主管十分想知晓自己是否有机会获得此奖。

预测本身有好几种方法：

1、简单用前20天趋势，模拟未来10天走势（趋势外推）

2、根据去年同期的走势，模拟未来10天走势（周期性分析）

根据手头正在跟进的客户的预计转化率，来得出预计结果（业务模型）。

根据销售人数以及销售费用等数据来进行建模，之后对结果进行预测（使用的是算法模型）

关键问题在于是否考虑业务投入。若考虑业务投入，就只能使用 3、4，并且需要业务先提供他到底要投入的人数以及投入的钱数。

五、主动解读数据

数据分析师除了被动地等待业务提问之外，还能够主动去解读数据，进而发现问题。然而需要注意的是，就如同“春江水暖鸭先知”所说的那样，很有可能会出现……

1.你从数据看到的问题，业务早知道了

2.你只看到表象的同比环比，没看到关键

3.你只看到了近期问题，没有看长时间历史趋势

所以，不要一看到有 1%的波动，就激动地随意发布通报。要抓住关键问题，就像下面的图所展示的那样。

从出现异动开始，经历异常波动、业务沟通、问题确认以及深入分析或问题结束等阶段。通常是数据分析师察觉到指标发生异动后，便向业务方进行确认。倘若异动是由业务方主动发起或者已经采取措施进行应对，那么就不再继续纠结；若是意外情况，则需要进一步深入分析，直至明确问题的原因。

从标杆开始，接着去寻找标杆。在业务沟通中，要进行可复制性的确认或者问题的结束。通常情况下，是在数据方面发现某个产品、某个地区或者某个渠道的表现极为出色，这时数据能够主动向业务确认“是否为一个机会点”以及“是否值得推广”。倘若业务早已知晓，那么就直接结束。要是业务对此感兴趣，就深入剖析标杆的可复制性，进而推动标杆的推广。

从部门联动方面来看：首先进行关联情况的分析，接着实现信息的共享，然后确认存在的问题，之后进行深入的分析或者问题得以解决。这种情况通常在做经营分析时会出现，例如当发现销售走势出现下滑时，要提醒供应部门注意积压风险；又如发现营销方面花钱很猛，需关注现金流情况；再如发现有业务计划中的大活动，要提醒客服/售后部门做好准备。先进行信息的共享，然后查看有关部门是否有相应的应对措施，如果没有应对措施则再进行深入分析。