公众号：数据海洋

作者：数据海洋

假设你是一个业务运营的同学，尝试问几个和数据相关的问题？

你会在什么时候【什么场景下】需要数据？

不同场景下你希望的数据时效性如何？

你需要什么样的内容的数据？

你希望数据以什么形式提供？

你为什么要看这些数据，需要用这些数据解决什么问题？

数据能有多大可能性解决业务提出的问题？

这个数据内容是一次性提供还是希望持续提供？

如何用一句话，让你像你的业务团队的同学描述数据的价值，你会怎么描述？

“让你服务的业务伙伴更专注，更专业，更高效。”

一、业务现状怎么样，业务是否有异常

业务状况是否异常，需要数据分析师能定义和设计好核心的关键数据指标，从而让业务可以用数据有效、清晰、简洁反应业务状况好与坏：

1. 绝对值：例如：销售金额多少？

2. 比率值：

同比：周同比【同比上周同比】；周累计同比；月累计同比；年累计同比

环比：日环比；周环比；月环比；

平均值比：公司过去1周、2周，4周、8周平均；

目标比：周完成率；月完成率；

……

现在比较流行的是构建数据仪表盘，如果没有资源开发那么好的可视化工具。做成表格的样式也是非常好的。但比较建议报表的开发，有一定的拆分逻辑。

二、业务异常发生在哪？谁负责的业务有异常？

为什么发生业务异常？

如果业务有异常，业务想知道异常发生在哪？例如：一家线下超市，如果店长发现销售同比上周下降了。想是哪个课组下降了？再看是由哪些单品下降引起的。

有同学问，海洋老师这不可能直接定位到下降的商品吗？按下降程度由大到小排序：通过商品名称、销售金额、下降比例、下降影响占比，可以快速定位到具体单品。

其实中间增加一层的拆解，不管课组还是大类，这层往往是先要定位到人，有人负责后再去发现问题，就意味着有人后续会跟进这个行动。【任何指标的拆解第一层应该：以人负责的维度】

当看到下降最大的商品名称列表的时候，需要去判断为什么会下降？【在一个相对成熟的业务中，销售下降的原因是可以进行穷举的】一个好的数据分析师，当负责支持业务一段时间后，在理解业务的基础上。应该是有能力构建出业务关键指标的数据指标分析体系。

假设你是一家服务行业的数据分析师，销售金额是一个最重要的商业指标，当销售变化后。假设按某个【有负责人】维度进行了拆分后，你会再关联分析什么样的数据指标从而快速定位销售可能下降的原因，销售下降把原因分成几种类型：

1. 本身原因

a) 商品原因

商品促销

商品价格

商品品质

商品缺货

b) 会员原因

流量不足

新客下降

老会员下降

c) 配送原因

d) …..

2. 竞争对手

三、针对业务问题如何改进？

通过数据分析发现，业务问题解决的方向在哪？机会点是什么？可以采取什么样的策略行动？资源的限制是什么。

经验丰富的业务同学，对出现的问题可能会有很多可能原因的假设。希望通过数据快速验证这些假设。

四、通过数据进行提前预警，对可能的问题

提前做准备

通过对业务的关键环节，关键的商业场景，设定一定的阀值。当出现设计的阀值的时候可以及时预警【数据的时效性】

没有系统自动化的预警，可能会导致异常问题发现的时间周期很大，甚至有可能被忽略而没有发现问题。【防微杜渐】

五、数据智能的预测哪个会员，哪个商品，哪个环节

可能会出现某个问题的概率

不是等待业务实际产生问题后，再是通过历史数据积累，利用算法或者分析规则的沉淀对未来某个场景下的核心数据指标进行预测性分析，从而在事中进行预警，提前做准备。

落地：

1. 看了你的数据分析报告，在开始调整策略方案；

2. 对某个具体的行动做出针对性优化；

知识点：

任何一个数据分析师（应该是所有的同学），到达一个新公司的时候，一定是要去了解公司的部门设置，每个部门的工作内容，工作范围，工作职责，工作目标是什么。当然这个部门的设置如何能与公司的商业模式，业务流程结合起来是最好的。

数据分析目的：帮助业务决策，帮助业务解决问题。

首先一定要很清楚知道这个问题产生的背景，要解决的问题是什么类型的，解决问题的时间是什么。一般数据分析要解决的问题类型主要可以分为以下几类：

1. 解释数据变化的真正原因。

2. 针对变化，建议采取的策略是什么。

数据分析从流程来看，基本就按以下的步骤：在实际工作中，一定是把问题首先界定清楚，业务明确提出需求。业务在提数据需求的时候往往是不清晰的。

CDA学员免费下载查看报告全文：2026全球数智化人才指数报告【CDA数据科学研究院】.pdf