京公网安备 11010802034615号
经营许可证编号:京B2-20210330
“这个月销量怎么掉了?”——这是商业分析师最常接到的题目,也是最容易答偏的题目。直接打开报表看销量曲线,往往只能得到一句“确实掉了”,却说不清掉在哪里、为什么掉、该动什么。把业务问题拆成指标和维度,本质是给这句模糊的疑问装上一套可定位的结构:先明确要回答什么、要推动什么动作,再用指标度量、用维度切分,最后把口径写清楚,让结论能被复核、能被业务方拿去决策。拆解不是把报表做宽,而是让每一个数字都能对应到一个可判断的业务疑问,让业务方看完知道下一步该查什么、改什么。
拆解的第一步不是选指标,而是把问题还原成一个可判断的业务目标。需要问清楚三件事:这个问题的决策对象是谁,是区域负责人还是品类运营;它要回答的具体疑问是什么,是“整体下滑”还是“某个渠道的新客不买了”;期望的动作是什么,是调整投放、改价还是补货。三件事不清楚,指标就会越拆越多,最后变成一张没人敢用的宽表。澄清时最好把业务方的原话记下来,再逐条翻译成可度量的疑问,避免 analyst 自己的理解替代了真实诉求。
问题澄清之后,用漏斗、公式或业务流程把大问题拆成子问题。漏斗适合有明确转化环节的场景,公式适合能写成乘法或加减关系的目标,流程适合跨部门的业务链路。拆出的每个子问题都应当能独立回答“是或否”“高或低”,否则还需要继续拆。拆到能直接对应一个可取的指标、一个可切的维度为止,再往下拆往往只是增加表格行数,不增加判断力。
子问题确定后,再定义指标。一个实用的做法是把指标分成结果指标和过程指标:结果指标回答“最终怎样”,过程指标回答“哪一环在起作用”。例如复购问题,结果指标是复购率,过程指标可以是首购后30天内的二次访问率、加购率、客服咨询转化率。结果指标用来判断问题是否存在,过程指标用来定位问题卡在哪一环,两者配对写,才能避免只看到结论却找不到抓手。
每个指标都要写清计算公式和口径,至少包含四要素:分子、分母、统计周期、统计单位。以复购率为例,可以定义为“统计周期内发生第二次购买的用户数 ÷ 同期首次购买用户数”,并注明首购与复购的判定以订单支付时间为准、同一用户跨渠道合并计算。口径不写清,两个分析师能算出两个数,后面的维度切分就失去意义。写口径时还要注明剔除项,比如退款、测试单、内部账号是否计入,这些细节往往才是两次取数对不上的真正原因。
指标回答“多少”,维度回答“哪一类”。常见的切分维度包括时间、渠道、用户、产品、区域,但选维度不能凭习惯,要看它能否解释业务差异、是否互斥、数据是否可获取。每选一个维度,都应能说出一句业务假设,否则这个维度只是让表格变长。
CDA持证人蒋少寒在2026年6月的一篇专访中,讲过一个销量下滑溯源的例子:在做某地区销量下滑原因溯源时,先从该地区在售和历史产品的SKU、SPU等维度入手,再带出对应的销量、收入、成本等指标,分别进行横向和纵向分析,发现问题后深入挖掘;对于比较宽泛的命题,则先做大方向拆分,缩小范围后分别定位1。按这个做法,切分从可切分的对象维度起步,销量、收入、成本等度量指标随后挂到这些对象上,而不是先罗列一堆指标再找维度;遇到宽泛命题先缩小范围,再在缩小后的范围内逐层定位。
落到操作上,可以按“问题—子问题—指标—维度—口径”五步推进。维度切分时要写明业务假设,例如“按渠道切分,是因为怀疑某渠道投放质量下降”;交叉维度不宜过多,切得太细会导致每个格子样本量过小,差异不再可解释。一般先做单维度定位,锁定异常区间后再叠加第二维度,逐层收窄比一次性铺开更容易找到原因。
拆完之后要做两项校验。第一项是指标可获取性与可归因性:数据能否按定义取到,取数条件、表连接和汇总逻辑是否一致;如果指标波动无法对应到任何业务动作,说明它不适合作为本次分析的主指标。第二项是维度交叉后的样本量:某个渠道某品类的月度订单只有几十单,算出的复购率波动很大,就不宜据此下结论,应合并维度或拉长时间窗口。校验时把试算结果与业务方的经验判断对照,若数字与一线感受明显冲突,优先回查口径和取数逻辑。
校验的落脚点是业务方确认。把指标定义、维度选择、业务假设和初步试算结果摆出来,请业务方确认口径是否符合实际决策用途。若确认不了,回到问题结构化那一步调整,而不是在报表层反复修饰。确认过程最好留下书面记录,写明谁在何时确认了哪一版口径,后续复用时才有据可查。
一次拆解的产出不应只是一张图,而应包含指标字典、口径对照和核对步骤:每个指标的名称、公式、分子分母、统计周期、数据来源、责任人;每个维度的取值定义与互斥规则;以及试算时发现的异常和处置方式。这样的说明让下一次分析能直接复用,也让看板上的数字有人负责。
从能力补齐的角度看,这套工作对应的是指标定义、质量与生命周期管理,以及取数逻辑追踪和数据质量责任梳理。CDA Level I的指标体系管理、数据治理和SQL数据库应用模块,正好覆盖指标字典维护、口径核对与取数条件追踪这几项基础能力。学习时可以选一个岗位上的真实任务,用公开或模拟数据完成一份带指标字典、口径对照和核对步骤的分析说明,检查取数、口径与结论能否互相解释——这比单独背指标公式更接近实际工作。
下一步,不妨挑一个你手上正在处理的业务疑问,按“问题—子问题—指标—维度—口径”写成一页拆解说明,先请业务方确认口径,再动手取数。
产品上线之后,真正回答"用户是谁、想要什么、卡在哪里"的,往往不是调研问卷,而是用户留下的一条条行为记录。点击、浏览、停留 ...
2026-11-17在日常数据库开发与报表查询中,日期格式几乎是最高频的"打交道"对象:页面上要展示 yyyy-MM-dd,接口要返回 ISO 8601 字符串, ...
2026-11-17核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-17核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-17一、销售行业为什么离不开大数据分析 销售行业的本质是"把合适的产品,在合适的时间,卖给合适的人,并持续复购"。传统销售靠经 ...
2026-11-16一、什么是频数分布 拿到一批连续数据(员工年龄、商品价格、考试分数、订单金额),最想先看的往往不是平均值,而是数据集中在 ...
2026-11-16教育部办公厅关于成立全国数据职业教育教学指导委员会(2026—2030年)的通知 教职成厅函〔2026〕25号 各省、自治区、直辖市教 ...
2026-11-16CDA数据分析师 出品 作者:李诗怡 基础与单表查询 四大类语言 · 数据库基础 · DQL 单表查询 ” 一、SQL 四大类语言与数据 ...
2026-11-13核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-13一、问题从哪来 财务分析里算增长率,常规公式所有人都会写: 增长率本年数上年数上年数 这个公式在"上年为正"时完全成立。但一 ...
2026-11-12一、什么是加权聚类 普通聚类默认"每个样本、每个指标都同等重要":距离公式里每个样本权重都是 1,每个指标在距离计算里占比相 ...
2026-11-12“纲举目张,执本末从。”若想在数据分析领域有所收获,一套合适的学习教材至关重要。一套优质且契合需求的学习教材无疑是那关键 ...
2026-11-12一、需求从哪来 做 Excel 报表时,"从一个透视表取数据"这个需求通常有三种来源: 汇总页引用:明细透视表在另一个 sheet,汇总 ...
2026-11-11一、透视表的价值在哪 一句话概括:数据透视表把"写公式汇总"变成了"拖字段看结果"。 传统做法要写 SUMIFS、COUNTIFS,改一个维 ...
2026-11-11核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-11一、回归分析到底在解决什么问题 很多人学回归分析,是从公式开始的:最小二乘法、残差平方和、R²、t 检验。公式记住了,但一到 ...
2026-11-10一、等级聚类法是什么 等级聚类法(Hierarchical Clustering),中文也叫系统聚类法、层次聚类法,是聚类分析里最经典的一类方法 ...
2026-11-10考试范围 PART 1 大数据基础理论 占比(8% ) a. 大数据分析基础(1%) b. Python 基础(5%) c. Linux & Ubuntu 操作系统基 ...
2026-11-10一、业务背景 在后台列表、管理系统、报表页面的分页需求里,前端通常需要两份数据:当前页的分页记录、符合筛选条件的数据总条 ...
2026-11-09一、需求看起来简单,实际坑不少 "把文本里所有中括号 [] 中间的内容提取出来"——这是文本清洗里最常见的需求之一。日志里的 [I ...
2026-11-09