热线电话:13121318867

登录
首页CDA入门数据分析师如何把业务问题拆成指标、维度和数据口径?
数据分析师如何把业务问题拆成指标、维度和数据口径?
2026-11-18
收藏

“复购变差了,帮我看看怎么回事。”这是数据分析师常接到的一类需求。它听起来像一个明确的问题,实际上包含多个尚未确定的选择:看哪段时间、哪类用户、和谁比较、复购按什么规则算。把这些选择逐一确定下来,就是“拆解”的主要工作。

一条可操作的链路是:业务问题→分析问题→指标→维度→数据口径→取数验证。每一步都有明确产出物,前一步没定清楚,后一步就会返工。

第一步:把业务问题转成分析问题

业务方给出的是现象或诉求,不是分析问题。接到需求先确认三件事:谁要用这个结论、准备据此做什么决策、期望改变哪个业务结果。比如“复购变差”背后,运营可能想决定是否对某类用户追加触达预算。决策动作不同,分析范围就不同。

确认后,把宽泛问题收窄为可回答的分析问题:哪类用户在哪个时间段复购下降、下降发生在首单后第几单、与哪个对比组相比更明显。分析问题要写明比较对象和时间范围,否则后面选指标时没有边界。

第二步:按目标—过程—结果拆指标

分析问题确定后,先找核心指标,再补辅助指标。以复购为例,核心指标是复购率;辅助指标可以包括首单后30天内的二次下单率、各复购间隔段的用户分布、退款率。拆指标时问三个问题:这个指标能否直接回答分析问题?它能否被稳定计算?它变化时业务方能采取行动吗?三个都答“是”,才进入指标树。

指标树不必追求大而全。一个分析问题配一个核心指标、两到四个辅助指标,通常足够定位方向。指标太多反而稀释重点,让业务方不知道该看哪个。

第三步:用维度切出可比较的单元

指标回答“多少”,维度回答“和谁比、在哪看”。常见维度包括时间、渠道、品类、用户分层、区域。维度设计的关键是:每个维度取值都能产生业务上可解释的差异。如果某个维度切完后各组几乎一样,它对这个分析问题就没有区分价值。

CDA持证人蒋少寒在2024年8月的一篇专访中,提到自己做某地区销量下滑原因溯因时的做法:先从这个地区在售和历史产品的SKU、SPU等维度入手,带出对应的销量、收入、成本等度量分别进行横向和纵向分析;在各产品间比较发现离群产品后,再单独查看其各阶段转化及风格属性,同时与市场趋势和标准对比,多角度定位影响因素1。落到本题的维度设计上,就是先确定能产生业务上可解释差异的切分单元,再由这些单元带出度量做横向和纵向比较;比较中出现离群单元时,回到该单元下钻各阶段转化和属性,并拿市场趋势和标准做外部对照,而不是先罗列一堆指标再找地方切。

第四步:把口径写到别人能复算

口径是拆解中最容易被跳过、也最容易引发争议的一步。同一个“复购率”,分子用二次下单用户数还是二次下单订单数,分母用首单用户数还是全部活跃用户数,统计窗口是30天还是90天,是否排除退款和测试订单——四种选择能算出四个不同结果。

口径说明至少写清五项:计算公式(分子、分母各自定义)、统计范围(哪些订单/用户纳入)、时间窗口(起止规则与归属逻辑)、数据源(哪张表、哪个字段)、责任人(谁维护这个口径)。写完后做一次自检:换一个人按说明取数,结果是否一致。不一致就说明还有隐含假设没写出来。

第五步:取数验证,再固化成模板

口径写完不等于能落地。用SQL或表格实际取一次数,重点核对三件事:过滤条件是否与口径说明一致、表连接是否造成重复计数、汇总逻辑与现有报表的差异能否解释。与已有报表对不上时,先查口径差异,而不是直接改数。

验证通过后,把这次拆解整理成可复用资产:指标字典记录指标名、公式、口径、数据源和责任人;口径说明表记录本次分析的范围与例外;监控看板固定核心指标和关键维度。下次遇到同类问题,从模板出发修改范围,比每次从零拆解更稳。

拆解能力如何系统练习

上述链路对应的是几项可以分开训练的能力:把业务诉求转成分析问题、按层级拆指标、设计有区分度的维度、写可复算的口径、用SQL验证取数。CDA Level I的指标体系管理涉及指标定义、质量与生命周期,数据治理涉及数据责任与质量问题的处理流程,SQL数据库应用覆盖筛选、分组、表连接与子查询,这些内容可以支撑“指标字典+口径对照+核对步骤”的练习产出。练习时选一个真实或公开数据场景,完整走一遍五步,重点检查口径说明能否让第二个人独立复算。

下一步

选你手上最近一个模糊需求,先只做一件事:写下分析问题、核心指标、两到三个维度和口径五项说明,然后请业务方确认“这个口径算出来的数,是不是你想看的”。确认通过,再进入取数。

延伸阅读

[1] CDA持证人采访——蒋少寒

数据分析师资讯
更多

OK
客服在线
立即咨询
客服在线
立即咨询