
作者 | 陈老师
来源 | 接地气学堂
经常有同学抱怨,在公司里,总被催着问:通过数据,你看到了什么?可实际数据就几个曲线而已,也不知道咋解读。也没有人教,自己好不容易写了几句,又被嫌弃:“你这都是废话,我们要深层次含义”。咋办?今天系统解答一下。就举个最简单的例子,下边是某公司一周销量数据,你看到了什么?
错误的数据解读示例
1、高了表扬低了骂。数据解读,写的是:周一到周五很高,周六、周日低,所以要!搞!高!……这么解读当然会被说:你这都是废话啊!业务又不是瞎子,看不到数字是周六日低吗。
2、哪里跌了哪搞高。因为周六跌了48%,所以要搞高……这个是废话*2和上一种说法是一个模子里刻出来的。
3、加减乘除算不停。平均值95.2,最大值125,最小值35……这个是废话*3。平均95.2所以呢?最大值125所以呢?这还是在把数字复述一遍而已,没有讲出任何含义。
解读的关键是理清业务含义
以上三种错误的共同点,是:就数论数,止于数据。没有读出数据背后的业务意义。其实数据解读一点都不高深,我们每月每天都在用,比如:
业务部门做决策也一样。他们想听的是:不划算、不喜欢、买不起。他们更想听的是:“今天中午预算只有人均50,在这家川菜馆既管饱又好吃”,他们想听的绝不是“2公里内共28家餐厅,平均价格63元,最高价725元,最低价13元,较上个月价格提升了10%”——这真的是一点意义都没有。
想要得出这种判断,需要三个条件:1、了解数据代表的现实含义2、了解数据大小代表的现实区别3、明确判断标准
比如大众点评上饭店人均金额185元。它不是一个孤零零的数字,而是填肚子的成本,这是人均金额的现实含义。成本低了可以接受,高了就吃不起,这是数据大小的现实区别。比如我一个月餐费预算只有3000块,意味着每天只有100块钱,这就有了标准。那这一顿185,明天就得吃土了。这就形成了判断:太贵了,得换个地方。
解读企业数据也如此,不能只见数据,不见业务。同样三点:1、业务含义:数据反映的是什么业务
2、业绩走势:通过数据形态,解读业务发展走势
3、判断标准:到底什么算好,什么算不好
下边我们一个个看一下
从理解业务含义开始
回到开头的例子,“销售业绩”这个指标本身有很多含义。
但是注意:这里并没有标准,因此无法判断是好是坏。这也是为什么直接下结论:业绩低了要搞高,是非常错误的行为。销售业绩直观反映的是销售队伍的努力程度,想知道这个数值是好是坏,我们可以直接去问“销售队伍的KPI达标了多少?”;也可以从业绩曲线走势来判断。这就需要做第二步:观察业绩走势。
观察业绩走势
一个问题:“什么样的产品会卖出这种曲线?”因为有七天的数据,所以可能代表了三种走势:
1、这是自然周期性变化。七天代表了一周,周一到周五是工作日,周六周日是休息日,所以这是一个工作日销售多,休息日没销售的产品——是滴,你很自然联想到,这可能是B2B的交易,工作日上班了才有大把生意,周日都休息了。或者是围绕B2B的衍生生意,比如CBD的餐厅一类。
2、这是生命周期性变化。有可能某个主打商品销售到了生命周期末尾,正在退市,下一款新的马上要上,暂时变化。注意,一般看生命周期数据,是从生命周期开始做T+N天的图来看,不是看自然日。
3、这是突发性变化。有可能刚好周六日出了问题,交易系统down机,有可能刚好促销活动到周六日结束,有可能刚好周六日恶劣天气。
通过对走势的判断,可以建立初步的标准。如果是周期性变化,那很有可能是正常波动,我们初步判做“正常”。如果是突发+下跌,那很有可能是异常且坏的波动,我们可以初步判做“问题”。有了标准,就能下判断,只是三种假设都有可能,需要进一步验证。
列出假设做验证
想知道自己思考的对不对,就得去验证假设。验证假设的办法有两种:第一,可以和业务部门沟通,了解实际情况。第二,可以参考过往数据,验证判断,同时反向验证业务部门是不是撒谎了。数据验证可以做的很复杂,但也能做的很简单。不需要很复杂的逻辑,只要一根曲线就够了。如下图。
只要延长时间,靠一根业绩走势+业务表现,也可以解读出变化的原因。如果过往一直都是有周期性波动,那拉长时间就能看出来周期规律。
实际企业经营中,也经常出现上边三种情形,只是形态更复杂,往往是三种混合。比如B2C零售和B2B销售是反着的:
1、自然周期性:周五到周日高,其他工作日低;
2、生命周期性:新品上市到下市有季节性规律3、突发事件:大促销(猛涨)恶劣天气(猛跌)
在看数据的时候,往往会在业绩曲线上打上标签,比如一个日期是否节假日,是否某重点产品生命周期结束,是否突发情况。这样,可以从看似无规律的曲线里区分出规律来。这也是为啥很多经验丰富的业务人员,即使没有专门的数据分析,也能快速判断形势的原因。因为他们很了解业务上发生了啥事,了解过往业绩曲线形态。结合业务表现看走势,比盲目的算同比、环比、平均数,中位数要有用得多。
深入细节看问题
做完上一步,只是帮大家理解了数据含义,并没解答什么问题。如果止于上一步,就会变成业务的应声虫:“业绩下降是因为下大暴雨了”“这是正常波动,周末肯定要跌啦”……只是单纯的这么解读,很有可能会换来一句:“我早知道了”。实际上,往往人们都会注意到突发性急病,容易缺失的是对慢性病的观察。比如下图:
如果只看日数据,会感觉似乎每天波动不大,只能略微感到月头比月尾似乎高那么一点。但是如果拉长看周数据,就会发现问题。为什么在业绩好的月份,最后一周不冲刺业绩了?上月业绩好+月底不冲刺+本月开局格外好,这个曲线走势不和规律,很有可能是这就是B2B销售中的“藏业绩”行为。这时候,做数据分析的也能对一线业务说:我早知道了。甚至还能从下个月初吐出多少单,反推出来他们每个人藏了多少业绩。
这也是为啥实际企业经营中,我们不止看孤零零一个数,而是搭一个数据指标体系,还要做日报、周报、月报的原因。日报用来关联业务动作,反应突发问题,周报和月报用来追踪趋势,发现更深层次的问题。深层次的问题,再由专题分析解决。这样就构成了数据分析体系,系统化作战,才有威力。当然,实际分析场景会更复杂。有可能经过数据解读,我们得出的是:“销售在藏单,真实业绩比数据体现的更好”这种结论,但到底是不是藏了,真实的又是多少,还得成立专项,深入分析。但无论如何,我们都比只回复一句:“要搞高!”要进步了很多,也能赢得业务的尊重。
解读数据是个硬技能
有同学会说:既然让数据分析师自己猜这么难,为什么不直接沟通业务的需求呢?是滴,理论上最佳的状态,是业务和数据之间有定期沟通,业务陈述需求,数据反馈结论。不过大部分企业,这个状态不存在。大部分企业都是大家各忙各的,数据忙于爬表出数应付日常各种报表,业务忙着干活撕逼。部门之间深沟高垒,几乎没有沟通,越大的公司越是如此。
再加上,很多人对数据分析本身认识不清,还停留在“一个仙风鹤骨的道长掐指一算,口出出惊世憾俗之言”的印象中。共同作用,导致了文章开头的问题。因此数据分析师不能单纯指望业务把什么问题都梳理好了丢给自己,还是得有主动解读的能力的。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
探索最优回归方程:数据背后的精准预测密码 在数据分析和统计学的广阔领域中,回归分析是揭示变量之间关系的重要工具,而回 ...
2025-07-02CDA 证书:银行招聘中的 “黄金通行证” 在金融科技飞速发展的当下,银行正加速向数字化、智能化转型,海量数据成为 ...
2025-07-02CDA 数据分析师报考条件全解析:开启数据洞察之旅 在当今数字化浪潮席卷全球的时代,数据已成为企业乃至整个社会发展的核心驱 ...
2025-07-01深入解析 SQL 中 CASE 语句条件的执行顺序 在 SQL 编程领域,CASE语句是实现条件逻辑判断、数据转换与分类的重要工 ...
2025-07-01SPSS 中计算三个变量交集的详细指南 在数据分析领域,挖掘变量之间的潜在关系是获取有价值信息的关键步骤。当我们需要探究 ...
2025-07-01CDA 数据分析师:就业前景广阔的新兴职业 在当今数字化时代,数据已成为企业和组织决策的重要依据。数据分析师作为负责收集 ...
2025-06-30探秘卷积层:为何一个卷积层需要两个卷积核 在深度学习的世界里,卷积神经网络(CNN)凭借其强大的特征提取能力 ...
2025-06-30探索 CDA 数据分析师在线课程:开启数据洞察之旅 在数字化浪潮席卷全球的当下,数据已成为企业决策、创新与发展的核心驱 ...
2025-06-303D VLA新范式!CVPR冠军方案BridgeVLA,真机性能提升32% 编辑:LRST 【新智元导读】中科院自动化所提出BridgeVLA模型,通过将 ...
2025-06-30LSTM 为何会产生误差?深入剖析其背后的原因 在深度学习领域,LSTM(Long Short-Term Memory)网络凭借其独特的记忆单元设 ...
2025-06-27LLM进入拖拽时代!只靠Prompt几秒定制大模型,效率飙升12000倍 【新智元导读】最近,来自NUS、UT Austin等机构的研究人员创新 ...
2025-06-27探秘 z-score:数据分析中的标准化利器 在数据的海洋中,面对形态各异、尺度不同的数据,如何找到一个通用的标准来衡量数据 ...
2025-06-26Excel 中为不同柱形设置独立背景(按数据分区)的方法详解 在数据分析与可视化呈现过程中,Excel 柱形图是展示数据的常用工 ...
2025-06-26CDA 数据分析师会被 AI 取代吗? 在当今数字化时代,数据的重要性日益凸显,数据分析师成为了众多企业不可或缺的角色 ...
2025-06-26CDA 数据分析师证书考取全攻略 在数字化浪潮汹涌的当下,数据已成为企业乃至整个社会发展的核心驱动力。数据分析师作 ...
2025-06-25人工智能在数据分析的应用场景 在数字化浪潮席卷全球的当下,数据以前所未有的速度增长,传统的数据分析方法逐渐难以满足海 ...
2025-06-25评估模型预测为正时的准确性 在机器学习与数据科学领域,模型预测的准确性是衡量其性能优劣的核心指标。尤其是当模型预测结 ...
2025-06-25CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-06-24金融行业的大数据变革:五大应用案例深度解析 在数字化浪潮中,金融行业正经历着深刻的变革,大数据技术的广泛应用 ...
2025-06-24Power Query 中实现移动加权平均的详细指南 在数据分析和处理中,移动加权平均是一种非常有用的计算方法,它能够根据不同数据 ...
2025-06-24