做数据十年，第一次见这么棒的数据分析方法

本文深入探讨了数据分析在业务中的应用，提出了六大业务需求对应的分析方法。解决如何将数据分析与实际业务紧密结合的问题，特别适合数据分析师和业务决策者阅读。

———— / BEGIN / ————

很多同学会困惑：到底什么才是数据分析方法？因为网上对于数据分析方法的描述，有些抄袭自营销学书本，比如4P、PEST；有些则抄袭自统计学书本，比如相关分析，回归分析。可真到做分析的时候就傻眼了：眼前的问题到底该P一下还是回归一下？

想真正理解，掌握数据分析方法，当然不能这样“拿着锤子找钉”。工作中的数据分析，要紧密结合业务，服务业务需求。因此理解业务需求，围绕问题找答案，才能理解各种数据分析方法有什么用，该怎么用。

01 6大类典型的业务需求

一个完整的业务活动，分为六个步骤：了解现状→设定目标→制定计划→监控走势→诊断问题→复盘结果。在每个阶段，业务掌握的信息，想解决的问题是不一样的，因此对数据的需求会不一样（如下图）。

如果是从制定年度经营计划开始，数据分析师就参与到工作中，那么就会完整地经历这6个步骤。

但是，很多同学是中途入职/半道接手工作，最常见的是：

这个时候，很有可能数据分析师对业务都不熟悉，匆忙赶鸭子上架，肯定毫无思路了。此时，至少得把第1步：了解业务现状补齐，然后再对症下药。

了解现状阶段，更多是系统地呈现数据指标，让业务看清楚情况。数据指标体系本身有3种结构：并列式、流程式、总分式。有

一些常见的分析方法与这三种形式对应。比如：

需要注意的是：单纯地展示指标并不能得出任何分析结论。至少要展示指标+不同个体间进行对比。比如：

因此，在了解现状阶段，不要光想着罗列一大堆指标出来，而是思考下：到底选取谁进行对比，才能更好发现业务之间差异性，从而启发业务部门思考。

在设定目标阶段，很有可能业务部门想了解：

此时就涉及到预测问题。预测自然发展趋势，一般会运用到时间序列法，根据数据走势的不同，有平滑法、自回归、季节性回归、带季节趋势的回归等方法可用。如果考虑改变资源投入，可以考虑带因果关系回归。因为投入产出之间一般都有函数关系，可以通过数据拟合投入产出曲线，从而模拟调整结果。

如果要改变业务做法，则要先看：业务是否有采取同类措施。如果已有同类做法，则可以参考同类做法的投入产出情况进行推算。如果连做都没做过，那就得先做测试，不然没数据就是空拍脑袋。

需要注意的是：设定目标很多时候要体现领导想法，数据本身只是参考。所以很有可能在做完自然情况预测后，业务部门就会开始拍脑袋了。

此时可能不需要复杂的分析方法，而是利用数据指标体系，拆解KPI指标，之后根据领导们的要求增减相关，模拟可能的结果。

在制定计划阶段，很有可能业务想把一个大目标拆解下去，落实到具体执行工作中。此时可以使用OGSM方法，这是一套标准的把定性目标落实为定量目标，把定量目标拆解为执行步骤，再监控执行的方法（如下图）。

还有可能，业务想先不自己动手拆，而是看在现有投入产出水平下，理论最优解是什么。此时可以构建投入成本函数，利用本量利分析/线性规划方法，计算理论最优解，供业务参考（如下图）。

同目标设定一样，做计划的时候，很有可能业务完全凭经验，自己估摸一个数字就开干了。过于粗糙的计划，会导致：执行安排不合理、临时调来调去、缺少后备方案，这些都会导致执行过程的问题。

数据分析师如果能提前了解情况，就能在下一步监控走势的时候轻松很多。

在监控走势阶段，核心任务是：观察业务是否在预期内发展，是否有异常波动。因此需要数据分析方法，判断业务是否正常。

此时有周期性分析法、投入产出分析、结构分析法、分层分析法、矩阵分析法五种方法可用。

周期性分析法，是根据业务特点，拆解出业务发展随季节变化/生命周期变化/投入产出变化而产生的规律。通过和常规走势对比发现问题。
投入产出分析，则是根据业务行动投入力度+过往数据经验，预判可能效果，如果排查：是否因本次业务执行不力，导致数据异常
结构分析、分层分析、矩阵分析，则是通过多个业务之间对比，发现被平均数掩盖的问题。还有些常见的说法，比如ABC分类、二八分类，其实都是分层分析的特殊形态（如下图）