数据诊断模型，该怎么搭建？

你会用数据下判断吗？

你怎么确定你的判断是准确的？

现在业务说你判断错了，你怎么应对？

 

用数据下判断，是看似简单，实则极大影响数据分析结果的一个问题。同样是本月销售业绩1000万，如果判断是：业绩很好。那么下一步的分析就是总结成功经验。如果判断是：业绩很差。那么下一步的分析就是发现问题，寻找方案。

 1 

数据诊断问题，为啥那么难

这一点看似简单，可网上90%的文章教的是错的。

网文的逻辑，一般是：

• 环比下跌了，所以不好，要搞高

• 同比下跌了，所以不好，要搞高

• 你去问问业务，业务说好就是好

╮(╯▽╰)╭

 

谁规定的跌就是不好？如果是自然波动呢，如果是计划内的调整呢，如果是营销之后调整期呢？如果是生命周期末尾呢？如果下跌但是KPI仍然达标呢？太多情况了。然后一堆网文还在一本正经的《指标下跌八大分析方法》连啥指标，啥场景都不细讲，分析个屁。

 

问业务同样有问题。因为你挡不住业务浑水摸鱼。丫今天说好，明天说不好，后天说：请数据分析深入分析到底好不好，大后天再说：你这分析不符合业务直觉。甚至明明KPI达标了，丫还让“你深入分析KPI达标背后的隐藏危机……”

 

O(╯□╰)o

 

那么，到底该咋办呢。

 2 

核心问题：诊断标准

做判断的核心是：找标准。标准涉及到后续轻重缓急及原因判断。一定要事先分清楚。而上文讲到的网文的各种错误，本质上都是来自于不考虑业务场景，瞎胡判断。如果结合业务场景来看的话，有四类典型的场景（如下图）。

1、有客观要求。供应链上大部分指标都有物流、化学、交付周期等等客观要求。比如生产质量、产品尺寸、交货时间。这些也被称作硬指标。这种情况下是可以直接拿来做评价标准的。

2、主要要求，但是负向指标。比如客户投诉，虽然大家都知道投诉是不可避免的，但是还是希望越少越好，负向指标标准也好找，只要一直处于下跌趋势，不反弹，就算是好。

3、主观，正向，但是有上一级KPI压力。类似销售业绩，GMV，新用户数，很有可能上一级领导、部门直接塞了个指标给我们。这时候想保住自己的年终奖，就得不惜一切代价的搞掂指标。这个标准可以直接拿来用（这也算硬指标）。

这时候要做好的是硬指标的分配。因为指标达成不是一蹴而就的，可能与业务自然周期、生命周期有关，也有可能与业务作战部署有关系。因此分解任务的时候不要简单地按时间平均，而是根据业务走势，分摊成一个合理数值。

 

4、主观，正向，需要你自己订KPI。这是最纠结的状况，老板让你做开放题。虽然明知道自己做了他不用会用，但是他还是让你讲一堆道理，不然就怪你：没有深度分析！如果一定要凭空定指标，怎么办呢？ 

答：用场景还原法，去找一个标杆

 3 

关键方法：场景还原

场景还原，是从业务场景中提炼出数据标准，主要用于营销、运营这种缺少硬指标且指标间相互关联多的场景。你问业务方指标是多少，估计他想不出来。但是你问他上一次老板龙颜大悦，上一次被表彰，上一次顺风顺水什么时候，他一清二楚。同样，你问上一次他手忙脚乱，上一次被痛骂，上一次跟头流希是啥时候，他也一清二楚。这样我们就能得到正面场景和负面场景。

 

正面场景，用来做整体的预计目标。这是个把语文作业转化为数学作业的过程。比如：

• 我们要在三年内成为行业第一

• 我们要在1年内扭亏为赢

• 我们要在4季度做出爆款活动

 

有了这些场景，可以转化为具体标准（如下图）。

 

负面场景，用来设定保障型指标的标准。比如：

• 新用户注册很多，但是转化太低

• 业绩增长很快，库存涨的更快

• 收入指标达标，成本超支严重

 

有了这些场景，可以转化为具体标准（如下图）。

 

经过梳理，输出的判断标准，就是一个有逻辑的系列组合（如下图）。

这样面对业务方或者老板质疑的时候，也能理直气壮的说：既然要达成这个美好愿景，就得做到XX数值。如果不做到XX数值，业务就会出问题。这样面对上文中，业务方反复横跳的场面时，也能拿出白纸黑字来对峙，不要让他把锅甩给我们。可以甩给外部突发因素吗，真是的，干嘛非难为数据分析师。

 4 

为什么不用算法模型

算法模型不是一个处理标准问题的好办法。用机器学习算法，如果用无监督方法，比如Kmean聚类，本身输出的结果就随着聚类中心变化而变化，不稳定结果不能做标准。如果用有监督的方法，那一开始的“好/坏”标注谁来打？还是得老板来打。看似复杂的算法又变成：请老板酌定。

AHP方法有类似问题，看似两两比较打分很科学，可本质还是：请老板酌定。而且AHP的局部打分，很容易导致整体结果不可控。万一老板不认最终评定结果，非让你改，就非常狼狈了。这时候还不如直接让老板们坐一桌，拍每个指标权重给多少。这样更简单、高效、不纠结。所以：如果待评价的问题中，正向、非硬指标很多，那还是用场景还原法更好。

标准问题的真正难点是：最后的标准始终要过老板这一关，因此就不可能100%客观。老板自己也会疑虑、纠结、后怕。所以才有了前边说的：虽然老板心里有数，但他还是会让你提标准，并且在你提了以后反复质疑你。其实他是通过这种手段消除自己的疑惑。做数据分析，就是要当老板的贴心小助理，这些问题帮老板想在前头，也是大功一件。

●别了，腾讯微博。

●取数，取数，取个屁啊！

后台回复“入群”即可加入小z数据干货交流群