用數(shù)據(jù)下判斷，是看似簡單，實則極大影響數(shù)據(jù)分析結(jié)果的一個問題。同樣是本月銷售業(yè)績1000萬，如果判斷是：業(yè)績很好。那么下一步的分析就是總結(jié)成功經(jīng)驗。如果判斷是：業(yè)績很差。那么下一步的分析就是發(fā)現(xiàn)問題，尋找方案。

一 、數(shù)據(jù)診斷問題，為啥那么難

這一點看似簡單，可網(wǎng)上90%的文章教的是錯的。

網(wǎng)文的邏輯，一般是：

• 環(huán)比下跌了，所以不好，要搞高
• 同比下跌了，所以不好，要搞高
• 你去問問業(yè)務(wù)，業(yè)務(wù)說好就是好

誰規(guī)定的跌就是不好？如果是自然波動呢，如果是計劃內(nèi)的調(diào)整呢，如果是營銷之后調(diào)整期呢？如果是生命周期末尾呢？如果下跌但是KPI仍然達標呢？太多情況了。然后一堆網(wǎng)文還在一本正經(jīng)的《指標下跌六大分析方法》連啥指標，啥場景都不細講，分析個屁。

問業(yè)務(wù)同樣有問題。因為你擋不住業(yè)務(wù)渾水摸魚。丫今天說好，明天說不好，后天說：請數(shù)據(jù)分析深入分析到底好不好，大后天再說：你這分析不符合業(yè)務(wù)直覺。甚至明明KPI達標了，丫還讓“你深入分析KPI達標背后的隱藏危機……”

O(╯□╰)o

那么，到底該咋辦呢。

二 、核心問題：診斷標準

做判斷的核心是：找標準。標準涉及到后續(xù)輕重緩急及原因判斷。一定要事先分清楚。而上文講到的網(wǎng)文的各種錯誤，本質(zhì)上都是來自于不考慮業(yè)務(wù)場景，瞎胡判斷。如果結(jié)合業(yè)務(wù)場景來看的話，有四類典型的場景（如下圖）。

圖片

1、有客觀要求。供應(yīng)鏈上大部分指標都有物流、化學(xué)、交付周期等等客觀要求。比如生產(chǎn)質(zhì)量、產(chǎn)品尺寸、交貨時間。這些也被稱作硬指標。這種情況下是可以直接拿來做評價標準的。

2、主要要求，但是負向指標。比如客戶投訴，雖然大家都知道投訴是不可避免的，但是還是希望越少越好，負向指標標準也好找，只要一直處于下跌趨勢，不反彈，就算是好。

3、主觀，正向，但是有上一級KPI壓力。類似銷售業(yè)績，GMV，新用戶數(shù)，很有可能上一級領(lǐng)導(dǎo)、部門直接塞了個指標給我們。這時候想保住自己的年終獎，就得不惜一切代價地搞掂指標。這個標準可以直接拿來用（這也算硬指標）。

這時候要做好的是硬指標的分配。因為指標達成不是一蹴而就的，可能與業(yè)務(wù)自然周期、生命周期有關(guān)，也有可能與業(yè)務(wù)作戰(zhàn)部署有關(guān)系。因此分解任務(wù)的時候不要簡單地按時間平均，而是根據(jù)業(yè)務(wù)走勢，分攤成一個合理數(shù)值。

圖片

4、主觀，正向，需要你自己定KPI。這是最糾結(jié)的狀況，老板讓你做開放題。雖然明知道自己做了他不用會用，但是他還是讓你講一堆道理，不然就怪你：沒有深度分析！如果一定要憑空定指標，怎么辦呢？ 

答：用場景還原法，去找一個標桿。

三、 關(guān)鍵方法：場景還原

場景還原，是從業(yè)務(wù)場景中提煉出數(shù)據(jù)標準，主要用于營銷、運營這種缺少硬指標且指標間相互關(guān)聯(lián)多的場景。你問業(yè)務(wù)方指標是多少，估計他想不出來。

但是你問他上一次老板龍顏大悅，上一次被表彰，上一次順風(fēng)順水什么時候，他一清二楚。同樣，你問上一次他手忙腳亂，上一次被痛罵，上一次跟頭流希是啥時候，他也一清二楚。這樣我們就能得到正面場景和負面場景。

正面場景，用來做整體的預(yù)計目標。這是個把語文作業(yè)轉(zhuǎn)化為數(shù)學(xué)作業(yè)的過程。比如：

• 我們要在三年內(nèi)成為行業(yè)第一
• 我們要在1年內(nèi)扭虧為贏
• 我們要在4季度做出爆款活動

有了這些場景，可以轉(zhuǎn)化為具體標準（如下圖）。

圖片

負面場景，用來設(shè)定保障型指標的標準。比如：

• 新用戶注冊很多，但是轉(zhuǎn)化太低
• 業(yè)績增長很快，庫存漲的更快
• 收入指標達標，成本超支嚴重

有了這些場景，可以轉(zhuǎn)化為具體標準（如下圖）。

圖片

經(jīng)過梳理，輸出的判斷標準，就是一個有邏輯的系列組合（如下圖）。

圖片

這樣面對業(yè)務(wù)方或者老板質(zhì)疑的時候，也能理直氣壯地說：既然要達成這個美好愿景，就得做到XX數(shù)值。如果不做到XX數(shù)值，業(yè)務(wù)就會出問題。這樣面對上文中，業(yè)務(wù)方反復(fù)橫跳的場面時，也能拿出白紙黑字來對峙，不要讓他把鍋甩給我們。可以甩給外部突發(fā)因素嗎，真是的，干嘛非難為數(shù)據(jù)分析師。

四 、為什么不用算法模型

算法模型不是一個處理標準問題的好辦法。用機器學(xué)習(xí)算法，如果用無監(jiān)督方法，比如Kmean聚類，本身輸出的結(jié)果就隨著聚類中心變化而變化，不穩(wěn)定結(jié)果不能做標準。如果用有監(jiān)督的方法，那一開始的“好/壞”標注誰來打？還是得老板來打?？此茝?fù)雜的算法又變成：請老板酌定。

AHP方法有類似問題，看似兩兩比較打分很科學(xué)，可本質(zhì)還是：請老板酌定。而且AHP的局部打分，很容易導(dǎo)致整體結(jié)果不可控。萬一老板不認最終評定結(jié)果，非讓你改，就非常狼狽了。

這時候還不如直接讓老板們坐一桌，拍每個指標權(quán)重給多少。這樣更簡單、高效、不糾結(jié)。所以：如果待評價的問題中，正向、非硬指標很多，那還是用場景還原法更好。

標準問題的真正難點是：最后的標準始終要過老板這一關(guān)，因此就不可能100%客觀。老板自己也會疑慮、糾結(jié)、后怕。所以才有了前邊說的：雖然老板心里有數(shù)，但他還是會讓你提標準，并且在你提了以后反復(fù)質(zhì)疑你。其實他是通過這種手段消除自己的疑惑。做數(shù)據(jù)分析，就是要當(dāng)老板的貼心小助理，這些問題幫老板想在前頭，也是大功一件。

有同學(xué)會問：日常遇到的判斷問題很多，一個個都這么細致溝通效率太低，很有沒有一些簡單的方法做判斷，答：有。比如我們常說的二八分類，十分位法，趨勢分析法，矩陣法，都是簡單粗暴的判斷方法。