数据分析终极一问：指标波动有多大才算是大？( 二 ) 中薪|高薪|跨境|东盟|连线|全球

比如做促销，拉一波销量；
比如搞培训，加强工作能力；
比如做清仓，把库存尽快甩出去。

这些指标的变化，本身是由业务引起的。面对这种情况。首先要收集清楚：到底业务在干啥。不然分析了半天，人家来一句：“我早知道了”“就是我干的”这就贻笑大方了。
其次，要收集清楚，每一个业务动作的目标和结果，这样能方便评估“指标波动是否达成业务预期”。这是个重要的评价标准，一定要标红加粗记下来。
主动行为且指标波动达成预期的情况下，业务是不会纠结的。达不成预期的时候，他们就会很想知道：“到底差在哪里？”这时候拿着业务期望值找差距，就很重要，如下图：

文章插图
对于达成业务期望的，无论波动范围多大，都属于可接受。既然是主动引起的增长/下跌，肯定是指标变化越大越好。对于未达成期望的，要看期望值差距，差距部分才是要分析的波动值。
3. 第三步：量化外部影响有很多波动是可收集的外部行为导致的，比如政策限制、天气、对手等等。注意：外部因素有很多不能收集到数据，落实影响。也有很多，即使知道了影响，也没法干啥事——总说下雨影响业绩，那也不能烧香求龙王吧。
因此，对外部影响，评估其波动大小，不要看一天的绝对数，而是要测算该影响预计持续时间，推算在这个时间内，总共产生的影响值，这个数值才是衡量波动的标准。

文章插图
4. 第四步：其他意外波动是否有既不符合规律，又没有业务主动动作，又没有外部因素，数据本身也没有问题，但是就是发生波动的情况？有！这个时候应首先定位波动发生点：

全局性波动，还是局部波动
持续性的，还是突发性的
波动数值，大还是小

判断问题大小的标准：
锁定问题点后，可以结合指标的属性，思考对策（如下图）。

文章插图

针对硬指标波动：只要硬指标未达标，就是重大问题。考虑采取措施，保住指标；
针对软指标波动：只要关联的硬指标没崩，就不是重大问题。不纠结一朝一夕的波动，集中精力发现深层原因；
针对边缘指标波动：不用害怕！想扭过来分分钟的事。

这样区分以后，就有了清晰的处理方向。该用雷霆手段就果断下手，该慢慢看的就慢慢看。
不然不分轻重缓急，只是自己在慢悠悠的“拆解数据-拆解数据-拆解数据”，不是被嫌弃“小题大做”“我早知道了”就是人家业务已经把问题处理完了，这边数据分析报告还没好呢。
四、为什么永远有人纠结波动小结一下：想沉着冷静的应对指标波动，需要的是以下两点：
1. 业务部门知道自己要做什么

清楚哪些是硬指标、软指标，哪些是边缘指标；
清楚自己的行为能对指标影响到什么程度；
清楚短期、中期、长期自己能干啥；
清楚自己的短期做的事是否达成了效果。

2. 数据部门，要知道到底发生了什么

哪些是业务主动行为，他们想做到多少；
哪些是规律性的变化，范围在什么水平；
哪些可量化外部因素，到底能带来多大变化；
哪些是异常变化，存在于什么位置。

而遗憾的是，现实的情况常常是：业务部门只会闷头干活。对自己要干多少、能干多少、已经干了多少，从来没量化过。看到一点指标波动就如惊弓之鸟，如下图：

文章插图
数据部门一不懂指标业务含义，二不知业务在干什么，三不知规律如何量化。只会拿个指标和性别、年龄、地域、渠道等等一通交叉，摆出一堆柱子，哪根短了就大喊：“波动都是因为这根短了！”还美其名曰：“多维度拆解法”，还写成文章在网上到处毒害新人……
所谓盲人骑瞎马，大概就是这个感觉。至于指望着“从头、腾、阿公司，请一个高级数据科学家，建立人工智能大数据模型，一张嘴就天知地知”，则已经是病入膏肓指望着救命仙丹的想法了。

量化业务目标与业务行为
梳理业务逻辑并归纳为报表
总结历史经验与发展趋势
评估现状，测算差距

这些基础、简单、细节的工作，才是应对“指标波动焦虑”的最好办法。有同学可能会问：软指标部分，到底要咋分析，才能解读出深层次含义，这是另一个问题了，有兴趣的话，关注公众号【接地气学堂】，我们下一篇分享，敬请期待哦。