真心总结，五步培养高水平数据分析能力

本文以简述提升团队数据分析能力的方法为主要内容，提出了“五步分析法”，希望可以通过解决部分团队整体分析能力的困境，为产品经理们指点迷津，为市场带来更多活力。

有同学问：”目前数据团队的分析能力偏弱，想提升分析能力，能结合公司业务，快速见效那种”……可见跑数机器的状态，不但个人不满意，连领导也看不下去。可要怎么提升呢？今天系统分享一下。

提升能力的方法

数据分析能力本质，是分析逻辑+业务理解+代码编写。对于已经开始工作的同学来说，最难的是分析逻辑+业务理解部分，因为不能准确理解业务需求，不能主动引导业务思考，就只能被动接受大量的、零散的、逻辑奇怪的取数需求单，不但工作效率低下，还会被业务诟病：”没洞察、没价值、我就要这么点数你都搞不出来……”

然而这一部分却是最难提升的。一来，不是所有人天生逻辑就好，二来，每个公司业务都有差异，硬套模板肯定出问题。所以提升能力的思路，就不是满世界找“一炮搞掂模型”，而是从基础的分析模板开始，逐步迭代能力。

01 第一步：按部门归类需求，形成监控模板

常见的数据分析需求有四类：

1. 监控业务情况
2. 分析问题原因
3. 预测业务走势
4. 测试业务想法

这四类中，最该优先做的，是形成监控模板。因为业务流程不会经常变，监控指标，分类维度，在一定时间内是固定的。有利于后续深入解读数据指标变化，而且能大大缩减不固定的、临时性取数数量，从而为团队争取更多时间。

不同部门，可能有不同业务流程，比如销售、运营、产品、供应等等。·建议每个流程单独设计监控指标，这样服务业务更准确。可以由团队内经验丰富的老人，带着新人做，把每个部门的流程梳理一遍，同时把零散需求也梳理一遍，看哪些能融合进常规数据监控报表。这样不但能让新人熟悉业务，也能提升分析逻辑能力。

02 第二步：了解指标走势，发现周期规律

有了监控指标以后，很多人会直接把指标/维度丢给新人，然后说：”数据分析就是做对比，你自己看看咋对比……”这是非常不负责和错误的做法。在没有分析逻辑的情况下，对比做的越多，思路越乱，拿茄子比苹果更是引发混乱的根源。

所以有了监控指标以后，先不要急。先把指标基础走势、规律，弄清楚。特别是涉及业务考核的关键指标（KPI指标），比如销售额、利润、新用户数、活跃用户数等。这里有三类规律要关注：

1. 自然周期：指标是否和季节变化、节假日有关
2. 生命周期：业务从上线到下线的主要指标走势
3. 同期群变化：用户注册之后N个时间周期走势

这个过程能让新人理解大家口中“正常走势”“常规变化”是啥意思。能大大减少新人犯常识性错误的机会，同时也能让新人更敏感的关注到真正的异常波动。并且，指标走势观察可以从少了KPI指标延伸到其他指标，由浅入深，避免新人淹没在数据海里。效果非常好。

03 第三步：拆解内部结构，发现分布规律

了解常规走势以后，还是不要让新人乱做拆分/乱做对比，而是先了解业务的内部结构。业务内部结构有两种：

1. 整体由哪几个部分构成
2. 结果由哪几个环节构成

比如销售，可以了解：

• 销售过程有几步，有哪些数记录
• 销售渠道有几类，每类表现如何
• 销售产品有几种，每种占比多少

比如供应，可以了解：

1. 从原料到出品过程有几步
2. 每一步消耗哪些资源
3. 每一步产出什么结果

这个过程可能很漫长，因为不同业务的数字化程度不同，数字化程度高，能直接看到数据。数字化程度低，只能先理解业务行为，之后再慢慢采集数据or看整体指标影响。

但这么做是很有价值的。因为这是让新人更深入了解业务的必经之路。而且发现数据异常以后，追查异常的基本逻辑，也是沿着指标的内部结构，往下追查，这才是有逻辑的拆分。而且这一步不需要啥技术含量，新人也能自己做。

04 第四步：收集业务动作，量化主动行为

了解内部结构以后，还是不要让新人乱做拆分/乱做对比，而是收集业务做的事情，然后把其中可量化的部分拿出来，看量化效果。对于不可量化的动作，则观察动作发生后，整体指标变化。

比如提升销售业绩：

• 如果是市场部做个促销活动，则可以用数据记录，哪些订单是促销订单，看促销订单的增长情况，计算活动收益。
• 如果是销售部开个销售能力培训会，很可能没有数据记录每个人提升多少。此时只能退而求其次，记录哪些人参与培训/哪些公司参与培训，然后看指标是否有变化。

这样做，一方面，能加深新人对业务的理解，另一方面，能先从结果上了解业务各种动作的效果，不但在解读数据变化的时候更有思路，而且能够通过结果判断，直接给到业务一些建议，推动数据分析从解读向指导业务发展。

05 第五步：拆分业务问题，形成分析假设

量化了业务动作以后，还是不要让乱做拆分/乱做对比，而是学会先提假设，再找证据。会提正确的假设，不但能更快形成思路，而且能过滤各种干扰因素，减少反复取数的负担。分析假设也和设计数据测试有关，有清晰的假设，测试抽样才有依据，解读测试数据才更容易。

分析假设有三个来源：

1. 根据过往规律、经验、走势提假设
2. 根据业务方关心的问题提假设
3. 根据结构/分层分析中，发现的问题大的点提假设

这三种方法都需要之前几步的积累，所以提假设摆在了最后。有可能假设很多，这时候需要分析人员梳理假设逻辑。这又是个高级工作，需要团队内有经验的同学带队。对复杂问题，最好是梳理完假设逻辑以后，再交给新人处理。对新人而言，能对单维度的假设进行验证，已经算合格了。（如下图）

小结

综上可见，分析能力的提升，每一步都是围绕：越来越懂业务和越来越有逻辑展开的。这也是为什么反复强调：不要乱拆解，不要乱测试的原因。没有逻辑，光拆解完，看到这个高了那个低了，各种影响因素相互交织，根本分析不出问题。没有逻辑，测试过程随意，有100种因素影响测试结果，事后拆分又是各种蛋疼，这些都只会让新人更混乱。

​Read More