数据分析师三个等级_专题分析—用数据还原业务场景

凡是数据分析，必然离不开专题分析，而专题分析呢，一个基本的含义是指：对某一专门问题或针对某一重大经济措施所作的不定期的专项分析。因此，我们可以理解成：对业务出现的问题的进一步探索分析，既是找到问题产生的具体原因，并提出解决方案。

按照思路，我简单总结了我自己在专题分析中的分析思路：

（1） 挖掘问题本质。

（2） 构建逻辑框架，即罗列出构成问题本质的版块；

（3） 在各个版块中，挨个去分析，逐一排除，找到其中的关键指标，往下钻取指标，再反复上一步骤，直到找到关键的最底层的数据指标；

（4） 找到最根本的原因，并提出解决方案。

一、挖掘问题本质

任何问题都不能只看到表面。这种表面现象，是运营、客服、市场、客户等直接告诉你的，或者是数据指标反映出来的。而问题的本质，都能大致对应到数据的某个具体指标中。

假设你所在的公司，有线上购物的业务，据客服或运营反映，这段时间，买家在每天中午12点和下午6开始就不停地在催单。这时，站在卖家的角度，你看的是只是相关部门的反馈，各项数据指标也有一些或大或小的浮动，你此时会很迷茫。

那么我们试试换一个角度，思考一下这个业务问题的直接感受人。

经过思考，我们发现这个业务问题的直接感受人是：买家。那我们现在可以换位思考，尝试站在买家的角度思考—“为什么我会在这两个时间段催单呢？”。“对了，我催单，是因为从我下单后，过了很久都没有发货，而这家店是声明会在2个小时内发货的！还有其他原因吗？没有。毕竟我在那个时间只关注他们何时发货。”

换位思考完毕，我们发现了问题的本质，既是“买家从下单到发货的时间变得很大”，用业务术语来描述，既是“整体出单时效变大”。

如上，只是举了一个例子来说明挖掘问题本质的思路。在实际的业务中，不一定会像这个例子一样，因为我现在接触并了解的行业也不多，不能确保这个思路在所有行业中有效，但万变不离其宗，一定要找到“问题的本质”，既对应的数据指标。

二、构建逻辑框架

挖掘到问题的本质后，我们便可以罗列出对应数据指标的构成版块。

凡是数据指标，都有其计算的方法和公式，都能关联到更多版块，既更多数据指标。比如：收益=收入-支出，影响收益的直接指标就是收入、支出，若收益减少，只能是收入减少或者支出变大，而收入和支出又有自身的计算公式，顺延着依次列出。

构建逻辑框架，是为了让数据分析师理清自己的分析思路，更快速方便地找到问题原因。在此说明，每个企业都有自己数据指标定义，在构建逻辑框架时，一定要熟悉每个数据指标的定义、计算方法和公式。并不是每个企业对同一个指标的定义都是一样的，不要被臆想的定义给带偏了。

三、找到关键指标

顺着逻辑框架，分析数据指标，逐一排除。若某个指标异动较大，就需要进一步钻取它的下一级指标，如此反复，直到找到异动较大的最底层的数据指标。

在这个过程中，逻辑框架只是辅助，帮助我们找到关键的指标。因为在逻辑框架中，还隐藏了一些指标定义没有告诉我们的业务知识。

再次回到第一步我举的例子，最终了解到的问题本质是—“整体出单时效变大”。从定义中我们了解这个时效为几个阶段时效的总和，根据指标定义、计算方法和公式，我们了解到最底层的异动指标。但是，它并没有告诉我们，其实公司根据买家的购买情况，将买家做了VIP等级分类，等级越高的买家的订单会越快得到处理，而等级越低的买家，订单总是会最后才处理。同时，它也没有告诉我们，12点和18点，是公司对应部门运力最弱的时候，因为排班，导致这段时间值班的工作人员变得很少。这是影响业务的最终原因吗？不一定，需要我们验证。

我将接下来的思考，定义为：用数据还原业务场景。如大部分侦探悬疑小说一样，神探根据各种线索，快速在脑海中还原了案发过程，可以细致到其中哪些人大致做了什么事，说了什么话，当时的时间、天气等等。那我们的数据分析过程为什么就不是呢？

我们掌握的数据远比神探掌握的多得多，毕竟我们在业务过程中很多地方都做了数据埋点，将这些数据组织起来，足可以还原当时的业务场景。

具体的业务还原过程，我现在还没有完全总结到精髓，未来深入理解后，会继续讲述。但，这种思路，我认为应该是大部分合格的数据分析师都具有的。

四、找到最根本的原因，提出解决方案

在基于业务理解上，我们对各个可能的业务因素列出了逻辑框架，不断分析和排除，根据业务场景，最终确定了问题的主要原因。

还是说道之前举的例子：因为线上业务近期在做促销活动，高等级的VIP买家下单量逐步提高，低等级的买家单量也有小幅度上涨，而催单的买家主要是低等级的买家。对应部门在午休和18点后的排班并没有因促销而及时调整，导致大量的高等级买家的单量得到了及时处理，而低等级的买家的单量一直在被延后，严重超时，故出现了催单现象。

找到了原因，我们便可以提出对应的解决方案了。我认为，作为一个合格的数据分析师，就算你现在不是一个管理者，也应当具有管理者的管理思维，甚至要比你的领导更了解企业的业务情况。基于上诉标准，提出的解决方案才更有建设性。

解决方案，应该是针对各个部门提出的，尽量不要提出一个模糊的框架，比如上诉例子，你不能说“午休和18点后的人手不足，建议增加人手”等等模糊的语句，那之后可能就会有人来问你，那我要增加几个人呢？你站在管理者的角度，必然是希望数据分析师能给到你具体的建议，如哪一个部门的问题在哪里，现在要怎么做。

以上都是我近期关于“专题分析”的一些总结，我的数据分析之路还很长，言及的一些思路仅仅只是我个人的一些思考，并不代表大家一定要遵循我的方法，若你有其它思考可以和我私聊哦。