数据分析师5-指标下降

前提

1：实际上粗略的数据分析只能定位问题，很难找到最根本的原因。因为需要一线走访+调研。

2：不是所有的问题都得全面分析一遍，把全面分析花到重要的事情上。

因此 本着“清晰情况，突出重点” 即可。尽量通过日报 周报等固化报表 解决战斗，把有意义的分析做出报告。

1：判断指标下滑的“轻重缓急”

1：数据源，口径是否正确，数据采集是否底层出现问题。

2：数据波动大不大（正常还是异常）

3：数据波动久不久（突然还是持续，还是周期），明确开始点，变化点，结束点。

4：判断之后，不同程度不同方法

2：缩小范围，建立假设

1：从事件思考，在指标波动的开始，拐点，结束 之处 标明是否有内外事件的发生。

2：从区域思考，哪些指标不降反升，找到标杆帮助获得方法；哪些下降，聚焦找原因。

3：从客户群体，产品思考.

（可以用到公式法，多维度法）

4：利用影响系数 来找到主要的假设，

5：再次拆解更细的来验证这个主要假设；还可以采访调研 萃取经验。

3：总结

1：数据波动是，要知道是不是周期性，是不是早就开始了，下降多少重要性不同

。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。指标波动的本质：举例：体温发烧了 很重要，可能是新冠。

所以指标波动意味着业务的变化，这才是最重要的。

1：只重点关注核心指标

1：结果指标（TOP）

2：过程指标

3：边缘指标

2：判断波动大小

1：周期（节日周末 产品活动周期自然变化）

2：业务主动的活动导致：这里虽然波动是知道的，但是也要对比 是否符合业务的预期！如果有差距 也是有问题的。

3：外界的影响：同理 是否符合预期的结果

3：知道重点方向后，再开始拆解

4：业务方要知道什么，数据分析师要知道什么。

1：业务方要知道什么是最重要的指标，要知道是否属于正常的波动，要知道他短期 中期 长期都干了什么，可能有哪些影响 是否达到预期。

1：然而现实业务方只会闷头干

2：分析师要知道业务做了什么活动，哪些是周期波动，外界可能带来的结果是什么，哪些属于异常。

2：然而分析师不知道业务做了什么，不知道规律，不会预测，不知道正常数据的范围。

如何做呢？别指望这拆解就能解决问题，最重要的是标准的工作日常

1：知道业务做了什么

2：总结历史规律，正常波动范围，

3：能够大概的预测

4：梳理方法论

。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。

1：点：排除数据准确性问题，比如数据采集 埋点 业务口径

2：线：拉长时间周期，判断是否周期性问题，如果有问题，严重程度如何。

3：面：外因（PESTLE+竞争对手活动）+内因（通常对用户拆解+产品拆解+运营活动情况）

：用户可以分为：新老 渠道来源 地区 设备终端；产品分为 某些环节转化率 某些功能