你有没有经历过做了数据监控分析，却被diss的情况？作者认为，想让监控做得好，需要一个系统工程，那么数据监控到底是什么？如何应对无理取闹的diss？如何去做好数据监控分析？一起来看看作者的分析吧。
“建立数据指标体系，监控业务走势并发现异常情况”是数据分析的一项基础工作要求，然而很多同学都遇到过，被领导或者业务diss数据监控做得不到位，发现问题不及时、不准确、不深入。BUT！并不是“谁闹谁有理”，很多时候业务的吐槽并没有道理，要具体分情况看。
举个简单的例子，开车的时候，开个导航，导航就是个数据监控产品。只要设定好终点，导航可以根据定位自动显示起点，然后一路上提醒你：
瞧，多好用！
从这个小例子里，能看出来数据监控四要素：
而现实中，这四样东西很可能不存在，这就是所谓“无理取闹型diss”。
无理取闹一：没有监控目标。
喊着让监控DAU，那么，DAU每日目标是多少？丫自己都不知道！喊着让监控销售额，销售额每日目标是多少？丫也不知道！这就好像要开车了，打开导航大喊：“导航导航，你快分析出来我想去哪里！”亲，你需要的不是导航，是魔法扫除哈。
无理取闹二：标准来回变化。
定了每日目标，但是丫觉得“你看，昨天超标5%，今天超标1%，不行不行，肯定有问题！”还是回来吐槽。结果过两天，业绩不达标了，他又觉得“你看前几天都超标，真好！”这种反复横跳，让人目标名存实亡，还咋积累经验。
无理取闹三：忽略周期规律。
这种人最喜欢盯着一个数字大呼小叫，今天涨了1%啦，明天跌了0.5%啦，上蹿下跳逼着你深入分析。如下图，业务本身就是有周期变化的呀，如果整体走势没啥大问题，纠结一天能得出啥结果来……
无理取闹四：故意回避变化。
这种人和上一种是反着的。上一种人神经过敏，这一种人神经大条。如下图2，非要拖到数据跌得不行了，才意识到问题。说穿了，就是不想直面问题，能耗就耗着。
以上种种，本质上是业务部门自身缺少数据思维，拍脑袋决策拍习惯了导致的。不过有一个更深入的问题，还在后边。
问：如果导航只收集一辆车的行车数据，能不能显示出整条路哪里堵，哪里不赌？当然不行！它得把所有车的数据汇总起来，才容易看出问题。这就是做数据的时候“长袖善舞，多钱善贾”的效应。
做业务监控同理。如果只收集了总销售收入结果，那就只能提供结果监控。如果有对组成销售收入各个渠道，各个客群做数据收集，就能看到是哪个部分出问题；如果对销售转化过程有数据记录，就可以看到哪些节点出了问题。越详细的记录，监控的时候发现问题就更具体。
同理，影响结果的原因非常多：用户需求、业务行动、外部环境等等。并且，这些原因不见得能直接用某个指标+维度量化，需要打业务标签，做长期记录观察，才能总结出规律。
比如做个促销，大家都知道业绩会涨。但到底涨多少，和以下因素都有关系：
要把过去做过的活动，打上业务标签，一一对比，才能看出差异（如下图）。
这种活，只靠一次分析，一天的监控肯定搞不掂。需要长期积累。如果缺少积累，大家只是口头上笼统讨论“为啥上活动了，业绩还不涨？”那肯定讨论不出来个东西。
很多时候，业务会说：数据有很多，就是没用起来。注意！业务部门经常把数据的条数多，当成“数据很多”。而数据分析口中的“数据很多”指的是过程指标+分类维度很多（如下图）。
这里的区别是巨大的，过程指标+分类维度，才是深入解读的数据的关键。
光有一个结果指标，数据的可分析程度是很稀薄的，也就看看周期规律，没了。
当然，还有些场景，是数据分析师自掘坟墓，引火烧身。
最大的自掘坟墓行为，当然是：闭门造车，不懂业务。
结果这么选出来的“异常值”，不是自然波动，就是业务在上活动。除了引来一句“我早知道了”以外，别无他用。
业务上的数据异常，指的是实际业绩数据，超过业务的期望值。
因此，想让监控做得好，需要一个系统工程：
这样才能充分评估形式，做出准确的判断。当然并不是每个公司都有这么好的氛围，甚至经济下行压力之下，有些公司的业务就是喜欢把锅乱甩，所以作为数据分析师，我们做好本分工作，我们自己不要犯四种无理取闹错误，多积累经验即可。换工作的时候，也能充分证明自己的实力。请大家放宽心，学到的本事，始终是自己的。
专栏作家
接地气的陈老师，微信公众号：接地气学堂，人人都是产品经理专栏作家。资深咨询顾问，在互联网，金融，快消，零售，耐用，美容等15个行业有丰富数据相关经验。
本文原创发布于人人都是产品经理。未经许可，禁止转载。
题图来自 pexels，基于CC0协议。
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。