编辑导语：相信很多同学在分析问题的时候都有困惑：为什么要解读数据，怎么深度解读数据？这篇文章作者从七步走，详细阐述了如何进行深入解读数据 ，感兴趣的小伙伴一起来看看吧~
“你看看最近的销售数据，有啥发现不？”在工作中，这种无明确目标的问题经常出现。讨厌的地方是：大部分时候，日常数据就是只有一点波动。如果直接把“环比3%增长”这种结论报上去，又会被扣个“这我也知道，要深入分析！”的帽子。那到底该咋办？今天系统讲解下。
解读数据是有标准顺序的，分为7步走：看数字、找规律、立标准、看结构、明假设、验真伪、出结论。我们不着急，一步步来讲：
这是最基础的，同比、环比、绝对值、涨了、跌了……日常报告都是这些东西。但是这些东西不招人待见。一来，只要是个人看一眼就知道情况了，没啥写的必要；二来，这些玩意没业务含义，讲了跟没讲一样，所以必须深入一步。
想深入一步，可以把数据时间拖长一点，看看有没有自然规律。这一步没有任何技术含量，直接把日报表连起来看即可，但是非常管用！因为很多常规数据波动，就是有周期性规律的。掌握了规律，可以避免大惊小怪，误报错报。还能敏锐地观察到真正的问题（如下图）。
想再深入一些，就得找判断标准。数据 + 标准=判断，有了好坏判断，才能继续往下思考：为啥好/为啥坏。最好的标准，就是有个KPI值压在头上，这样直接对比KPI完成率就有结论。
但有些非核心指标，没有KPI要求，这时候就得找其他标准。比如用场景拆解法，把非核心指标与KPI指标的关系，KPI达标时候非核心指标的数值范围找出来，这样也能形成判断标准，做出判断。
有了好坏判断，可以进一步思考原因。但在思考原因之前，最好先看下指标内部结构，找到影响指标的大头。这样重点清晰，更容易看出问题所在。
比如看销售情况，销售讲究人、货、场，先从用户、商品、渠道三个维度，单独看内部结构，看哪个类型的占比高，哪个类型在当前表现好/差。这样分清重点，容易形成思路。
比如看成本情况，区分可变成本、固定成本，可变成本区分商品成本、营销成本。固定成本里区分前台、后台成本。这样更容易看出哪一块是波动来源。
有了这一步，后续再找原因就轻松很多了，可以直插重点。
有些比较懒的同学，直接在上一步就下结论了。比如最近销售不好是因为A商品没卖好。成本高了是因为促销花钱太多……可这种原因往往太肤浅。
所以，再往下深入，一定要清晰假设，撸出来问题背后的逻辑。很多同学到这一步会傻眼，觉得原因千头万绪，我该怎么列才合理？这里有两个简单的办法：
从最近发生的事情入手，能快速找到解释问题来源的假设。我们可以先收集最近发生的正向/负向的事件，然后逐一看：
这样逐一排查，找出问题来源。
从业务可能采取的行动入手，则能快速找到业务应对手段的假设。比如面对业绩下降，短期内业务就三板斧：
那么，我们可列假设：
之后逐一检验即可。
有了假设可以验证。注意，很多日常数据波动，是没资源给我们一一做ABtest来验证的。因此这里说的验证，更多是找证据。找到足够多的、明显的、数据上的证据，来证实观点。
比如我收到最近商品调价信息，那么理论上，如果是畅销品，快供不应求调价，是会提升收入的，而普通商品被逼无奈地调价只会伤害销量。那么验证的思路就是：
这样综合利用数据，就能下判断。
比如我们假设：做促销可以拉升业绩。那么可以把之前促销效果数据拿出来参考。
这样也能下判断：如果现在上促销，能拯救局面不，还需要哪些措施。
到这一步我们已经做了充足的功课，交作业的时候，可以做非常详尽的汇报：
附件里，附上详细的数据过程，就显得既全面，又有深度了。
7步骤的开展顺序：
注意，这7步骤，不用等到有人提问的那一刻才开始做。因为：
平时做好功课，事到临头要做的，其实只有第5步中的利用历史数据测算和验证影响两件事。
所以我们常说，数据分析师想要加强数据洞察能力，就得多积累分析经验，针对具体业务问题，收集业务动作，多复盘，这样才能认识得越来越深入。每次具体问题来了，才有丰富的弹药库可用。
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 Unsplash，基于CC0协议。
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。