在数据分析的世界里，如何从海量数据中提炼出有价值的信息，是每一个数据从业者面临的挑战。本文介绍了一种被大佬们广泛使用的“七步标准法”，帮助读者系统地解读数据。

“你从数据里看到了啥？”

很多同学害怕这种开放式问题，因为……真的看不出啥来！还有时候，明明只有1%的波动，还是被追着问“要深入分析！！！” 到底该咋整？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：

第1步：看数字

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。但是这些东西太！简！单！了！只要是个人，看一眼就知道情况。所以必须深入一步。

第2步：找规律

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。这一步操作简单，直接把日报表连起来看即可，但是非常管用！因为很多业务发展，就是有季节规律（比如春夏季畅销的商品，和秋冬季畅销商品的数据走势，有明显不同）。掌握了规律，可以避免大惊小怪，还能观察到真正的问题（如下图）。

第3步：立标准

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。

一般销售收入，毛利一类指标，有KPI要求，需首先关注KPI达成率。

但有些非核心指标（比如用户数、用户满意度），没有KPI要求，得找其他标准。比如用场景拆解法（如下图），把业务表现好的场景下，指标数值作为标准，这样也能做出判断。

第4步：看结构

有了好坏判断，可以进一步分析原因。

分析原因钱，先看指标内部结构，找到问题的重点。

比如分析销售下降问题，先从用户、商品、渠道三个维度，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业务成本、后台支撑部门成本。这样更容易看出哪一块是波动来源。

第5步：列假设

在第4步，已经可以有一些初步结论了。比如最近销售不好，是因为A商品没卖好。A商品没有卖好，是因为购买用户人数太少……可这种原因往往太肤浅！看完这种分析，除了“要把购买人数搞多”，提不出啥有价值建议

所以，再往下深入，一定要清晰假设，把真正的问题挖出来。这里有两个简单的办法：

1、从最近发生的事件入手。

2、从业务可能采取的行动入手。

从最近发生的事情入手，我们可以先收集最近发生的正向/负向的事件，然后逐一看：

理论上：这个事件对哪些指标有影响

历史上：发生此事件时，指标上升/下跌多少

实际上：本此事件影响有多大，对比历史更严重/更轻

这样，从历史上发生过且影响大的事件，逐一排除，锁定问题点

从业务可能采取的行动入手，要先列出可能的手段。比如面对业绩下降，短期内业务就三板斧：

1、上促销，派一堆优惠券

2、搞培训，抓几个典型示范

3、改文案，把推广链接换换

那么，我们可列假设：

1、按过往投入产出比，促销可以拉升业绩

2、人员是参差不齐的，有标杆可以参照

3、推广是参差不齐的，有标杆可以参照

之后逐一分析，哪一个能应对当前困难，推荐业务优先上能解决问题的手段

第6步：验真伪

经过了第五步，我们会筛选出，一些理论上能解决问题的办法。还可以进一步做测试，观察这些办法能否解决问题。理论可行+测试可行的办法，大概率全面铺开也可行。

比如在第五步，发现：市场整体供不应求，我司份额增长弱于竞品。那么很容易推导出：“要调价以扩大收入”的举措。此时，可以区分刚需/普通产品，理论上，刚需性产品受价格影响较小，普通产品才是影响大的。为了避免盲目调价带来损失，可以分品类，小规模测试降价效果，一但出现调价后收入大跌，就及时止损。这样逐步放开，会更有利于整体发展。

第7步：得结论

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：

1、现状很好/很差，表现为……（第123步的结论）

2、现状好，是因为……（第4步的结论）

3、更深层的原因是……（第5步的结论）

4、经过测试，坐实了……问题是关键问题（第6步结论）

5、因此，建议采取XXX措施，解决业务问题

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：

第1、2、3、4步，完全是基础数据解读，平时就能干

第5步，要收集近期业务动作，再看历史数据

只有第6步，做测试的环节，需要业务配合

所以，多做基础功课才是关键，平时多积累分析经验，到关键决策更容易推动业务