來源 | 接地氣學堂

做數據分析的同學們都遇到過這個問題：從多維度分析問題，提出對業務有意義的建議。這個題目看起來很簡單，可很多同學辛辛苦苦跑了一堆報表，結果只落得業務一堆抱怨：

• “你這一堆說明了啥！”
• “你的重點在哪里？”
• “你的維度太單一了！”

好！冤！枉！

明明出了那么多組數據，為什么還被說“分析維度不夠多？”今天我們系統解答一下。問題的本質是：業務口中的“多維度”，完全不是你想的那個“多維度”。

1

數據分析眼中的多維度

對數據分析師而言，多維度，往往指的是數據指標的拆分維度。舉個簡單的例子：3月份銷售額3個億。這就是一個指標，沒有拆分維度。如果加了分類維度，就是下邊的效果：

注意：比起只看總數，用多維度拆解數據，是能更精確的定位數據的。常見的方法有兩種：一、添加過程指標；二、按業務管理方式添加分類維度。比如只看總銷售金額，我們發現差3000萬達標，可我們并不知道為什么不達標。這時候如果拆解細一點，比如：

1、添加分類維度：看到哪個業務線沒做好（如下圖）

2、添加過程指標：看到從用戶意向到付費，哪個環節出了問題（如下圖）

增加過程指標+分類維度，就能更精準的定位問題。甚至一些簡單的結論已經呼之欲出了。正因如此，很多數據分析師把業務口中的“多維度”，直接理解成了“維度多”。一聽到要做分析，振臂高呼“拆！拆！拆！”層層疊疊做了一大堆交叉表，把各個分類維度的數據都做了出來（如下圖）。

然而，僅僅“多”，就足夠了嗎？

2

業務眼中的多維度

業務口中的“多維度”，完全不是這個意思。業務腦子里裝的是不是數據庫里的表結構，而是一個個具體的問題。當業務看到“3月份銷售沒有達標”腦子里想的多維度是這樣的：

是不是看傻眼了。

你會發現，單純的拆解數據根本無法回答上邊的問題。是滴，一個都回答不了。甚至單靠看數據都沒法回答這些問題。即使把問題定位到：“3月業績不達標是因為A大區3個分公司的客戶意向簽約太少”，定位到這么細的程度，也不能回答上邊的問題。因為到底意向太少，是因為對手發力了、產品沒做好、活動沒跟上、用戶需求有變化……還是沒解釋清。具體的業務問題，一個都沒有回答。自然業務看了一臉懵逼了。

3

真正的多維度分析，這么做

從本質上看，真正的多維度分析，其實考的不是數據計算能力，而是策略能力。具體來說是三個方面：

1. 把業務上理由，轉化為數據上論證。
2. 堵住借口：業務不要總試圖甩鍋，集中精力想能干點啥。
3. 找到癥結：在一堆影響因素里，找到最關鍵的那個，集中發力。

注意，這三件事是有順序的。先把數據論證方式列清楚，避免大家放空炮（數據不能論證的理由就閉嘴，是個非常好的議事規則）。之后先堵借口，找借口并不能解決問題，因此先把各種逃跑路線堵上。最后再集中想辦法，想辦法的時候，從大到小，從粗到細，先搞大問題。綜上，這個事可以分六步做。

▌第一步，要先對業務明里、暗里提出的說法做分類。

對每一類問題，構建分析假設，把業務理由轉化為數據邏輯，拿數據說話（如下圖）。

▌第二步，優先排除借口。

讓大家把精力集中在。往往借口產生于：宏觀因素、外部因素、隊友因素。所以在這里，關鍵是證偽。只要能推翻他們的逃跑借口就行。證偽最好用的辦法就是舉例法，同樣是下雨，為什么別人就抗的住。同樣是流量難搞，為啥別的業務線能持續增長？（如下圖）。

舉例法還有個好處，就是在反駁借口的同時，也指出了解決問題的出路。業務最討厭光講問題不講方法的人，因為噴人人人都會，解決問題可就難了。給出具體的學習對象，可以極大的激發業務思考對策，從而達到雙贏的效果。

▌第三步，解決白犀牛，剔除明顯的重大影響。

比如監管政策、公司戰略、重大外部環境等等因素，確實會對企業經營起到重大作用，并且這些因素是普通小員工只能接受，不能改變的。但是！這種重大因素表現在數據上，有嚴格的要求（如下圖）。

因此如果有人想推脫給這些因素，要看：

1. 事實上有沒有發生這個事
2. 數據上符合不合符走勢

以此敲警鐘：不要事事都怪大環境不好。你丫走到哪里都是大環境不好，你是影響大環境的人吶！先排除這種大因素的影響（或干擾）再聚焦看我們能做什么事情。

▌第四步，解決黑天鵝，剔除明顯突發事件。

如果發生的真是突發事件，很容易找到問題源頭

• 正向的：促銷活動，某群體用戶騷動，新產品上線……
• 負向的：惡劣天氣，突發事件，系統宕機……

因此先排除單次突發問題，找清楚一點原因以后，再追溯之前的情況，就容易說清楚。

▌第五步：按分工鎖定問題點再談細節。

解決了大問題以后，想討論更細節的問題就得鎖定部門，先定人再談計劃。之前已有分享，這里就不贅述了。

▌第六步：鎖定細節問題。

請注意，即使聚焦到一個部門的一個行動，還是很難扯清楚：到底是什么業務上原因導致的問題。因為本身業務上的事就是各種因素相互交織很難扯清，比如：

• 內容運營：傳播渠道、主題、調性、風格、圖片，發送時間，差一個都可能撲街
• 活動運營：目標群體、活動門檻、獎勵內容、參與規則，差一個都可能撲街
• 用戶運營：新人進猛做留存就差，留存猛做新人進費用就少，兩頭都做兩頭投入都不夠
• 商品運營：選款時候看100個維度，可一天不上線一天不知道真實表現，你上了，他撲了
• ……

可能做數據的同學本能反應是：能做ABtest呀。實際上大部分業務是沒有時間、空間做ABtest 的，而且有些東西（比如選品、文案）影響維度太多，得做無數組ABtest才能測清楚。而且對已經發生的事，也沒法再做ABtest了。所以想區分相互交織的因素，還得有更多輔助方法配合。