數據分析的同學是否遇到過這種情況——辛辛苦苦做的數據永遠不是業務想要的？到底是業務吹毛求疵過分挑剔，還是你做的數據不是業務想要的呢？本文將層層分析為你解答，快來看看吧。
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！」「你的重點在哪裡？」「你的維度太單一了！」好！冤！枉！
明明出了那麼多組數據，為什麼還被說「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」。
一、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：
添加過程指標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，可我們並不知道為什麼不達標。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？
二、業務眼中的多維度
業務口中的「多維度」，完全不是這個意思。
業務腦子裡裝的是不是資料庫裡的表結構，而是一個個具體的問題。當業務看到「3月份銷售沒有達標」腦子裡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籤約太少」，定位到這麼細的程度，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。
三、真正的多維度分析，這麼做
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：
把業務上理由，轉化為數據上論證。堵住藉口：業務不要總試圖甩鍋，集中精力想能幹點啥。找到癥結：在一堆影響因素裡，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）。之後先堵藉口，找藉口並不能解決問題，因此先把各種逃跑路線堵上。最後再集中想辦法，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，要先對業務明裡、暗裡提出的說法做分類
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，優先排除藉口
讓大家把精力集中在——往往藉口產生於：宏觀因素、外部因素、隊友因素。所以在這裡，關鍵是證偽。只要能推翻他們的逃跑藉口就行。
證偽最好用的辦法就是舉例法，同樣是下雨，為什麼別人就抗的住。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，就是在反駁藉口的同時，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，並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：
事實上有沒有發生這個事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。你丫走到哪裡都是大環境不好，你是影響大環境的人吶！先排除這種大因素的影響（或幹擾）再聚焦看我們能做什麼事情。
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，找清楚一點原因以後，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
解決了大問題以後，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，這裡就不贅述了。
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：到底是什麼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。
#專欄作家#
資深諮詢顧問，在網際網路，金融，快消，零售，耐用，美容等15個行業有豐富數據相關經驗。
本文原創發布於人人都是產品經理。未經許可，禁止轉載
題圖來自Unsplash，基於CC0協議