老板嫌你的數(shù)據(jù)分析沒有前瞻性，總是在分析大家都知道事情。面對這種情況，你需要轉(zhuǎn)變思維，換一種數(shù)據(jù)分析方法了。

有同學(xué)問：領(lǐng)導(dǎo)總讓做“有前瞻性”的分析，不要說那些“大家都知道的事”。

可到底什么是前瞻性？

有時候明明寫了預(yù)計未來情況，可還是被批判為：沒啥前瞻性，真不知道咋辦了。

先看看一個簡單的例子如下，看圖回答問題：6月的GMV是多少？

有多少同學(xué)是脫口而出“400”？

常見的問題，就從這里開始。

沒有前瞻性的分析，長這樣

錯誤一：復(fù)讀機(jī)型

看到上圖數(shù)據(jù)，寫出來的是：

月均GMV720

最大值1000

最小值500

中間值700

這肯定沒有任何前瞻性，這根本就是把圖表又用文字復(fù)讀了一遍。只要業(yè)務(wù)方不是瞎子，能看到數(shù)字，都會覺得這沒啥意義。

錯誤二：慣性思維

還是上圖數(shù)據(jù)，你認(rèn)為6月的GMV是多少？

有多少同學(xué)是脫口而出“400”？

——這就是典型的慣性思維。

其實(shí)，只有一年的數(shù)據(jù)完全不說明問題，但是人們就是會很慣性地認(rèn)為：過去跌的就一定跌，過去漲的就一定漲。特別是出現(xiàn)這種5432順序排列的數(shù)據(jù)，慣性得就會認(rèn)為下個數(shù)字是1。

其實(shí)，這正是數(shù)據(jù)分析要打倒的大敵。如果我們引入過往年份數(shù)據(jù)，很有可能曲線長這樣：

這時候還有誰說6月是400？很有可能1-5月的只是正常的業(yè)績波動而已。

所以，單純用慣性思維判斷，完全沒有體現(xiàn)數(shù)據(jù)分析的價值，做的結(jié)論還極有可能是錯誤的。

錯誤三：習(xí)以為常

還是上圖數(shù)據(jù)，很多同學(xué)看了三年趨勢，然后脫口而出：因?yàn)檫^去6月份會漲，所以今年6月份也會漲。

這種說法，很有可能被業(yè)務(wù)評價為：我早知道了！你分析了啥？

因?yàn)闅v史規(guī)律，特別是這種宏觀跡象這么明顯的規(guī)律，是個人只要不瞎都看得到，說出來當(dāng)然沒啥意思。況且，誰說去年漲，今年就一定漲？萬一今年漲的少，甚至跌了呢？僅憑一根線又怎么判斷呢？

真正的前瞻性，是定性預(yù)測

本質(zhì)上，所謂的前瞻性，是需要我們做一個定性預(yù)測。

雖然沒有精確的數(shù)據(jù)或模型，但是能通過分析，判斷未來走勢（相對應(yīng)的，建數(shù)據(jù)模型詳細(xì)計算的是定量預(yù)測）。

做預(yù)測的關(guān)鍵，是找到影響未來的因素。

這些影響因素，才是支撐指標(biāo)曲線的真正支柱。支柱倒了，指標(biāo)自然下跌；支柱穩(wěn)固，指標(biāo)自然高企。

所以，想做好預(yù)測，不能只對著數(shù)據(jù)本身就數(shù)論數(shù)，而是得找到數(shù)據(jù)背后的原因。

比如，上圖中6月，11月大漲，可能有幾個原因：

• 行業(yè)因素：行業(yè)本身就是夏季、冬季前有一波高峰（比如旅游相關(guān)機(jī)票、酒店、住宿，趕在寒暑假前大量預(yù)定）；
• 促銷因素：618，雙11是主戰(zhàn)場，要拼命做大GMV<；/li>
• 產(chǎn)品因素：這個行業(yè)每年6，11月上新品；
• 其他因素。

在做預(yù)測之前，我們要先了解業(yè)務(wù)，掌握影響因素。

根據(jù)影響因素的可辨識程度，大致可分成三類，我們一類一類來看：

第一類：宏觀事件型

宏觀事件往往備受關(guān)注，媒體會大量報道，因此辨識度很高。但相應(yīng)的，辨識度越高的東西，講出來價值就越低。

因此，在做定性預(yù)測的時候，提及宏觀事件，是個必選項(xiàng)。提了，不一定被認(rèn)可；不提，一定被視作“你都不懂業(yè)務(wù)”“這么明顯都看不到”。

有些壞習(xí)慣會影響做數(shù)據(jù)的同學(xué)關(guān)注到宏觀事件。比如，很多做數(shù)據(jù)分析的同學(xué)只看數(shù)據(jù)類文章，反而每天沉迷在數(shù)字和代碼里，對行業(yè)發(fā)生了什么都不知道。這樣一來，當(dāng)然很容易被批了。

需注意，之所以是定性預(yù)測，因?yàn)楹芏嗪暧^因素的影響可能無法預(yù)測。

循環(huán)出現(xiàn)的，可以看過往的歷史規(guī)律（比如節(jié)假日影響、行業(yè)周期性波動）；但是個案出現(xiàn)的，就很難去預(yù)測。比如，突然出臺新政策，禁掉了某些業(yè)務(wù)。

無法預(yù)測效果，只能去研究政策細(xì)節(jié)，看看到底影響面有多大，做個預(yù)警。

第二類：投入產(chǎn)出型

投入產(chǎn)出型事件，往往是大家都知道有影響，但具體影響多少不清楚，這時能體現(xiàn)一定的數(shù)據(jù)價值。

有前瞻性數(shù)據(jù)支持，可以方便業(yè)務(wù)安排活動，也能準(zhǔn)備相關(guān)人力物力資源（比如做促銷，商品、客服、服務(wù)器流量，有可能都要準(zhǔn)備），這種前瞻性是非常有幫助的。

計算投入產(chǎn)出的常用方式有三種（如下圖）：

需注意的是，很多同學(xué)一提“活動效果預(yù)測”，就急匆匆想建模型或者做抽樣，用第二、第三種方法。在現(xiàn)實(shí)中，只有封閉了信息渠道的營銷活動才適合這么干（而且需要余留較多時間準(zhǔn)備數(shù)據(jù)）。

很多促銷活動，比如雙十一大促、周年慶大促，因?yàn)樾麄饕?guī)模太大，會產(chǎn)生滾雪球效應(yīng)。用看似精準(zhǔn)的方法預(yù)測的反而會偏小、失真。比如，新產(chǎn)品上市，可能在上市前完全保密，也沒法做太精細(xì)的分組測試。

所以，做定性預(yù)測的時候，第一種方法用的更多。

投入產(chǎn)出型事件分析還有個用途，就是前瞻性指出問題。我們都知道，業(yè)務(wù)部門干事情不見得是為了效益最大化，很有可能有政治任務(wù)，比如：

• 老板要大力轉(zhuǎn)型新零售，所以非得強(qiáng)迫客人微信下單；
• 我們的KPI是抓老用戶，所以效果不好也得強(qiáng)行做；
• 部門費(fèi)用不夠了，但活動還得做，所以券全部面額減半。

這時候，如果有過往分析經(jīng)驗(yàn)指出：

• 微信下單就是垃圾，影響銷售；
• 老用戶響應(yīng)率就2%，咋做都是死；
• 面額減半，響應(yīng)率不是減半而是減3/4。

前瞻性指出問題，就能提醒業(yè)務(wù)部門注意風(fēng)險，也不要在事后糾結(jié)“到底是什么原因做得不好”。

只不過，這種前瞻性雖然有價值，但不一定受業(yè)務(wù)歡迎（還有可能吃板磚）。大家在實(shí)操中見機(jī)行事，量力而行。

第三類：內(nèi)部結(jié)構(gòu)型

再深層次的看這個問題，就是所謂的自然增長率，根本是不存在的。

在數(shù)據(jù)上看，可能指標(biāo)“自然”就會漲；可在業(yè)務(wù)上看，所有的增長，都是在XX條件下的增長（如下圖）：

除了宏觀環(huán)境外，產(chǎn)品，促銷，用戶基礎(chǔ)，用戶分層這些，就是預(yù)測需要的XX參數(shù)。參數(shù)的情直接決定了業(yè)績的走向。

所以，當(dāng)內(nèi)部影響因素發(fā)生結(jié)構(gòu)性變化的時候，自然業(yè)績會發(fā)生變化。只是很多內(nèi)部結(jié)構(gòu)性變化是慢性的、持續(xù)的、微觀的，所以難以觀察。

這就需要深度分析，不止關(guān)注整體趨勢，更關(guān)注構(gòu)成整體的各個因素的結(jié)構(gòu)。

內(nèi)部結(jié)構(gòu)型問題很難前瞻，難在到底是個案還是趨勢，很難在一次分析中觀察到。比如，我們總是說：渠道下沉，新生代需求變遷，興趣轉(zhuǎn)移等等概念。可真具體到某一月某一日的數(shù)據(jù)上，你真把特定群體抽出來看，反而數(shù)據(jù)上差異不大。

有時候自以為觀察到一個變化，可持續(xù)看幾天，丫又消失了……短期內(nèi)，永遠(yuǎn)是宏觀事件&投入產(chǎn)出型影響占主導(dǎo)。

所以，想要觀察到一個內(nèi)部結(jié)構(gòu)變遷的影響，需要長時間觀察。

小結(jié)

看完三種類型，大家會發(fā)現(xiàn)，領(lǐng)導(dǎo)們想看的，都是第三類問題。

通過細(xì)致的分析，看到深層次問題，講出來沒人知道的驚天秘密——聽起來多厲害，可實(shí)際上沒那么理想。

業(yè)績指標(biāo)的波動，從來都是多種因素綜合作用的結(jié)果，也并非每次變化都一定有深層次的原因，有可能就是自然波動、某個產(chǎn)品/活動做爛了、沒錢還裝逼，道理就這么簡單。

能區(qū)分出來關(guān)鍵因素，提示問題才是重要的。

所以，數(shù)據(jù)分析的價值，不是神神叨叨地講沒人知道的秘密。

• 了解業(yè)務(wù)，區(qū)分事件；
• 能量化的，量化預(yù)測；
• 不能量化，評估范圍；
• 做好監(jiān)控，提示問題。

以上都能做到了，就是最好的前瞻性。

當(dāng)然，有同學(xué)會問：有定性的預(yù)測，那有定量的預(yù)測嗎？

當(dāng)然有，而且有不止一種做法，不止一種算法；有興趣的話，后續(xù)再繼續(xù)分享。

作者：接地氣的陳老師，微信公眾號：接地氣學(xué)堂。十年資歷的數(shù)據(jù)分析師，做最接地氣的分享。

本文由 @接地氣的陳老師 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自Unsplash，基于CC0協(xié)議