數據分析終極一問:指標波動有多大,才算是大!

2021年01月27日 18:12 來源:接地氣學堂 作者:接地氣的陳老師

接地氣的陳老師,微信公眾號:接地氣學堂(微信號:gh_ff21afe83da7)。資深咨詢顧問,在互聯網、金融、快消、零售、耐用、美容等15行業有豐富數據相關經驗。

“分析下今天的波動”是數據分析師最常聽到的任務。也是最頭疼,最糾結,最難搞清楚,還得天天搞的任務。

  • 下降1%,算不算波動大
  • 下降5%,算不算波動大
  • 下降10%,算不算波動大
  • 下降50%,算不算波動大

為啥有時候下降了50%,業務卻沒反應,可下降了1%業務急的吱哇亂叫!!!

 

圖片

 

今天我們系統講解一下

  1   

指標波動的本質

舉個簡單的例子,體溫37.4度VS體溫36度,只有3.9%的波動,可真要在測溫點被發現體溫37.4度,估計馬上被保安請出去。為啥?因為人們怕的不是5.5%波動,而是怕新冠!體溫37.4度表明:有可能有病毒!這才是人們真正怕的東西。

所以:指標波動不可怕,指標波動代表的業務含義才可怕!脫離業務含義談指標波動就是耍流氓。理解這一點,才能繼續討論。

  2   

指標波動的三類業務含義

▌ 第一類:硬指標波動。

有一些指標是剛性考核業務部門的。比如

考核銷售:業績、回款

考核商品:庫存、毛利

考核客服:接聽、投訴

這些指標是剛性考核業務結果,意味著:必須達成指定數量,否則即使差1%都是問題。因此,常把它們稱為:硬指標。這點在銷售上表現最明顯,定好的業績目標,哪怕只差0.5%,沒達標就是沒達標,獎金一分沒有!

背剛性指標的部門,對波動最敏感,并且錙銖必較的就是他們。硬指標不達標可能直接意味著挨罵、扣錢。所以硬指標波動特別受關注。

▌ 第二類:軟指標波動。 

諸如注冊用戶數、用戶點擊率、轉化率一類指標。

 

這些指標往往是通往業務結果的過程,就像得先有注冊用戶,才有后邊的瀏覽、加入購物車、消費一樣。軟指標上升下降不見得是問題,有可能是一種新的業務形態(如下圖),有可能是偶然發生的變化。因此,軟指標的變化不會直接引發業務動作。人們更多關心:這種變化到底是好是壞,會不會對硬指標有潛在的影響。這種糾結的情緒,會讓分析格外麻煩。

                           

注意:硬指標和軟指標的區分,不是一成不變的。比如很多互聯網公司會考察“用戶增長”,這時候注冊用戶數就是個硬指標,逼著推廣部門完成。因此區分硬指標和軟指標,要看部門具體KPI要求。

▌ 第三類:邊緣指標波動。 

諸如滿意度、知名度等指標。這些指標有共同特點:

1、本身是抽樣調查得來的,非全量統計。意味著抽樣方法、問卷方法、調查時間等非業務動作,也可能影響到結果。它不能直接反應業務問題。

2、與硬指標、過程指標關系不大,或難以直接驗證結果。比如滿意度,滿意度高是不是意味著100%購買,不見得;滿意度低,是不是意味著不買?也不見得。

3、人為操作影響大。比如換一種抽樣方式,立馬結果變化。比如硬砸一波廣告/優惠,數值立馬提高。

這種不準確、沒啥用、易操控的指標,也會有波動,也會引起人們的關注。但是明白了這些指標的邏輯,大家會發現,想把丫波動控制住簡直太容易了,只要搞搞數字游戲就可以。 了解了三大類型以后,在應對指標波動的時候,就有方向感:硬指標>軟指標>邊緣指標,按這個順序抓重點,不要面對一屏幕指標高了低了,急的直撓頭。 有了主次之分,就能進一步考慮判斷大小標準。

  3   

判斷波動大小的標準

▌ 第一步:剔除偽波動。有很多波動是自然波動。

比如周末、節假日、工作日之間的交易額區別。

比如產品上市、熱銷、退市的用戶數變化。

比如公眾號發文以后7天內閱讀衰減。

這些指標天生會有變化形態。平時多總結經驗指標形態,就能發現規律(如下圖):

發現規律以后,只要符合規律的波動,一律是偽波動!偽波動即使波動數值再大也不用慌,都是常事。但是逆規律而動的,則是:事出反常必有妖!無論波動大小,都是重大變化,都得小心觀察。

▌ 第二步:量化主動行為。

有很多波動是業務主動引發的。

比如做促銷,拉一波銷量

比如搞培訓,加強工作能力

比如做清倉,把庫存盡快甩出去

這些指標的變化,本身是由業務引起的。

面對這種情況。首先要收集清楚:到底業務在干啥。不然分析了半天,人家來一句:“我早知道了”“就是我干的”這就貽笑大方了。 

其次,要收集清楚,每一個業務動作的目標和結果,這樣能方便評估“指標波動是否達成業務預期”。這是個重要的評價標準,一定要標紅加粗記下來。主動行為且指標波動達成預期的情況下,業務是不會糾結的。達不成預期的時候,他們就會很想知道:“到底差在哪里?”這時候拿著業務期望值找差距,就很重要(如下圖)

對于達成業務期望的,無論波動范圍多大,都屬于可接受。既然是主動引起的增長/下跌,肯定是指標變化越大越好。對于未達成期望的,要看期望值差距,差距部分才是要分析的波動值。 

▌ 第三步:量化外部影響。

有很多波動是可收集的外部行為導致的。比如政策限制、天氣、對手等等。注意:外部因素有很多不能收集到數據,落實影響。也有很多,即使知道了影響,也沒法干啥事——總說下雨影響業績,那也不能燒香求龍王吧。

因此,對外部影響,評估其波動大小,不要看一天的絕對數,而是要測算該影響預計持續時間,推算在這個時間內,總共產生的影響值,這個數值才是衡量波動的標準。

▌ 第四步:其他意外波動。 

是否有既不符合規律,又沒有業務主動動作,又沒有外部因素,數據本身也沒有問題,但是就是發生波動的情況? 

有!這個時候應首先定位波動發生點:

  • 全局性波動,還是局部波動
  • 持續性的,還是突發性的
  • 波動數值,大還是小

 

判斷問題大小的標準:

  • 全局性>局部問題
  • 持續性>短期問題
  • 數字越大,問題越大

 

鎖定問題點后,可以結合指標的屬性,思考對策(如下圖)。

  • 針對硬指標波動:只要硬指標未達標,就是重大問題。考慮采取措施,保住指標
  • 針對軟指標波動:只要關聯的硬指標沒崩,就不是重大問題。不糾結一朝一夕的波動,集中精力發現深層原因。
  • 針對邊緣指標波動:不用害怕!想扭過來分分鐘的事。 

這樣區分以后,就有了清晰的處理方向。該用雷霆手段就果斷下手,該慢慢看的就慢慢看。不然不分輕重緩急,只是自己在慢悠悠的“拆解數據-拆解數據-拆解數據”,不是被嫌棄“小題大做”“我早知道了”就是人家業務已經把問題處理完了,這邊數據分析報告還沒好呢。

  4   

為什么永遠有人糾結波動

小結一下:想沉著冷靜的應對指標波動,需要的是以下兩點:

▌ 業務部門知道自己要做什么:

1、清楚哪些是硬指標、軟指標,哪些是邊緣指標

2、清楚自己的行為能對指標影響到什么程度

3、清楚短期、中期、長期自己能干啥

4、清楚自己的短期做的事是否達成了效果

▌ 數據部門,要知道到底發生了什么:

 1、哪些是業務主動行為,他們想做到多少

2、哪些是規律性的變化,范圍在什么水平

3、哪些可量化外部因素,到底能帶來多大變化

4、哪些是異常變化,存在于什么位置 

而遺憾的是,現實的情況常常是:

業務部門只會悶頭干活。對自己要干多少、能干多少、已經干了多少,從來沒量化過。看到一點指標波動就如驚弓之鳥(如下圖)

數據部門一不懂指標業務含義,二不知業務在干什么,三不知規律如何量化。只會拿個指標和性別、年齡、地域、渠道等等一通交叉,擺出一堆柱子,哪根短了就大喊:“波動都是因為這根短了!”還美其名曰:“多維度拆解法”,還寫成文章在網上到處毒害新人……

所謂盲人騎瞎馬,大概就是這個感覺。至于指望著“從頭、騰、阿公司,請一個高級數據科學家,建立人工智能大數據模型,一張嘴就天知地知”,則已經是病入膏肓指望著救命仙丹的想法了。

1、量化業務目標與業務行為

2、梳理業務邏輯并歸納為報表

3、總結歷史經驗與發展趨勢

4、評估現狀,測算差距 

這些基礎、簡單、細節的工作,才是應對“指標波動焦慮”的最好辦法。有同學可能會問:軟指標部分,到底要咋分析,才能解讀出深層次含義,這是另一個問題了。

本文已獲得授權,轉載請與原作者聯系

更多互聯網行業動態>>請關注微信公眾號“我要啦統計”(微信ID:Analysis_51la)