做數據分析時，很多人只是通過數據就數論數，止于數據，并沒有讀出數據背后的業務意義。那么，我們改如何通過數據了解其深層次含義？對此，本文從錯誤的數據解讀示例、解讀的關鍵時理清業務含義等七個方面做了分析，推薦對數據分析感興趣的小伙伴閱讀。
經常有同學抱怨，在公司里，總被催著問：通過數據，你看到了什么？可實際數據就幾個曲線而已，也不知道咋解讀。也沒有人教，自己好不容易寫了幾句，又被嫌棄：“你這都是廢話，我們要深層次含義”。
咋辦？就舉個最簡單的例子，下邊是某公司一周銷量數據，你看到了什么？
01
錯誤的數據解讀示例
高了表揚低了罵。數據解讀，寫的是：周一到周五很高，周六、周日低，所以要！搞！高！……這么解讀當然會被說：你這都是廢話啊！業務又不是瞎子，看不到數字是周六日低嗎。
哪里跌了哪搞高。因為周六跌了48%，所以要搞高……這個是廢話*2和上一種說法是一個模子里刻出來的。
加減乘除算不停。平均值95.2，最大值125，最小值35……這個是廢話*3。平均95.2所以呢？最大值125所以呢？這還是在把數字復述一遍而已，沒有講出任何含義。
02
解讀的關鍵是理清業務含義
以上三種錯誤的共同點，是：就數論數，止于數據。沒有讀出數據背后的業務意義。其實數據解讀一點都不高深，我們每月每天都在用，比如：
業務部門做決策也一樣。他們想聽的是：不劃算、不喜歡、買不起。
他們更想聽的是：“今天中午預算只有人均50，在這家川菜館既管飽又好吃”，他們想聽的絕不是“2公里內共28家餐廳，平均價格63元，最高價725元，最低價13元，較上個月價格提升了10%”——這真的是一點意義都沒有。
想要得出這種判斷，需要三個條件：
了解數據代表的現實含義
了解數據大小代表的現實區別
明確判斷標準
比如大眾點評上飯店人均金額185元。它不是一個孤零零的數字，而是填肚子的成本，這是人均金額的現實含義。
成本低了可以接受，高了就吃不起，這是數據大小的現實區別。
比如我一個月餐費預算只有3000塊，意味著每天只有100塊錢，這就有了標準。那這一頓185，明天就得吃土了。這就形成了判斷：太貴了，得換個地方。
解讀企業數據也如此，不能只見數據，不見業務。同樣三點：
業務含義：數據反映的是什么業務
業績走勢：通過數據形態，解讀業務發展走勢
判斷標準：到底什么算好，什么算不好
下邊我們一個個看一下。
03
從理解業務含義開始
回到開頭的例子，“銷售業績”這個指標本身有很多含義。
直接含義：銷售隊伍的努力程度
銷售業績+成本：企業的盈利情況
銷售業績+產品：產品暢銷程度
銷售業績+用戶分層：用戶的需求
銷售業績+庫存：產品進銷存管理質量
但是注意：這里并沒有標準，因此無法判斷是好是壞。這也是為什么直接下結論：業績低了要搞高，是非常錯誤的行為。
銷售業績直觀反映的是銷售隊伍的努力程度，想知道這個數值是好是壞，我們可以直接去問“銷售隊伍的KPI達標了多少？”；也可以從業績曲線走勢來判斷。這就需要做第二步：觀察業績走勢。
04
觀察業績走勢
一個問題：“什么樣的產品會賣出這種曲線？”因為有七天的數據，所以可能代表了三種走勢：
1. 自然周期性變化
七天代表了一周，周一到周五是工作日，周六周日是休息日，所以這是一個工作日銷售多，休息日沒銷售的產品——是滴，你很自然聯想到，這可能是B2B的交易，工作日上班了才有大把生意，周日都休息了。或者是圍繞B2B的衍生生意，比如CBD的餐廳一類。
2. 生命周期性變化
有可能某個主打商品銷售到了生命周期末尾，正在退市，下一款新的馬上要上，暫時變化。注意，一般看生命周期數據，是從生命周期開始做T+N天的圖來看，不是看自然日。
3. 突發性變化
有可能剛好周六日出了問題，交易系統down機，有可能剛好促銷活動到周六日結束，有可能剛好周六日惡劣天氣。
通過對走勢的判斷，可以建立初步的標準。如果是周期性變化，那很有可能是正常波動，我們初步判做“正常”。如果是突發+下跌，那很有可能是異常且壞的波動，我們可以初步判做“問題”。有了標準，就能下判斷，只是三種假設都有可能，需要進一步驗證。
05
列出假設做驗證
想知道自己思考的對不對，就得去驗證假設。驗證假設的辦法有兩種：
第一，可以和業務部門溝通，了解實際情況。
第二，可以參考過往數據，驗證判斷，同時反向驗證業務部門是不是撒謊了。
數據驗證可以做的很復雜，但也能做的很簡單。不需要很復雜的邏輯，只要一根曲線就夠了。如下圖。
只要延長時間，靠一根業績走勢+業務表現，也可以解讀出變化的原因。如果過往一直都是有周期性波動，那拉長時間就能看出來周期規律。
實際企業經營中，也經常出現上邊三種情形，只是形態更復雜，往往是三種混合。比如B2C零售和B2B銷售是反著的：
自然周期性：周五到周日高，其他工作日低；
生命周期性：新品上市到下市有季節性規律
突發事件：大促銷（猛漲）惡劣天氣（猛跌）
在看數據的時候，往往會在業績曲線上打上標簽，比如一個日期是否節假日，是否某重點產品生命周期結束，是否突發情況。這樣，可以從看似無規律的曲線里區分出規律來。
這也是為啥很多經驗豐富的業務人員，即使沒有專門的數據分析，也能快速判斷形勢的原因。因為他們很了解業務上發生了啥事，了解過往業績曲線形態。
結合業務表現看走勢，比盲目的算同比、環比、平均數，中位數要有用得多。
06
深入細節看問題
做完上一步，只是幫大家理解了數據含義，并沒解答什么問題。如果止于上一步，就會變成業務的應聲蟲：“業績下降是因為下大暴雨了”“這是正常波動，周末肯定要跌啦”……只是單純的這么解讀，很有可能會換來一句：“我早知道了”。
實際上，往往人們都會注意到突發性急病，容易缺失的是對慢性病的觀察。比如下圖：
如果只看日數據，會感覺似乎每天波動不大，只能略微感到月頭比月尾似乎高那么一點。但是如果拉長看周數據，就會發現問題。
為什么在業績好的月份，最后一周不沖刺業績了？上月業績好+月底不沖刺+本月開局格外好，這個曲線走勢不和規律，很有可能是這就是B2B銷售中的“藏業績”行為。
這時候，做數據分析的也能對一線業務說：我早知道了。甚至還能從下個月初吐出多少單，反推出來他們每個人藏了多少業績。
這也是為啥實際企業經營中，我們不止看孤零零一個數，而是搭一個數據指標體系，還要做日報、周報、月報的原因。
日報用來關聯業務動作，反應突發問題，周報和月報用來追蹤趨勢，發現更深層次的問題。深層次的問題，再由專題分析解決。這樣就構成了數據分析體系，系統化作戰，才有威力。
當然，實際分析場景會更復雜。有可能經過數據解讀，我們得出的是：“銷售在藏單，真實業績比數據體現的更好”這種結論，但到底是不是藏了，真實的又是多少，還得成立專項，深入分析。
但無論如何，我們都比只回復一句：“要搞高！”要進步了很多，也能贏得業務的尊重。
07
解讀數據是個硬技能
有同學會說：既然讓數據分析師自己猜這么難，為什么不直接溝通業務的需求呢？是滴，理論上最佳的狀態，是業務和數據之間有定期溝通，業務陳述需求，數據反饋結論。
不過大部分企業，這個狀態不存在。大部分企業都是大家各忙各的，數據忙于爬表出數應付日常各種報表，業務忙著干活撕逼。部門之間深溝高壘，幾乎沒有溝通，越大的公司越是如此。
再加上，很多人對數據分析本身認識不清，還停留在“一個仙風鶴骨的道長掐指一算，口出出驚世憾俗之言”的印象中。共同作用，導致了文章開頭的問題。因此數據分析師不能單純指望業務把什么問題都梳理好了丟給自己，還是得有主動解讀的能力的。
