資料分析終極一問：指標波動有多大，才算是大！

“分析下今天的波動”是資料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!!! 今天我們系統看一下。

一、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。

二、指標波動的含義

▌ 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，並且錙銖必較的就是他們。硬指標不達標可能直接意味著捱罵、扣錢。所以硬指標波動特別受關注。

▌ 第二類：軟指標波動。

諸如註冊使用者數、使用者點選率、轉化率一類指標。

這些指標往往是通往業務結果的過程，就像得先有註冊使用者，才有後邊的瀏覽、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。比如很多網際網路公司會考察“使用者增長”，這時候註冊使用者數就是個硬指標，逼著推广部門完成。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、過程指標關係不大，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，只要搞搞數字遊戲就可以。

瞭解了三大型別以後，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，不要面對一螢幕指標高了低了，急的直撓頭。

有了主次之分，就能進一步考慮判斷大小標準。

三、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。

比如週末、節假日、工作日之間的交易額區別。

比如產品上市、熱銷、退市的使用者數變化。

比如公眾號發文以後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)：

發現規律以後，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，把庫存儘快甩出去

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：到底業務在幹啥。不然分析了半天，人家來一句：“我早知道了”“就是我乾的”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：“到底差在哪裡?”這時候拿著業務期望值找差距，就很重要(如下圖)

對於達成業務期望的，無論波動範圍多大，都屬於可接受。既然是主動引起的增長/下跌，肯定是指標變化越大越好。對於未達成期望的，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資料，落實影響。也有很多，即使知道了影響，也沒法幹啥事——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，資料本身也沒有問題，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：

• 全域性性波動，還是區域性波動

• 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：

• 全域性性>區域性問題

• 持續性>短期問題

• 數字越大，問題越大

鎖定問題點後，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。考慮採取措施，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。

這樣區分以後，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“拆解資料-拆解資料-拆解資料”，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，這邊資料分析報告還沒好呢。

四、為什麼永遠有人糾結波動

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麼：

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麼程度

3、清楚短期、中期、長期自己能幹啥

4、清楚自己的短期做的事是否達成了效果

▌ 資料部門，要知道到底發生了什麼：

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，範圍在什麼水平

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，存在於什麼位置

▌ 而遺憾的是，現實的情況常常是：

業務部門只會悶頭幹活。對自己要幹多少、能幹多少、已經幹了多少，從來沒量化過。看到一點指標波動就如驚弓之鳥(如下圖)

資料部門一不懂指標業務含義，二不知業務在幹什麼，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。至於指望著“從頭、騰、阿公司，請一個高階資料科學家，建立人工智慧大資料模型，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、梳理業務邏輯並歸納為報表

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。