在日常生活中我们总能看到各种各样的数据表格或图表，可是怎么知道数据背后的信息呢，来看看这篇文章了解一下吧。

“你看看最近的销售数据，有啥发现不？”在工作中，这种无明确目标的问题经常出现。讨厌的地方是：大部分时候，日常数据就是只有一点波动。如果直接把“环比3%增长”这种结论报上去，又会被扣个“这我也知道，要深入分析！”的帽子。那到底该咋办？今天系统讲解下。

解读数据是有标准顺序的，分为7步走：看数字、找规律、立标准、看结构、明假设、验真伪、出结论。我们不着急，一步步来讲：

一、看数字

这是最基础的，同比，环比，绝对值，涨了、跌了……日常报告都是这些东西。但是这些东西不招人待见。一来，只要是个人看一眼就知道情况了，没啥写的必要；二来，这些玩意没业务含义，讲了跟没讲一样，所以必须深入一步。

二、找规律

想深入一步，可以把数据时间拖长一点，看看有没有自然规律。这一步没有任何技术含量，直接把日报表连起来看即可，但是非常管用！因为很多常规数据波动，就是有周期性规律的。掌握了规律，可以避免大惊小怪，误报错报。还能敏锐地观察到真正的问题（如下图）。

三、立标准

想再深入一些，就得找判断标准。数据 + 标准=判断，有了好坏判断，才能继续往下思考：为啥好/为啥坏。最好的标准，就是有个KPI值压在头上，这样直接对比KPI完成率就有结论。

但有些非核心指标，没有KPI要求，这时候就得找其他标准。比如用场景拆解法，把非核心指标与KPI指标的关系，KPI达标时候非核心指标的数值范围找出来，这样也能形成判断标准，做出判断。

四、看结构

有了好坏判断，可以进一步思考原因。但在思考原因之前，最好先看下指标内部结构，找到影响指标的大头。这样重点清晰，更容易看出问题所在。

比如看销售情况，销售讲究人、货、场，先从用户、商品、渠道三个维度，单独看内部结构，看哪个类型的占比高，哪个类型在当前表现好/差。这样分清重点，容易形成思路。

比如看成本情况，区分可变成本、固定成本，可变成本区分商品成本、营销成本。固定成本里区分前台、后台成本。这样更容易看出哪一块是波动来源。

有了这一步，后续再找原因就轻松很多了，可以直插重点。

五、列假设

有些比较懒的同学，直接在上一步就下结论了。比如最近销售不好是因为A商品没卖好。成本高了是因为促销花钱太多……

可这种原因往往太肤浅。一来，有可能A商品没卖好是因为其他藏得更深因素导致的（有更深因素）；二来，有可能A商品没买好是因为某几类用户在流失（其他因素波及）；三来，即使A没买好是因为A不行，那也不见得短期内能改正，还是得想其他办法（问题分析的可落地性）

所以，再往下深入，一定要清晰假设，撸出来问题背后的逻辑。很多同学到这一步会傻眼，觉得原因千头万绪，我该怎么列才合理？

这里有两个简单的办法：

1. 从最近发生的事件入手。
2. 从业务可能采取的行动入手。

从最近发生的事情入手，能快速找到解释问题来源的假设。我们可以先收集最近发生的正向/负向的事件，然后逐一看：

理论上：这个事件对哪些指标有影响

实际上：这个事件的发生程度，相对应数据变化

这样逐一排查，找出问题来源。

从业务可能采取的行动入手，则能快速找到业务应对手段的假设。比如面对业绩下降，短期内业务就三板斧：

1. 上促销，派一堆优惠券
2. 搞培训，抓几个典型示范
3. 改文案，把推广链接换换

那么，我们可列假设：

1. 按过往投入产出比，促销可以拉升业绩
2. 人员是参差不齐的，有标杆可以参照
3. 推广是参差不齐的，有标杆可以参照

之后逐一检验即可。

六、第6步：验真伪

有了假设可以验证。注意，很多日常数据波动，是没资源给我们一一做ABtest来验证的。因此这里说的验证，更多是找证据。找到足够多的、明显的、数据上的证据，来证实观点。

比如我收到最近商品调价信息，那么理论上，如果是畅销品，快供不应求调价，是会提升收入的，而普通商品被逼无奈地调价只会伤害销量。那么验证的思路就是：

1. 调价商品过往销售、库存数据如何（判断类型）
2. 调价商品从哪一天开始调的，调完了销售有啥变化
3. 调价商品影响面有多大，剔除这个商品，其他还有问题不

这样综合利用数据，就能下判断。

比如我们假设：做促销可以拉升业绩。那么可以把之前促销效果数据拿出来参考

1. 当时投入了多少，做了几天
2. 当时提升了多少
3. 目前按这个数量，能否填上坑

这样也能下判断：如果现在上促销，能拯救局面不，还需要哪些措施。

七、得结论

到这一步我们已经做了充足的功课，交作业的时候，可以做非常详尽的汇报：

1. 现状很好/很差，表现为……（第123步的结论）
2. 现状好，是因为……（第4步的结论）
3. 更深层的原因是……（第5步的结论）
4. 这种好预计是可以持续/不可持续的，因为……（第6步结论）
5. 因此，建议……（继续观察/采取措施/集体研讨更进一步方案）

附件里，附上详细的数据过程，就显得既全面，又有深度了。

八、7步骤的开展顺序

注意，这7步骤，不用等到有人提问的那一刻才开始做。因为：

第1、2、3步，完全是基础数据解读，平时就能干

第4步，要收集近期业务动作，行业大事，平时就能干

第4步，要对业务过往行动做复盘，历史上有记录

平时做好功课，事到临头要做的，其实只有第5步中的利用历史数据测算和验证影响两件事。

所以我们常说，数据分析师想要加强数据洞察能力，就得多积累分析经验，针对具体业务问题，收集业务动作，多复盘，这样才能认识得越来越深入。每次具体问题来了，才有丰富的弹药库可用。

作者：接地气的陈老师

微信公众号：接地气的陈老师

本文由 @接地气的陈老师 原创发布于运营派，未经许可，禁止转载。

题图来自 Unsplash，基于CC0协议。