企业运营分析从哪几个方面分析(告别套路化分析，用思维探索无限可能)

有没有一种办法，可以帮助我们在不同的场景下理清数据分析的思路，不被限制于固定的场景分析套路中呢？对于那些不理解为什么这么下的人来说，只能通过死记硬背的方式来掌握这些定式，效率并不高，而且一旦面对新的棋形就显得束手无策。

告别套路化分析，用思维探索无限可能

我是小派，私信我回复“运营”，送你一份互联网运营资料大礼包。

不同场景下，数据分析的过程往往大不相同。有没有一种办法，可以帮助我们在不同的场景下理清数据分析的思路，不被限制于固定的场景分析套路中呢？本文介绍了在异动分析过程中，每一步分析套路背后的影响因素，帮助你更好地理解异动分析，应对不同的应变场景。

作者：Jason；文章来源于公众号：三元方差

数据分析的场景非常多，随便举一些场景：

异动分析产品分析经营分析运营分析用户分析渠道分析留存分析转化分析

不同场景下的数据分析流程是不一样的。

这就产生了一个问题：这么多不同的场景，流程又都不一样，想要全部记住所有的流程基本是不可能的。

所以我身边有很多的数据分析师，在面对特定问题时，一般会先去网上搜索分析流程，然后根据现成的流程开始后续的分析。

到底有没有一种办法能够记住所有的分析流程？

在围棋的世界里，你会发现有大量的定式，也就是一种套路式的下法。

对于那些不理解为什么这么下的人来说，只能通过死记硬背的方式来掌握这些定式，效率并不高，而且一旦面对新的棋形就显得束手无策。

但是，如果你能够理解定式的下法背后的原因，那么你所记忆的就不再是单纯的套路公式，而是可以自行推演出定式的下法。

这样，在面对新的棋形时，你也能够灵活地应对变化，而不是束手无策。

要想记住所有的分析流程，我想和围棋的定式也是同样的道理。如果理解各个分析流程为什么是现在这几步，那即使面对从没见过的业务问题，也能应对自如。

我作为一个数据分析思维领域的作者，决定尝试分析各个分析流程的推导过程，帮你摆脱套路化公式，不记套路，却无套路胜有套路。

今天分享一下关于异动分析的分析套路。

数据指标出现了异动，最紧张的除了负责业务的同学，就是数据分析师了。因为数据分析师马上要迎来灵魂三问：

为什么涨为什么跌为什么不涨不跌

这些问题该怎么回答？

关于异动分析，网上提供的参考思路很多，一般的步骤是:

确认数据准确。排查是否存在数据库异常/数据上报延迟/提数SQL错误/数据统计口径不一致等问题。

确认指标异常类型及范围。排查异常的类型属于偶发性/周期性/趋势性；异动的增幅/降幅是否合理。

拆解，定位问题原因。初步拆分维度，定位原因大致范围。如果是电商，一般采用人货场的维度拆解：

人：新老客户/分渠道/分获客方式/分用户价值标签/分用户意向度/用户画像（性别年龄地域职业等）货：不同品类/不同规格/不同价位场：流量渠道/近期优惠活动/行业表现

上述分析流程本身没什么问题，但肯定不能死记硬背。

如何通过分析思维推导出上述步骤呢？

分析任何问题的基本步骤至少有三步：

明确问题分析问题解决问题

那么异动分析的第一步也一定是明确问题。

问题来了，什么是问题？

你可能觉得这个问题问的有点奇怪啊，问题不就是问题嘛，就是那个……问题。

嗯，行吧，你说的可能也没错，问题确实是……问题。

关于“问题”这个概念，更精准的定义是：

问题是现实和预期之间的差距。

问题是现实和预期之间的差距。

问题是现实和预期之间的差距。

重要的事情说三遍。

从这个概念可以引申出问题包含三个要素：现实、预期、差距。

所以一个问题出现的原因，只有三种情况：

第一种，现状有问题。你看到的现状和真实情况存在差别。比如因为统计口径差异、数据传输错误等问题导致你看到的数字和真实数字不符。

第二种，预期有问题。预期不符合实际情况，比如成交额在每年的年底都会有一次较大幅度的下降，那么预期值就得符合现实环境对应下调。

第三种，显示和预期真的存在差距，但不知道原因。对这种问题，就要寻找产生差距的原因。

对比套路化的分析流程，上述的三类错误，第一类其实就是数据准确性问题，第二类是业务周期性波动问题，第三类才是真正需要深挖原因的问题。

对于第三类需要深挖的问题，我们也要进一步明确问题。这个差距究竟是什么时候产生的？产生了多久？差距究竟有多大等等。

以上这些问题其实就是通过5W2H的方式把问题描述的更加清楚。通过5W2H的描述，我们可以知道这个差距产生究竟是突发性的还是持续性的。

到此为止，分析的第一步明确问题基本完成了。

你就算不知道异动分析的套路，照样可以自己推导出套路。

需要进一步找原因的问题，情况有两种，一种是突发性的，一种是持续性的。

当突然出现数据波动时，往往是由于重大业务变动、政策变化、市场舆论等原因所导致的。

这种突发性的异常情况，最好的处理方式是直接向业务同学咨询。

有时候，花上几个小时进行分析的效果还不如花一分钟问业务同学来得快。因为业务同学可能昨天刚刚新增了一个投放入口，或者提高了投放预算，他只需要说出一句话就能解决你的疑问。

此外，业务同学通常对行业信息比较敏感，能够给你提供一些有价值的信息，帮助你缩短排查问题的时间。

对于持续性的问题，通常需要采用拆解的方法来找到最终的原因。

而拆解的方式通常有两种，一种是横向拆解维度，一种是纵向拆解过程。

以某电商公司GMV收入持续下降为例，我们可以采用以上两种拆解方式。对于横向拆解维度，我们可以根据商品品类、引流渠道、商品价格层级、用户地区等维度进行拆解。而纵向拆解过程，则可以通过流量漏斗分析进行。

这里出现了一个问题，究竟先采用哪种拆解方式，横向还是纵向？

我认为，并没有一定的先后顺序，因为两种拆解方式最终都会通向同一个结果。

如果我们首先采用横向拆解维度，发现某个品类的GMV下降，那么我们接下来就需要拆解这个品类下的流量转化过程，找出问题出在哪一个步骤。

如果我们首先采用纵向拆解过程，发现了流量问题，那么我们也需要再次采用横向拆解维度的方式，找出是哪一个品类的流量下降。

因此，你可以先采用任何一种拆解方式，最后都可以达到相同的效果。

虽然拆解的先后顺序没什么问题，但横向拆解中维度的选择会逼死强迫症。

以电商业务为例，常见的拆分维度中，通常可以采用“人、货、场”三个维度。

对于人这个维度，可以按照新老用户、高低价值用户、不同地区的用户等进行分类。货这个维度可以分为品类、不同价格区间的商品等。场这个维度可以分为活动会场、流量渠道等。

然而，如果你对每个维度都进行拆解，那么花费的时间和精力太多，不太实际。

所以我们需要选择到底先拆解哪些维度。

先不说具体套路，我们还是尝试着自己推导。

对异动的数据进行拆解分析，目的是找出这个问题的原因后，有人负责优化改进。

所以拆解的第一优先级是根据目前的团队分工进行拆解。

比如说电商公司根据类目划分了多个独立运营的团队，那么面对数据异动的第一优先级肯定是按照类目拆解。

因为拆完类目，就能直接找到对应的负责人。

否则你先拆解新老用户，然后告诉业务方是新用户出了问题，那么这个新用户究竟是谁来负责？总不可能因为一个小问题就把整个组织打散重新分工。

根据分工拆解维度，问题定位到某个类目后，该类目的负责人知道是自己的问题，那么如果是流量下降就加大投放，转化率变低就搞搞促销。如果问题不是特别严重的话，一般这个异动分析就结束了。

有的时候分析会更深入一层。类目负责人想更深入了解自己的类目究竟出了什么问题，那这个时候就要在拆解完类目之后，再做深一层的拆解。

这一步的拆解依然可以根据分工拆解。品类团队的内部也会有用户运营、品类运营、流量运营等等不同的分工。因为不同公司的岗位设置不一样，所以这里要根据实际的分工情况，选择拆解的维度。如果团队内没有用户运营，那也就没有必要对用户做细致的拆解了。

如果团队中有用户运营，也要和业务沟通一下，看目前用户运营的用户分层模型是什么，有没有现成的用户分层、用户分群等运营方案。根据原有的用户运营方式拆解，未必能找到最精准的问题原因，但是落地性极好。依托原有的用户运营平台，运营同学可以直接圈选用户人群做运营。

在这一步你依然可以不用记套路，你不用记得人货场分别要拆什么维度。在实际分析的时候，你要知道的是团队分工、现有策略等信息，根据这些信息你自然就知道该拆解什么了。

如果面试的时候这样的回答，如果是在面试的时候也能给你加分不少。因为别人知道要拆什么维度，而你不仅知道要拆什么，而且你知道你猜的原则必须要最终能落地，你比别人更加实战。

异动分析基本是面试必问的问题。

现在网上有很多成体系的套路，虽然套路提高了工作效率，但套路本身简化了思考过程，不能应付所有的场景，而且会限制个人能力的成长。

如果你在面试的时候，和面试官对异动分析的过程有上文中这样深入的分析过程，相信能为你加分不少。

在面试官严重，你不是个只会套路的人，你是真的会分析。而且你的分析真的能落地，是实战派。

能力可迁移，结果能落地，相信你就是面试时候最靓的仔。