来源：木木自由

前言

数据分析已经逐步的被应用到工作/生活的各个领域，加上数字化、数智化的加速推进、ChatGPT的出现、AIGC（生成式人工智能）的发展，数据库的进一步健全，数据质量将越来越精准，具备数据分析技能将被更加广泛的应用，在未来，大到企业、小到个人，都将从数据分析中获益。

其实，数据分析的本质就是从繁杂的数据中看到其深层次的规律和机理，从而对未发生的事情进行预测！

那么，了解一下常见的3种数据分析场景，即描述现状、分析原因、预测未来，来加深对数据分析的理解。

✔描述现状：通过描述性分析，有逻辑、成体系地拆解业务，用合理的指标整体评估业务的状态。

✔分析原因：通过诊断性分析，针对业务的异常波动，分析背后的原因，并提出解决策略。

✔预测未来：通过预测性分析，基于现有的数据，结合实际情况，预测业务未来的发展。

数据分析场景

基本方法

数据分析方法

描述现状

描述性分析

对比分析

平均分析

综合评价分析

·····

分析原因

诊断性分析

分组分析

结构分析

交叉分析

杜邦分析

漏斗图分析

矩阵关联分析

聚类分析

······

预测未来

预测性分析

回归分析

时间序列

决策树

神经网络

······

（数据分析常见场景与对应的分析方法）

一

场景一：描述现状 —描述性分析

描述性分析需要更宏观、深刻地理解整个业务， 用体系化的框架、合理的指标去评估业务状态，清楚地判断业务现状及定位业务波动的数据原因。

一般来说，日报、周报，或者对于某块业务的描述性分析报告都会沉淀在数据产品上自动更新，因为业务方需要经常关注相关的数据。其目的如下：

①提升工作效率：通过数据产品定期自动化刷新描述性分析报告，减少重复工作量。

②提升杠杆效率：通过描述性分析报告的拆解逻辑，让更多的人了解业务状态，并知道如何去改善业务状态。

▼分析思路：

①明确分析目的-系统地评估企业某业务的状态。

②明确分析思路-搭建分析框架，拆解业务，根据实际情况，使用逻辑树、5W2H分析法、PEST分析模型等分析方法，确定业务和子模块的核心观测指标，用合适的分析方法表现业务发展的好坏。

③获取数据-获取分析所必要的数据。

④处理与分析数据-对获取的数据按拆解的分析思路进行处理。

⑤撰写报告-通常在数据产品（Tableau、PowerBI等）上呈现最终的结果。有漏斗分析、对比分析、分组分析等。

▼分析方法：

·····

小结

 

描述性分析报告在大多数情况下会沉淀在数据产品上，以减少数据分析师的重复工作，提升工作效率。

可以按以下顺序整理：

（1）描述性分析报告面向的对象：根据职责范畴，确定描述性分析报告中要展示哪些业务

（2）业务的展示顺序：可以按业务级别的高低来展示，或者按业务之间的流程顺序来展示等

（3）具体业务的评估：按总—分的结构来展开，分3层，即评估指标、指标表现、呈现形式

① 确定业务的核心监控指标、拆解的子模块的监控指标

② 用对比分析的方法评估指标的表现，反映业务的变化

定向对比：完成目标进度与时间进度的对比

横向对比：不同对象间的对比

纵向对比：同一对象不同维度的对比（不同的时间段，同环比、活动前后的对比等）

③ 合理的呈现形式：趋势图、颜色梯度等。

二

场景二：分析原因

—诊断性分析

根据业务逻辑，对于业务在运营过程中确定引起变好或者变差的原因，我们需要通过诊断性分析，并结合业务调研来确定，来解决为什么发生的问题。也称为根本原因分析，用于识别业务问题的根本原因，并找到适当的解决方案来防止将来发生这些问题。

▼诊断性分析的一般思路：

发现问题—>定义问题—>拆解问题—>寻找原因—>提出解决方案—>落地执行—>反馈迭代—>直到业务问题被解决

都需要对业务非常了解，对数据敏感，能判断出指标的波动是否异常。常用来判断指标波动是否异常的方法有箱线图法、六西格玛原则等，这些方法的原理是一样的，就是界定正常波动的范围，再确定离群点，只是所使用的方法和标准有所差异。

▼分析方法：

·····

小结

诊断性分析的报告推荐的结构顺序：

标题页—目录页—结论—策略—分论点论证过程—结束页。

（1）将结论放在前面是为了让业务方刚开始就对整个分析有宏观的把握。

（2）将策略放在结论后面，归纳完分析结论，就给出问题的解决方案。

（3）在策略后面详细地阐述分析过程和调研结果。

2、结论、策略、分论点论证过程这3个部分的注意事项：

（1）结论：将结论简明扼要地归纳为3～5个，结论太多会让人脑对其的记忆效果变差

（2）策略：写清楚策略方案、落地计划和收益评估

（3）分论点论证过程

① PPT的标题是对整页PPT内容的概括。

② PPT的内容结构：分论点阐述+数据论证（图/表）

三

场景二：预测未来

—预测性分析

无论是大到企业定战略目标，还是小到项目经理做业务决策，都需要前置预估业务未来的发展来辅助判断，这是预测性分析范畴内的工作内容。预测是指基于已知信息（历史数据、后续资源投入等），假设事物发展的趋势会延伸到以后，以此来对未来进行预估，可能发生的特殊影响事件不在考虑范畴之内，但最后会留出一定的调整空间。两种主要场景如：

①自上而下：先由老板确定最终要达到的目标，再向下拆解预估过程中要完成的阶段性目标和所需要的资源。

②自下而上：先预估业务每个模块的目标，再向上汇总，得到业务整体可以达到的目标。

▼分析思路：

①明确分析目的-如预测企业内某业务的年度发展目标

②明确分析思路-搭建分析框架，根据分析方法，结合实际资源投入情况来进行预测，最终实现对整体业务发展的预估。

③获取数据-获取分析所必要的数据。

④处理与分析数据-对获取的数据按拆解的分析思路进行处理。

⑤撰写报告-通常以Excel表格的形式呈现最终的结果。

▼分析方法：

对于预测性分析的框架，我们通常会基于公式来拆解，常见的形式有两种。

（1）基于数学关系

如GMV=付费用户量 × 平均付费金额。

（2）基于业务逻辑

如运营活动期间的GMV=资源投入前的GMV × 提升系数。

常用的分析方法有移动平均法、相关性分析法、各种插值法等。

·····

小结

在多数情况下，预测性分析的报告都是以Excel表格的形式来呈现的。在撰写预测性分析报告时，需要注意以下几点：

（1）要分开展示测算的过程数据和最终的结果数据，尽量不要将二者混在一起。

（2）一定要保留过程的计算公式，以方便后续对数据进行调整。

（3）最好用一个单独的工作表来记录数据之间的计算逻辑和指标的口径。

可以将测算的过程按数据计算的逻辑顺序来展示，以降低理解成本低，力求让预测性分析报告结构清晰、逻辑严谨、数据预测的可解释性强。