1、看數據看維度

在對某一項業務或者業務的某個模塊進行分析時，可以從大小兩個角度去切入分析。

首先站在廣闊的視角去看待一些數據。比如對某個產品（消費品），就要分析在大環境下是一個什麼樣的數據，如市場排名，市場佔有率。還要記錄市場整體波動情況，競品的數據。這些一般可以通過第三方調研機構或者行業報告獲得。

FineReport數據報表看板

然後需要分析針對這個產品你內部關心的數據是什麼。比如每月每周的銷售量，各渠道的銷售量，廣告、促銷活動、線下活動、聯合活動等帶來的銷售的提升和品牌知名度的提升。

當了解完以上的數據，就應該對這個產品方方面面的情況有個宏觀的了解，對需要提升哪些數據指標有一個清晰的認識。之後就是細化到某個模塊維度進一步分析，比如電商渠道需要關注的多一些，DAU、WAU、客單價、復購、用戶流失等等，每個模塊都可建立漏斗信息。實際分析時還要關注數據異常，做針對性分析。

2、什麼是好的數據指標？

並不是所有的數據欄位都可以當做指標。在選擇監測的數據指標前可以先問自己幾個問題：

一對於這個產品你核心關注的是什麼？比如銷售增長率、市場佔有率？

二這些指標能夠反映這個產品的走向趨勢么？如果這些指標變好了能否說明公司是在往好的方向上發展？

三這個指標是否可控，能否操作？如果有些指標你目前的技術根本無法統計到，那也是無濟於事。

四指標系設立是否嚴謹不存在漏洞。描述一個產品的一定是有系列指標，這些會標是否能完全的說明情況，在驗證你的假設結論時，是否能完全支撐。

再來說說指標的數據和分析。

有時候數據本身也存在欺騙性，比如這個月的銷售額是600W，另外兩家最大競品分別是300W和250W，似乎加起來也沒有我們大。但是事實上，我們上個月的銷售是800W，競品分別是200W和180W。數據看上去很漂亮，但是按對比和比率來講我們遠下降了。

所以，好的數據最好一定是以比率的形式存在，要有對比性質的相對數據。

單純一個或幾個數據情況是沒有意義的，點連成線，線構成面去展示，用圖表製作展示一段時間的整體趨勢，才能客觀評價產品的健康程度。通常我們用BI系統或者報表製作搭建數據看板（dashboard）監測重要的數據指標。

FineReport數據報表看板

FineBI-大數據分析軟體與BI工具

數據分析要有目的性，不要被數據迷惑。上面的數據就是只關注了銷售額情況，但忽略了整體分析而導致的表面欺騙。

3、發現數據異常，該從哪幾個維度去分析？

有時候總量的角度是無法看出問題的，比如銷售額、UV下降了，我們需要進一步細化去分析。看銷售額總量的時候明顯是下降了，先確定大的市場有沒有波動，競爭對手有沒有動作，需要查看市場總額以及競爭對手每個品類的數據。然後分析自身，每個渠道的銷售額情況監測，每個區域的銷售額情況，每個時間段的銷售情況，把活動時間比如五一的數據扣除擬合，將有問題的標記出來。如果是渠道問題優化渠道，如果是市場波動，需要全局考慮戰略和市場對策。

所以如果是銷售額的分析，需要從渠道、活動時間點、地域等情況去深入分析。比如，是不是因為十一的活動導致銷量有個明顯的上升趨勢？是不是因為上周搞了促銷活動，導致本周一線業務員有個消極緩衝的時段，整體銷售額低迷。

另外，數據一場也不是什麼壞事，如果在數據分析過程中發現某數據表現極好，比如某渠道的銷售增長率很高，是不是可以思考為什麼會這樣，有什麼好的經驗借鑒，甚至是不是要考慮調整渠道的投放比率。

4、不同階段的關鍵性指標應該是隨著業務的變化而變化的

在做數據分析前，我們會確定分析的目標，每個階段不同。以電商渠道為例，有時候是分析各類活動效果以進一步優化方案或者挑選最合適的方案，留下分析模型以便後續活動對比預測；有時候是研究廣告投放，在預算內讓營收最大化；有時候是增強用戶粘性，提高用戶活躍度。

所以不同階段無論是關鍵性指標還是KPI都要做相應調整。比如產品投放初期，關注用戶數、訂單數，後續考慮用戶活躍度，回購率，客單價等等。

喜歡這篇文章嗎？歡迎分享按讚，給予我們支持和鼓勵！