在当今数据泛滥的时代，数据分析已再也不仅仅停留于表面，而是深入到洞察与结论的层面。正如古人所言，“工欲善其事，必先利其器”，数据分析师们想要在数据的海洋中捞出真正的珍珠，就必须把握一套有效的分析框架。本文将从数据评估、反常归因到行动意见，全方位解析怎样提炼数据中的“Insight”，为企业决策供给有力支持。

加入咨询机构（MBB之一）这两年，感受最深的便是不管是给老板报告还是给客户报告，最核心的一点便是你的Insight（洞察或结论是什么）。在做数据数据分析或业务科研时，你不仅要给出数据结果的事实，还需要给出你自己基于数据得到的结论和意见，这才是你的价值，亦便是需要具备描述数据是什么，数据怎么样，为何会这般，咱们该怎样做的一整套分析框架。那样，在平常数据分析工作中，你的“Insight”来自于哪里呢？

1、数据怎么样是数据分析的基本

当下大众都比较注重健康，毕竟需要为祖国健康工作50年，拿到体检报告后，倘若只是给了你一堆血糖、血脂、尿酸、BMI等指标的数值，你啥亦看不懂。而倘若标注了某一指标高了或低了的箭头，你就晓得这一项有问题了，需要找大夫诠释下这个白细胞数指标超标表率啥意思。

一样，针对数据指标体系想要能够给到业务用户供给指点意见，必不可少的便是指标好坏的评估标准。只告诉老板昨天DAU 100W无任何道理，还需要他自己判断100W业务到底正常还是出了问题。因此呢，数据指标体系必须包括区别指标的好坏的评估标准，通常来讲常用的有：

和历史比

同比：（本期-去年同期）/去年同期，适用于发展稳定的业务形态，今年和去年对比看下是不是连续增长环比：（本期-上期）/上期，适合分析近期的变化，能够从日

环比，衍生出对比本周一对比上周一，本月1号对比上月1号的月环比，能够反应短周期内业务动作是不是起到了正向功效，适合监控快速变化的业务场景

和历史峰值比，是不是完成自我超越，取得新的里程碑，用于做有些团队激励，如营销管理场景

和历史均值对比（近7天、近30天等），思虑有些特殊日期、或活动的影响，以均值做为参考线，拉齐反常点的影响

和目的比

目的完成度：指标实质值/目的值，通常来讲企业经营管理都需要设置自上而下量化管理的KPI指标，年度、季度、月度等，1个亿的小目的不是人人都可实现，然则脚踏实地影响奖金的的KPI还是要时刻紧盯的。

和同行比

不患寡而患不均，打绩效分奖金的时候怎么样服众，常用的便是你张三做的无李四好，因此李四是A，你是B。因此能够和平级对比，例如分部平均、中位数等，衍生出能够在更大范围内的对比，例如行业内。

和预警值比

过去指标阈值设置败兴业务经营为主，例如业务确定GMV同比波动超过50%算反常，随着大模型应用的成熟，能够依赖算法模型，充分思虑季节周期、营销活动、天灾人祸等各样原因，设定更加智能化的参考标准。

2、为何会这般是洞察结论的前提要求

有了指标的好坏评估标准后，当分析监控发掘昨天GMV下降50%，远高于近期常规表现以及去年同期（排除业务季节性和周期性规律），这个时候就需要结合指标体系的分析办法进一步归因是哪里出了问题，这儿面就触及到维度拆解，和相关指标分析。

维度拆解

多维分析是反常归因分析最常用的分析办法之一，是一种从整体到局部的思想，根据业务流程或组织拆分数据指标支持的分析维度，如制品类型、区域、省份、途径等，逐个拆分看是不是某一维度才，存在显著的维度值贡献的反常数值比例很强，日前非常多BI工具的智能归因分析基于基尼系数进行维度的拆解，便是这个思想。

指标拆解

在指标体系构建时，咱们会把有关联关系的指标进行归类组合，例如电商黄金公式GMV=UV*转化率*客单价，当GMV下降反常时，根据指标拆解的思路，能够是不是是某一细分指标存在显著变化。指标拆解的思路初期在财务行业又叫杜邦分析办法。

3、咱们该怎样做是重点的洞察结论

业务对数据分析的期望是能够经过数据分析帮忙她们发掘商场机会或行动改善意见，亦便是“So What”，倘若只是描述了一堆数据事实，给不出结论性的意见，那你的分析便是没有“Insight”的。因此，需要基于数据拆解和分析的过程，结合对业务的认识，给出能够落地执行的决策结论。例如，GMV环比下降50%，相关指标拆分各项指标波动并无显著差异，维度拆分时，发掘是某一Top10城市下降严重，此时就需要认识竞对（行业）、以及业务上，在这个城市做了那些动作，最后认识发掘，是竞对新上了某一活动，将海量用户切走了，这个时候，咱们的意见是，防守端，怎样避免用户被切客，进攻端，怎么样进行竞对用户的拉取等。

同理，在做数据制品设计时，只是供给数据是什么，怎么样，为何只是满足业务基本的“生理需要”，结合AI大模型和分析经验能够给出“怎样做So What”,才可持续产生更加多创新价值。

本文由人人都是制品经理作者【数据干饭人】，微X公众号：【数据干饭人】，原创/授权 发布于人人都是制品经理，未经许可，禁止转载。

题图来自Unsplash，基于 CC0 协议。