“你看看最近的销售数据，有啥发现不？”在工作中做数据分析，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、第1步：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、第2步：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做数据分析，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、第3步：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、第4步：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、第5步：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商品没买好是因为其他藏的更深因素导致的（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：

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：

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：

上促销，派一堆优惠券；搞培训，抓几个典型示范；改文案，把推广链接换换。

那么，我们可列假设：

按过往投入产出比，促销可以拉升业绩；人员是参差不齐的，有标杆可以参照；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：

调价商品过往销售、库存数据如何（判断类型）；调价商品从哪一天开始调的，调完了销售有啥变化；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。

来源【首席数据官】，更多内容/合作请关注「辉声辉语」公众号，送10G营销资料！