闯过八关，做一份出色的数据分析报告

编辑导语：无论是运营还是产品经理们面对数据分析报告的时候，常常手足无措，不知道如何下手。该怎么将资金所做的“好”直接地表达欲呈现出来，让他人明白？作者分享了完成一份数据分析报告需要闯过的八关，我们一起来看看。

• 为什么运营要亲自写数据分析报告？
• 为什么产品经理抓着数据报告改来改去？

相当多的情况是：这帮人不是真想分析问题，而是变着法地证明自己做得好！而恰恰这一个“好”字，难倒了无数人。因为真想让数据分析师说一声“好”，至少得闯过八大关卡。

第一关：有个标准！

在数据分析中，一个基本原则是：数字本身不表明好坏，数字+标准才表明好坏。举个简单的例子：运营开展一个拉新活动，通过活动页面注册了10000个用户。

这个10000用户并不能说明好坏，只有说：我们计划通过页面注册5000个，实际注册10000个，才能说明好坏。

这一步看似简单，可已经能难倒很多人了。比如：

• 运营做活动，提升哪个指标，从多少提升到多少，自己说不清楚，一张嘴就是：“反正就是提升呀，我看别人都这么做。”
• 产品做改版，改进方向、改进程度、影响指标通通不清楚，张嘴就是“老板让这么改，我就这么改咯。”

这种情况，事后再抓住数据分析问：“分析下到底好不好”，铁定分析不出来。

第二关：标准得事前定

听起来很搞笑，标准不都是事前定的吗？现实很残忍：相当多的人，事先不定目标，事后跑来：“通过人工智能大数据，先计算出最科学的，最合理的，最权威的，自然增长是多少，剩下的不就是我带来的了……”

然后你会发现，他们心目中最科学的，最合理的，最权威的自然增长率永远是负数，这样无论如何都能证明他们的工作成效显著，力挽狂澜。

第三关：标准事后不能改

听起来又很搞笑，标准改来改去还叫标准吗？现实又是很残忍的，相当多的人看到考核指标不涨，第一件想起来的事就是改标准，还美其名曰：“通过人工智能大数据，计算出标准定高了多少，给一个最科学的，最合理的，最权威的修正值……”

对这种情况就一个字回复：呸！

第四关：标准是可量化的

这个问题相对小众，因为大部分销售/运营/产品的指标都是可量化的。但是还是有少部分喜欢浑水摸鱼的人，在2021年了，还把满意度/体验指数/NPS/ROS这些上世纪90年代的古董搬出来糊弄人。

这些基于外部的、调研的、小样本抽样的结果，根本无法解释某个活动/产品/功能对内部指标的影响。

因此碰到这种人，直接不予理会，要求其关联到一个可以采集完整数据的内部指标。

第五关：标准要分级别

这个问题相当普遍。原则上，通过业务行动，直接促成的结果，才能算结果。和业务行动没有关联的就不能算。

比如：

• 拉新活动，要考核的结果，应该是从活动页面的注册人数。
• 促销活动，要考核的结果，应该是促销商品的销售情况。
• 产品改版，要考核的结果，应该是哪个页面/流程改了，就考核这一个页面/流程。

BUT！很多人喜欢把非直接促成的也写进来。比如活动期间，业绩大盘整体都在涨，丫就写上“活动带动了大盘上涨”。比如页面改版了，产品整体活跃率提升，丫就写上“页面改版带动产品整体上涨”。

特别是在，这些人负责的活动/页面表现平平的时候，就尤其喜欢拿大盘上涨来说事。更讨厌的是，这些人在吹完牛逼以后会加一句：“请用人工智能大数据，精准分析出来，到底DAU涨了100万，有几万是我这个页面涨的……”

有没有一个活动，一次改版带动大盘的情况？有！就是类似双十一，这种全公司全力以赴的大活动，和全新改版这种大改版。普通的小型活动、局部改版根本扯不上什么“带动大盘”“交叉因素”“深远影响”。

因此考核标准要分级别。建议：

• 公司级大型活动，才会重点盯大盘
• 部门级，针对全体人的小型活动，关注活动自身小目标
• 部门级，针对部分人的精准活动，直接上参照组，做ABtest

这是解决事后扯皮的终极策略。

注意：闯过了前五关，我们就得到了一个有节操的考核标准，只要有个考核标准，那么我们就能得出一个“很好”的结论，开头提的问题已经解决了80%。

但是这个结论，仍然可能被人推翻，他们会说：“这是应试教育的结果，其实结果没那么好！”想要顶住这种攻击，还得再过三关。

第六关：结果要稳定

所谓稳定，指的是考核结果要稳定地表现为“好”。举个简单的例子，做一个促活的活动，理论上，最好的结果是下图1所示，上线后，活跃率稳定的高。下图2、3、4，都是所谓的“不稳定”场景。

不然的话，人们很容易攻击：

• 这不是做的好，而是运气好
• 这不是做的好，是自然波动
• 这不是做的好，是昙花一现
• 这不是做的好，水涨船高而已

需注意的是，这种指标稳定，主要靠的是业务干出来的！遇到不稳定情况，不去思考业务上怎么补救，光让数据分析：“你再深入分析分析”，可是稳定不了指标的哦。

第七关：结果要对得起投入

• 有可能考核标准没有面面俱到，没涉及成本。
• 有可能业务行动是尝鲜性质，没有考虑成本。
• 有可能短期内并不缺钱，没有在意成本。

但人们总会在某个时间点，想起来还有成本，还有投入产出。这时候就会：翻旧账，把之前“做得好”的结论推翻。

• 这不是做得好，这就是烧钱打激素。
• 这不是做得好，这就是花钱买虚假繁荣。
• 这不是做得好，明明有更低成本法子可以用。

当人们翻旧账的时候，想再反抗已经来不及来了。所以应对此问题最好的办法，就是事先不要抱侥幸心理，想着拆东墙补西墙，砸点钱把指标拉起来完事。而是真正站在解决问题角度，设计一些能逐步改进，能通过迭代提升效率的办法。

第八关：结果要对得起大盘

如果自己单点活动做得很好，但是大盘指标一直在下滑，到底算不算好？客观地讲，应该是算好的。但是越是高层领导，越不关心细节，越关心大盘走势。

所以你很难杜绝高管们这么思考：

• 大盘跌，这个小活动却在涨，说明它方向错了
• 大盘跌，这个小活动却在涨，是不是它带歪了整体节奏
• 大盘跌，这个小活动却在涨，是不是它分流了别人的效益

这是对效果考核的终极挑战了。因为本质上，这个问题问的是：到底做哪些策略组合，才能对大盘有用。策略组合里的几个子策略，会不会相互干扰。单纯站在一个项目的角度，很难扯清楚这些关联，只能交给诸如战略发展部这样的统筹部门，才能纵观全局说清楚。

九、小结

从本质上看，说“做得好”很难，难在：

• 业务上，对待结果要有节操，不投机，不粉饰太平；
• 业务上，要有整体思考和部署，每个任务有明确定位和目标；
• 业务上，要在设计落地方案的时候多考虑一些可能性，找到真正驱动的因素
• 数据上，不要迷信“人工智能大数据”能取代以上1、2、3点工作
• 数据上，帮助业务业务理清1、2、3点，而不是认为自己掐指一算就尽在掌握

这样大家通力合作，才能真正把事情做好。最终好不好，从来都不是算出来的，而是努力做出来的，与大家共勉。

#专栏作家#

接地气的陈老师，微信公众号：接地气学堂，人人都是产品经理专栏作家。资深咨询顾问，在互联网，金融，快消，零售，耐用，美容等15个行业有丰富数据相关经验。

本文原创发布于人人都是产品经理。未经许可，禁止转载

题图来自pexels，基于CC0协议。