描述現狀類的分析該怎麼做
現狀描述怎麼寫
描述一個業務問題的現狀是什麼，是最基礎的資料分析需求。常見的問題型別有：
產品經理：某個功能的資料表現如何？
活動運營：某個活動的資料情況怎麼樣？
渠道運營：新渠道的引流人數是多少。
新人資料分析師一開始往往就是從這類資料分析需求開始做。
新手很容易就會把這種問題
做成一個取數類
的需求。
最後給出一堆資料：點選率是多少、留存率是多少、轉化率是多少。
業務方最後問，這些資料能得出什麼結論？
那麼，我們能不能把這種簡單需求做地更加深入，更好地發揮資料分析師的價值呢？
今天就來分享一下，資料分析流程中的“是什麼”，或者說叫做“描述現狀”，究竟該怎麼做。
描述現狀，不是單純取數
首先，描述現狀的基礎是指標。
透過提取指標的資料，反應實際的業務現狀。
但描述現狀絕對不僅僅是羅列一堆資料。
只列資料，沒有結論，這是新人最愛犯的錯誤。
原因很簡單，新人也知道好的分析要有結論。
但是作為一個新人，
不懂業務，不知道該怎麼下結論。
新人分析師看到次日留存率是30%，琢磨著說點啥好呢？
留存率比較低？還是留存率比較高？
自己對業務一知半解，寫高還是寫低都不好。謹慎的同學這時候就傾向於不要下結論。
先按照取數需求做，等過段時間熟悉了業務再說。
但這樣很容易被加上一個“不懂業務”的標籤。
在別人眼裡你是一個寫sql的工具人，逐漸成為一個取數機器。
描述現狀，不能主觀判斷
還有一類資料分析師，膽子很大，很敢寫結論。
他們不侷限於取數，會根據自己的業務理解，給出一個結論。
可惜方法不對，也容易出問題。
小白在做廣告分析，發現廣告曝光的點選率2%。
小白心想：點選率才2%，100個人裡只有2個人會點選，這個資料肯定很低了吧？
於是直接下結論，曝光點選率只有2%，我認為點選率較低。
這個我認為很要命，類似的還有“我覺得”、“我感覺”這些詞語。
這種分析結果很容易和業務撕逼，主要焦點在於曝光點選率2%到底算不算低。
而且資料分析師往往會敗下陣來，業務方連問幾個問題就招架不住了。
為什麼2%點選率就是低了？
你知道廣告的平均點選率是多少嗎？
你知道業內平均水平是多少嗎？
發生這種情況，小白就被加上了“不專業”的標籤。
在別人眼裡，你是一個不嚴謹的人，任職資料分析師的基礎能力都不具備。
要知道，資料分析師很靠專業性生存，如果公司裡業務方不相信你的結論，那麼你在這家公司就很難混得好了。
描述現狀的正確做法
不能不下結論，又不能亂下結論。
那怎麼在不瞭解業務的情況下，快速給出高質量的分析結果呢？
舉一個生活中的例子。
大家應該都有過體檢的經歷，血常規的體檢報告裡面，什麼白細胞數量、紅細胞數量、血小板數量等等都有具體的數值，看起來特別精確。
單純取數也就是給一個這樣的資料。
但是隻有這個資料好像沒啥用。你知道紅細胞數量是2。5，能得出什麼結論？
沒有醫學常識的人，一般也不敢亂下判斷。
好在這種報告後面都會有一列，叫做“參考值”。
比如紅細胞數量參考值3。5-5。5。
現在的資料是2。5，正常範圍是3。5-5。5，比較一下，得出結論：紅細胞偏少了。
這樣一個沒有醫學常識的人，也能很快解讀出資料代表的含義。
相比之前的案例，我們從資料到結論，多了一個確定的參考標準。
透過上面這個案例，總結一下標準的描述現狀的過程。
第一步，現狀是什麼，提取指標資料的具體數值。
第二步，標準是什麼，列出參考標準是什麼。
第三步，結論是什麼，綜合現狀和標準，得出結論。
只有現狀資料+標準才能得出一個“是什麼的結論”。
所以在寫資料分析報告的時候，正確的做法是：
使用者流失率達到32%，相比去年同期提高5個百分點，流失率較高。
資料+標準=結論的分析流程，結構非常簡單，不過標準怎麼定？
常見的標準第一類是透過資料客觀得出的，如同比、環比、歷史最高、歷史最低等。
第二類是業務制定的，如KPI目標、老闆的預期等等。
如果一次營銷活動上線前就制定了活動目標，那麼這個標準直接就用這個目標就可以了。
如果沒有那麼清楚，只是簡單地想要做個活動提升一下銷量。那麼就可以用第一類標準。
嚴謹的邏輯是資料分析師的基礎
按照這種結構描述現狀，也有可能會出現業務方不認可的情況。
比如你用同比，業務方認為去年同期有特殊事件，所以用去年同期的資料對比結果不合理，改用環比更好。
遇到這樣的質疑，也並不會動搖資料分析師專業性的根基。
資料分析師同學一定要知道自己的價值是什麼。
我們提供的結論不能是天馬行空的猜想，除非是在頭腦風暴會議上。創意類的想法是業務同學應該做的。
資料分析師提供的應當是邏輯關係非常清楚的結論，這種結論換任何一個人來分析，得出的結果一定是一樣的。
因為資料是確定的，標準是確定的，那麼結論也一定是確定的。
業務方可以質疑你論證過程中為什麼選這個指標，為什麼選擇這個標準，但業務方不能質疑你的邏輯有問題。
如果你看到廣告點選率2%就覺得點選率很低，下結論只憑借自己的主觀判斷的話，那麼很難預測你之後給出的結論是否靠譜。
換句話說，你的結論準確性不可控。
一個嚴謹的分析師，他的邏輯是清晰的，那麼得出的結論就是可信的。
只要論證過程大家都認為沒有問題，那麼最終結論就能被大家接受。
總結
描述現狀，解決業務現狀“是什麼”的問題，這是最基礎的一種資料分析需求。
這類分析雖然簡單，但很能反應一個分析師的基本功。之前提到的指標思維、對比思維、邏輯思維在這個分析裡都會用到。
這種需求做的多了，應該磨練出一顆只講事實和邏輯的心，而不是走向“取數機器”和“我認為2%偏低”這兩個極端。
作者：Jason 產品、運營、資料是一家
