数据指标的波动该怎么分析？

一、先说结论：

要做两件事：

• 第一，判断这个指标波动是不是个问题。
• 第二，如果是问题，对这个问题给到足够且必要的解释。

足够且必要的标准有[4层]

• 第1层，描述现状：能将数据表现，还原成实际场景。
• 第2层，分析原因：能把导致现状的根本原因找出来。
• 第3层，预测未来：能根据现有的信息，对未来做出一个判断。
• 第4层，改善未来：能明确的定位出一些人，驱动他们去做一些事，让现状一步步走向理想状况。

PS：怎么理解“将数据表现，还原成实际场景”？
例如，某广告推广优化师，发现21年11月，“资源CPA”这个指标发生了严重的恶化。这个时候要分析这个波动。数据分析师可能通过过去的经验，做不同的维度拆解，去定位问题。
但怎么样才算达到“还原实际场景”的标准？那就是最后把这个指标波动，还原为了“双十一电商流量竞争压力大，导致为了获得更多的资源提高出价成本获得更多曝光。”这个现实世界的真实场景。

接下来讲讲如何做这两件事

二、判断是否存在问题的方法：指标监控的“一量三比”

在此，好好介绍2种常用的指标监控思路：看绝对量级与绝对量占比，以及三种常用的比较方式。为了方便记忆，大家可以简称为“一量三比”。

1.一量：通过绝对量级与绝对量占比看影响

当我们通过数据，来评估、探索一些问题的时候，首先，要通过一些关键指标的绝对量级与绝对量级的占比，来定位主要矛盾与评估影响面。

举个例子，我们现在在监控“资源48小时回复率”情况。首先我们要看的就是：

• 48小时未回复资源量多不多？在所有新资源中占比几何存不存在问题？量级大不大，需不需要解决？
• 48小时内未回复资源带来的投产影响大不大？在所有开单中占比几何，存不存在问题？量级大不大，需不需要解决？

如果量级较大、占比较高，那么就是一个值得关注的问题。

但反之，不成立。我们不能说，一个问题，量级小、占比低就不值得关注。有些问题虽然频次极低，但是影响极大。 例如连锁餐饮，一旦某个门店或是某个员工的卫生、操作规范、服务态度、健康管理出现了问题，就会波及所有门店。 另外什么样的占比、量级才算“较大/较高”，则需要根据具体的场景，进行判断。 有些问题上百万分之几的发生率，都是严重的问题，例如汽车零部件。而有些问题，可能每五次、十次就会发生一次，也不被组织认为是最先优先级需要解决的问题。例如，电销保险外呼发生被客户挂断的情况。

2. 三比：和自己比看趋势与波动。和目标比看完成，和市场比看差距。

“看量”是第一种方式，而第二种方式是“比较”。常见的比较对象有三个：自己、目标、市场。
自己：和过去的自己比，看趋势变化与波动幅度。
计算同比与环比，就是一种与自己的过去比较的方式。
通过和过去的自己比较，可以明确的知道，当前的指标处于什么样的水平上。并且能知道这个指标变化的趋势是向好的，还是向差的。
结合实际的业务场景，指标上升、下降、持续保持波动没有变化或大幅波动等，都能够称之为某种程度上的问题。

那么除了同比与环比外，还哪些方式可以更精准的刻画趋势变化与波动幅度呢？

• 可以采用拟合的方式，对于指标的趋势变化进行刻画。例如，线性拟合、对数拟合等。

• 可以采用比较变化幅度与历史数据标准差的方式，对于指标的变化幅度进行更为精准的刻画，设计预警机制。例如，著名的6-Sigma管理法。

目标：和目标比，看达成的情况。

计算达成率、销售进度等，都是一种与设定的目标比较的方式。

通过和目标比较，可以知道原本设定的计划是否合理，例如是不是在做计划时，忽略了什么重要因素没有考虑等。我们需要及时调整我们的计划

如果原本的计划是合理的，但当下没有顺利达成计划，可能意味着，存在着某些因素产生了负向的影响，但我们却没有做出及时合理的应对、我们需要及时调整我们的策略。

结合业务场景，目标未达成、长期无法达成、长期超额达成等，都能够称之为某种程度上的问题。

市场：和市场比，看与标杆的差距，看自己的优势与劣势。

计算市占率、表现领先程度等，都是一种与市场比较的方式。

和市场比，我们可以有更宏观的视角，来评价这个指标的表现情况。这种比较可以选择3种路径：

• 和整体比：与市场整体比，看自身在市场中的地位。
• 和部分比：根据公司当前的战略，和重点圈定的一些竞争对手做比较，谋求超越、或者打造品牌力等等。
• 和标杆比：和市场中的某个标杆企业比，看自己还有多少需要追赶。

例如，某品牌4S店A通过和自己比的方式，判断近期的汽车销量都是上涨的，那么是不是说业绩就是好的，完全没有问题呢？ 也许不是。如果此时和市场的表现比较，在同城市的同品牌的另一家4S店B，本季度的销售额有40%的上涨，而A店只有14%。这也许意味着，在一个市场的上升期，A店没有把握住机会机会，表现是低于市场的。