“看看最近的业务/经营数据？”在工作中，业务人员经常会被领导和老板问到这种无明确目标的问题。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“最近数据环比3%增长”这种结论报上去，又会被老板说道“什么意思啊？”或者“这种浅显的我也知道，要你深入分析！”。那么，数据分析到底该怎么做？数据分析的基本步骤包括哪些？今天我们来系统讲解下。

首先可以确定的是，解读数据是有标准顺序的，数据分析的基本步骤可以分为这么几步：看数字、找规律、立标准、看结构、明假设、验真伪、出结论。

第1步：看数字

这是数据分析的基本步骤中的第一步，也是最基础的，通常时候，我们能见到的浅显的分析报告都是这一类，数据涨了、数据跌了、数据最大值、最小值、平均值、绝对值、数据同比，数据环比......这些是数据的基本趋势变化。按理说，这样数据汇报时没问题的，但是恰恰是因为浅显，也最不招人待见。因为这是一目了然的数据趋势“描述”，没有也无含义，讲了跟没讲一样，所以要做好数据分析，必须深入下一步。

第2步：找规律

想要在基本的数据变化上深入一步分析，最简单的办法就是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，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，能避免误报错报。还能敏锐地观察到真正的问题。

第3步：立标准

想要再深入一些做好数据分析，数据分析的基本步骤中必须要做的就是找好判断标准。数据 + 标准=判断，有了好坏判断，才能继续往下思考。数据分析思维模型中，关键指标模型（KPI）和北极星指标模型都是用来确定关键数据标准的好方法。

拿漏斗模型来说，我们可以算出每一步的转化和流失率，但是如果没有标准，那这个数据将毫无意义，我们在进行漏斗分析之前需要确定我们的理想转化范围是什么，差的标准又是什么，怎么样算有提升，提升是由哪一步的提升影响的。

当然有些业务可能没有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。

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。

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，只完成了最基本的4步数据分析的基本步骤。

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：

1、从最近发生的事件入手。

2、从业务可能采取的行动入手。

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：理论上：这个事件对哪些指标有影响。实际上：这个事件的发生程度，相对应数据变化。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：

1、上促销，派一堆优惠券

2、搞培训，抓几个典型示范

3、改文案，把推广链接换换

那么，我们可列假设：

1、按过往投入产出比，促销可以拉升业绩

2、人员是参差不齐的，有标杆可以参照

3、推广是参差不齐的，有标杆可以参照

之后逐一检验即可。

第6步：验真伪

有了假设便可以验证。注意，很多日常数据波动，是没资源给我们一一做AB测试来验证的。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：

1、调价商品过往销售、库存数据如何（判断类型）

2、调价商品从哪一天开始调的，调完了销售有啥变化

3、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。

第7步：得结论

到这一步我们已经做了充足的功课，交作业的时候，可以做非常详尽的汇报：

1、现状很好/很差，表现为……（第123步的结论）

2、现状好，是因为……（第4步的结论）

3、更深层的原因是……（第5步的结论）

4、这种好预计是可以持续/不可持续的，因为……（第6步结论）

5、因此，建议……（继续观察/采取措施/集体研讨更进一步方案）

附件里，附上详细的数据过程，就显得既全面，又有深度了。

数据分析的7步骤的开展顺序

在数据分析的基本步骤中，第1、2、3步，完全是基础数据解读，平时就能干。第4步，要收集近期业务动作，行业大事，平时就能干。第5-7步，要对业务过往行动做复盘，历史上有记录.平时做好功课，事到临头要做的，其实只有第5步中的利用历史数据测算和验证影响两件事。

所以我们常说，数据分析师想要加强数据洞察能力，就得多积累分析经验，针对具体业务问题，收集业务动作，多复盘，这样才能认识得越来越深入。每次具体问题来了，才有丰富的弹药库可用。