1、基本：穷举并发现、衡量关键影响要素
- 分析的本质是发现什么要素从根本上影响了结果。
- 首先是想办法了解哪些因素可能影响到最终结果，人们很容易在这一点上不下功夫。
- 然后有数据就把每一项和结果去对，画散点图；找出一元、二元或多元回归关系；没数据就逻辑推理；
- 关联的要素中，区分正负相关，强弱相关。
2、常规分析：日常经营中的数据分析
- 数据是拿来比较的，时间上的同比环比，和竞对的比较，和其他品类的比较等等；
- 一定要区分哪些数据影响分子哪些数据影响分母，分别影响多少？
- 在报表中，数据通常是分等级的，一个典型分法三级：第一级数据拿来发现问题（GMV、订单、客单，这里面通常是核心KPI），第二级数据拿来定位问题（流量、合作品牌等），第三级数据拿来解释问题（具体的流量、品牌具体的门店）；然后解决问题再反馈到数据。
- 常规经营的数据分析步骤
- 【发现】问题。例如gmv降低？
- 【确认】问题。确认问题是否真的存在？是否是正常的波动？
- 【定位】问题。gmv有各种拆解方法，例如订单*客单，品牌*品牌产出，定位哪一个二级数据影响了一级数据；
- 【解释】问题。review一下上数据周期做了什么事可能影响到该数据的表现。
- 【解决】问题。怎么解决问题？把该问题解决后，再去看对数据的影响。
3、专项分析：基于某一个专门的项目
专项分析要有报告，报告必须包含以下几个内容
- 【目的】是什么？
- 采用了怎样的分析【方法】？
- 有什么【发现】？
- 最终【结论】是什么？
- 给业务团队的【建议】是？
- 执行的【反馈】如何？
- 是否需要进行【调整】再开始新的循环？
4、搭框架
- 我倾向于认为“搭框架”很重要，核心的点通常是什么到底放在横轴什么放在纵轴（基于平面的二维世界）；
- 首先应该花些时间搭建一下框架，不要急着把数据放进去，心算一下如果把数据放进去是否能有效的得出结论；
- 务必确保横轴和纵轴不会重复；
- 我倾向于认为框架能搭好就是问题解决了一大半，框架搭不好就去填数据等于无用功。
5、去现场
- 去现场不等于去线下，分析的时候通常会对数据进行汇总、透视，如果发现异常点，就去原始表里，看看最小颗粒度的数据，到底是什么？是怎样的影响到最终的数据？
- 当然去线下也很重要，是接地气的关键点。去线下，作用包含发现未考虑到的要素，发现数字之外的东西。
6、分析的呈现
- 保持一致性，包含图表类型的一致性，图示的一致性；
- 不要让受众心算，1个簇状堆积图+1个100%堆积柱形图，不如1个堆积柱形图。
- 用一定的时间思考用什么图表表现比较好，考虑不常见的雷达图、散点图；但是不要搞得太花哨。图表的目的是让受众更好的理解。
- 可以读一下《用图表说话》
7、分析的落地
- 发现影响结果的关键【要素】，例如说增加供应；
- 发现关联的可衡量的【指标】，用什么数据去衡量，通常意味着KPI；
- 关联的可落地的【行动】，用什么方法去执行？
- 监控行动的【反馈】，执行的结果如何？