為什麼“資料分析報告太平淡，只是陳述事實，沒有建設性意見”是很多企業的抱怨。
“資料分析建議要可行，有建設性，能產生效果”也是很多企業的要求。
問題是：咋做到呀！
通常來講，有
四種
方法，可以從資料中推匯出高質量、可落地、可見效的分析結論。但是，並沒有一種方法是包治百病的仙丹。每種方法都有特定的使用場景和難點，今天和同學們系統的分享一下，以供參考。
01
方法一：標杆分析法
標杆分析法的思路很直接：找一個做的好的標杆，直接復（chao）刻（xi）標杆的做法。既然別人這麼做能成功，那理論上我們這麼做也能成功。
標杆分析法的步驟：
明確要分析的業務線及分析目標（收益最大化？增長速度最快？使用者體驗最好？）
在該業務線中，圍繞目標，尋找可作為標杆的物件（目標不同，標杆自然不同）
剔除異常情況，歸納。比如運氣/行業紅利/特殊資源（確保標杆可複製性）
總結標杆特徵，匯出分析建議（學習1、2、3、4做法，即可成功）
進行測試，檢驗標杆效果（最後行不行，還得試一試）
比如，做銷售分析，在推導分析結論的時候，就不是簡單地說：“銷售業績低了，建議搞高”。而從銷售隊伍中樹立標杆，總結特徵，複製行為（如下圖）。
標杆分析法適用性很廣，但是有三個明顯缺點
缺點1：異常難剔除。所謂“失敗的大致相同，成功的各有特色”，一般標杆都或多或少有不可複製因素，很難讓人100%信服。
缺點2：特徵總結難。相當多特徵是難以量化的，特別是人主觀努力與個人素質。
缺點3：時代侷限性。有些方法在過去管用，現在不見得管用。
特別是在複製外部標杆的時候，常常因為資料採集不全，導致找一個“外表內美，內部拉胯”的同行案例做標杆，此時就更容易翻車。
02
方法二：業務診斷法
業務診斷法的思路也很直接：找到目前業務哪裡做得不好，哪裡不好就改哪裡，改完就好了。注意：所以叫業務診斷，是因為最後輸出的結論，應該是指向一個具體的業務行動，而不是簡單的扔一個“XX指標低了，要搞高”出來（如下圖）。
做業務診斷法的步驟：
第一步：建立監控指標（一般做漏斗分析，或拆解分析）
第二步：樹立判斷標準（現有判斷好壞的標準，才能下結論）
第三步：發現當前短板（轉化漏斗最弱一項，拆解中最弱一項）
第四步：追溯業務問題（這裡的弱，是因為運營/產品/價格/……導致的）
第五步：給出診斷建議（基於業務條件，評估改善可行性，給出建議）
這裡最難的就是第四步。想做好第四步分析，需要對業務流程做詳細拆解，並對具體做法打標籤，才能做深入分析（如下圖）。
注意：第五步給建議的時候，也可能不是哪裡弱補哪裡，而是“以強補弱”（如下圖）。
這樣基於業務現狀+歷史資料，對建議進行簡單的可行性評估後再給出，會讓建議更有說服力。
業務診斷法的缺點是很明顯的：第四步容易被卡住，成為業務方互懟的導火索。特別是問題發生在轉化漏斗的末端，大家都有責任的時候，更容易引發爭吵（如下圖）。
此時，需要花特別多的精力，把這幫人的各種說法論證清楚，不然分分鐘會被人當成對戰的棋子，懟得死去活來。
03
方法三：機會識別法
機會識別法和標杆分析類似，但是不是拿整體作為參照物件，而是從細節裡找思路。最典型的，比如發展了一群客戶，質量有高有低，這時候有
兩個典型的做法：
1、從現有使用者裡，挑出高質量群體，單獨看該群體畫像，思考如何做大該群體。
2、從使用者畫像角度，挑出理論上高質量群體，再看目前獲取數量，思考如何做大。
（如下圖）
這樣就是所謂的：機會點識別。所以叫機會點，是因為：到底是否能做大，做大了到底好不好？在眼下是不清楚的。
很有可能顧此失彼，為了服務一個群體，得罪其他使用者
很有可能因小失大，多賺了一個群體錢，流失其他使用者
很有可能鏡花水月，單一群體數量太少，無法撐起大盤
總之，得
實驗，
實際測試幾次，才只能看出資料變化。這也是機會識別和標杆分析最大區別，標杆分析看得是實際上已經成功的樣本，機會識別的，真的就只是一個機會。
機會識別法的弱點也是很明顯的：嚴重依賴業務配合。如果業務方懶得給出配套方案，那就永遠無法測試這個機會點到底能不能成。
更糟糕的是，在沒測試前，到底是不是機會，是無從定論的。於是，業務方會簡單按照：是否這個機會與老闆觀點一致，進行判斷。總之，老闆說這個好，這個就好。老闆沒說過，那就不好……這更讓客觀的機會識別無法進行了。
04
方法四：概念測試法
以上三種方法，都是基於已發生的資料做推導的。
也可以完全沒有資料，憑著業務方靈光一閃：
“我有一個好點子！
”然後直接拿來測試。
這是完全OK的。
常用的ABtest方法也是滿足這一需求。
但注意，很多業務上測試，實驗的是一整個流程的SOP，並非一個孤立的頁面。因此在設計實驗的時候，一定要對測試的流程做好拆解，在可能影響實驗的節點上，打好業務標籤，這樣才能在事後分析的時候有據可循，做迭代的時候也有方向。不然只看最終的結果，還是看不出所以然來（具體拆解方法，參考業務診斷法的做法）。
概念測試法的缺點也是很明顯的：
概念是人提的，資料不會撒謊，人會
！
比如：為了維護自己面子，即使新版本改善不明顯，也非得說丫明顯。
比如：為了讓自己見效，搞“瘸子裡邊挑將軍”，把B方案做的明顯爛，或者換湯不換藥，搞個和A方案差不多的B來比，反正最後都是自己的主意勝出。
至於上線後對業績改善不明顯？好辦，直接把鍋甩給資料分析，說ABtest說的不準即可。
05
深層思考：讓資料見效真難
這個問題的本質，不是“資料有沒有用”而是“真的每個公司都能成為天下第一嗎？
”顯然，很多公司在業務上是先天有短板的，老闆缺乏遠見，業務缺少能力，運作不夠規範……反應在資料上，是：
缺少內部標杆，躺在黃曆上吃老本
缺少業務標籤，幹業務全靠拍腦袋
缺少測試動作，只在紙面坐而論道
缺少合理的AB方案，拼命證明自己是對的
缺少科學態度，在缺少以上四樣的東西的基礎上，指望資料分析師，憑藉著現有資料庫裡殘缺不全的交易記錄，分析出驚為天人的救命仙丹
。
資料救不了這種公司，換誰來都不好使……
而做資料的同學，一定要努力多掌握幾種方法，多做一些嘗試，這樣才能識別出：到底是我的思路不到位，還是公司環境真的太差。畢竟學到的本事是自己的，這家公司不好，還能換下一家。
