业务要的“多维度数据分析”到底是什么？

做数据分析的同学们都遇到过这个问题：从多维度分析问题，提出对业务有意义的建议。这个题目看起来很简单，可很多同学辛辛苦苦跑了一堆报表，结果只落得业务一堆抱怨：

• “你这一堆说明了啥！”
• “你的重点在哪里？”
• “你的维度太单一了！”

好！冤！枉！

明明出了那么多组数据，为什么还被说“分析维度不够多？”今天我们系统解答一下。问题的本质是：业务口中的“多维度”，完全不是你想的那个“多维度”。

一、数据分析眼中的多维度

对数据分析师而言，多维度，往往指的是数据指标的拆分维度。

举个简单的例子：3月份销售额3个亿。这就是一个指标，没有拆分维度。如果加了分类维度，就是下边的效果：

注意：比起只看总数，用多维度拆解数据，是能更精确的定位数据的。

常见的方法有两种：

• 添加过程指标
• 按业务管理方式添加分类维度

比如只看总销售金额，我们发现差3000万达标，可我们并不知道为什么不达标。这时候如果拆解细一点，比如：

1. 添加分类维度：看到哪个业务线没做好（如下图）

2. 添加过程指标：看到从用户意向到付费，哪个环节出了问题（如下图）

增加过程指标+分类维度，就能更精准的定位问题。甚至一些简单的结论已经呼之欲出了。

正因如此，很多数据分析师把业务口中的“多维度”，直接理解成了“维度多”。一听到要做分析，振臂高呼“拆！拆！拆！”层层叠叠做了一大堆交叉表，把各个分类维度的数据都做了出来（如下图）。

然而，仅仅“多”，就足够了吗？

二、业务眼中的多维度

业务口中的“多维度”，完全不是这个意思。

业务脑子里装的是不是数据库里的表结构，而是一个个具体的问题。当业务看到“3月份销售没有达标”脑子里想的多维度是这样的：

是不是看傻眼了……

你会发现，单纯的拆解数据根本无法回答上边的问题。

是滴，一个都回答不了。甚至单靠看数据都没法回答这些问题。

即使把问题定位到：“3月业绩不达标是因为A大区3个分公司的客户意向签约太少”，定位到这么细的程度，也不能回答上边的问题。

因为到底意向太少，是因为对手发力了、产品没做好、活动没跟上、用户需求有变化……还是没解释清。具体的业务问题，一个都没有回答。自然业务看了一脸懵逼了。

三、真正的多维度分析，这么做

从本质上看，真正的多维度分析，其实考的不是数据计算能力，而是策略能力。具体来说是三个方面：

1. 把业务上理由，转化为数据上论证。
2. 堵住借口：业务不要总试图甩锅，集中精力想能干点啥。
3. 找到症结：在一堆影响因素里，找到最关键的那个，集中发力。

注意，这三件事是有顺序的：

• 先把数据论证方式列清楚，避免大家放空炮（数据不能论证的理由就闭嘴，是个非常好的议事规则）。
• 之后先堵借口，找借口并不能解决问题，因此先把各种逃跑路线堵上。
• 最后再集中想办法，想办法的时候，从大到小，从粗到细，先搞大问题。

综上，这个事可以分六步做。

第一步，要先对业务明里、暗里提出的说法做分类

对每一类问题，构建分析假设，把业务理由转化为数据逻辑，拿数据说话（如下图）。

第二步，优先排除借口

让大家把精力集中在——往往借口产生于：宏观因素、外部因素、队友因素。所以在这里，关键是证伪。只要能推翻他们的逃跑借口就行。

证伪最好用的办法就是举例法，同样是下雨，为什么别人就抗的住。同样是流量难搞，为啥别的业务线能持续增长？（如下图）。

举例法还有