今天统一解答一下。这种问题，本质上是来自：不了解业务到底掌握了什么情况。想要做出既符合业务常识，又超过业务预期的分析成果。当然得先摸清对方底牌。
业务常识其实由三部分构成：
1、假设：业务方对问题的猜想。
2、证据：能支撑猜想的论据，包括数据、事实、逻辑推理等。
3、结论：基于假设+证据，论证产生的业务结论。
比如业绩波动问题，可能和外部（天气、经济环境、竞争对手）内部（总部支持、分公司配合、一线执行）等很多因素有关。作为销售部/业务部/渠道部/运营部，他们本身对于这些因素是有一些了解的。很有可能有了一些假设和证据，比如：
因此，如果没有沟通，不进行事先摸底。很有可能在数据分析中根本回应不到这些结论，或者简单的鹦鹉学舌再重复一遍，这就会导致开篇的：“我早知道了”、“不符合业务常识”等问题。所以进行事先沟通，了解情况非常重要。
需注意的是：业务方的证据不一定是数据。很有可能是来自
所以，作为数据分析是大有可为之地的。去伪存真，去粗取精。剔除不合理假设，发现更多问题，就能帮助到业务，赢得认可。具体的做法可以有三个方向。
还讲上边的例子。比如业务方已经认定是大区经理的问题，那我们就来验证，是否不同能力的大区经理表现真的有差距。需要注意的是，我们要找的是主要矛盾。如果大区经理能力真的是主要矛盾，那业绩数据上会有明显变化（如下图所示）如果只是有略微差距，甚至没有差距，那就能直接否掉这条假设。在数据证据充足的情况下，可以大胆下判断，用数据说话，业务方也无力反驳。
即使第一步验证业务方假设，也没关系，我们还可以把问题去平均化，具象化。从而找到更多新鲜结论。比如已验证大区经理能力不行，可到底是怎么个不行法，是一贯不行，还是这一次发挥不行，还是丫本来就是个投机分子——有政策就做，没政策就叫难。可以通过对大区经理行为的进一步分析得到（如下图，业绩达标率走势所示）
这种细分分析，对业务是很有用的。单靠“能力不行”四个字，可没办法指导到下一步行动。到底谁是要撤换，谁要扶助，谁还能等待成长，有个清晰的划分，才能针对性做事情。细节之处见功力，有细分分析，即使大结论是一样的，业务方也会觉得有意义。
很多时候，第一步验证成功不代表发现了真正的问题。比如看似是大区经理能力有差异，可大区经理下属业绩也是由不同门店、产品、销售团队构成的。通过结构分析法，我们有可能看到更多问题。如下图所示：
有可能我们发现：所谓优秀经理，其实就是命好。其下属1级门店数量多。那就不禁让人怀疑：是这些人能力强，还是天生掌握的资源好。所谓“总部支持力度不低”是不是只对1级门店有作用。这是很常见的问题，大家往往默认了表现好的1级门店就是3级门店的标杆，制定政策都按1级门店的经验来。可实际上1级门店的经验很有可能是不可复制的。如果能通过往下深度分析，找到更深层的问题，就能让业务大呼“我咋没有想到”了。
数据分析师的一个特殊优势，就是不用对业绩负责，因此出现“屁股决定脑袋”“黑的描成白的”相对较少。这样就可以潜下心来，客观评价业务的判断。通过长期趋势观察，多次对比，发现深层问题。还是这个例子，业务方自认为自己的政策没有问题，很有可能通过长期多次对比，我们发现：是有潜在问题的（如下图）
看似营销政策上线后，单日最大业绩又破新高，总业绩也拉动很多。可历次对比发现，促销蓄力期、恢复期越来越长，整体效益并没有更高。这就说明很有可能用户/市场已经对类似活动疲倦了，不以为然了。这时候还是要坚持继续做，还是考虑调整，就是个大问题。当然，这种结论直指业务部门的痛点，往往他们看完是默不作声，然后回来再思考的。虽然嘴上不说，但内心里还是会认可分析的价值。
上边只是个简单的例子，还有更多可以深入的地方。有些同学看了会说：老师，这些看数据的维度，我们BI里也有。是滴，罗列数据是很简单的。比如把销售业绩按大区，按门店拆解，分日、周、月输出，这是很多BI都有的。然而问题是，这样单纯的罗列没有任何逻辑，没有回答任何业务方疑问，没有引导业务方思考，它就只是一张张数据表而已。在没有逻辑的时候，甚至列的数据越多越招人嫌。看着花花绿绿的报表，业务方还会抱怨：能不能讲重点！
做数据分析，要从具体问题出发，到一个指向业务的行动结束。想要超出业务期望，当然得了解具体业务期望是什么，解答他们的问题，帮他们发现更深层的问题。这样就得让我们的数据分析师们不止满足于记住了GMV=DAU转化率客单价这种公式，更得把自己放到真实商业环境里去，了解商业动作，思考具体的商业问题。这样才能思考的深入，做出超过期望的成果。
更多阅读，戳：
数据分析，如何做才算“深入”？
数据分析，这样才算读懂数据
原文地址：https://blog.51cto.com/14915224/2526295
