有的時候，數據下降了50%，業務部門卻沒有反應，但有的時候數據下降1%，業務卻很著急。面對這樣復雜的數據波動情況，你會如何處理？作者從數據分析師角度分析數據波動的因素，什么樣的數據波動才值得注意，一起來看看。

“分析下今天的波動”是數據分析師最常聽到的任務。也是最頭疼，最糾結，最難搞清楚，還得天天搞的任務。

• 下降1%，算不算波動大
• 下降5%，算不算波動大
• 下降10%，算不算波動大
• 下降50%，算不算波動大

為啥有時候下降了50%，業務卻沒反應，可下降了1%業務急的吱哇亂叫?。?！今天我們系統看一下。

一、指標波動的本質

舉個簡單的例子，體溫37.4度VS體溫36度，只有3.9%的波動，可真要在測溫點被發現體溫37.4度，估計馬上被保安請出去。為啥？因為人們怕的不是5.5%波動，而是怕新冠！體溫37.4度表明：有可能有病毒！這才是人們真正怕的東西。

所以：指標波動不可怕，指標波動代表的業務含義才可怕！脫離業務含義談指標波動就是耍流氓。理解這一點，才能繼續討論。

二、指標波動的含義

第一類：硬指標波動

有一些指標是剛性考核業務部門的。比如

• 考核銷售：業績、回款
• 考核商品：庫存、毛利
• 考核客服：接聽、投訴

這些指標是剛性考核業務結果，意味著：必須達成指定數量，否則即使差1%都是問題。因此，常把它們稱為：硬指標。這點在銷售上表現最明顯，定好的業績目標，哪怕只差0.5%，沒達標就是沒達標，獎金一分沒有！

背剛性指標的部門，對波動最敏感，并且錙銖必較的就是他們。硬指標不達標可能直接意味著挨罵、扣錢。所以硬指標波動特別受關注。

第二類：軟指標波動

諸如注冊用戶數、用戶點擊率、轉化率一類指標。

這些指標往往是通往業務結果的過程，就像得先有注冊用戶，才有后邊的瀏覽、加入購物車、消費一樣。軟指標上升下降不見得是問題，有可能是一種新的業務形態（如下圖），有可能是偶然發生的變化。因此，軟指標的變化不會直接引發業務動作。人們更多關心：這種變化到底是好是壞，會不會對硬指標有潛在的影響。這種糾結的情緒，會讓分析格外麻煩。

注意：硬指標和軟指標的區分，不是一成不變的。比如很多互聯網公司會考察“用戶增長”，這時候注冊用戶數就是個硬指標，逼著推廣部門完成。因此區分硬指標和軟指標，要看部門具體KPI要求。

第三類：邊緣指標波動

諸如滿意度、知名度等指標。這些指標有共同特點：

• 本身是抽樣調查得來的，非全量統計。意味著抽樣方法、問卷方法、調查時間等非業務動作，也可能影響到結果。它不能直接反應業務問題。
• 與硬指標、過程指標關系不大，或難以直接驗證結果。比如滿意度，滿意度高是不是意味著100%購買，不見得；滿意度低，是不是意味著不買？也不見得。
• 人為操作影響大。比如換一種抽樣方式，立馬結果變化。比如硬砸一波廣告/優惠，數值立馬提高。

這種不準確、沒啥用、易操控的指標，也會有波動，也會引起人們的關注。但是明白了這些指標的邏輯，大家會發現，想把丫波動控制住簡直太容易了，只要搞搞數字游戲就可以。

了解了三大類型以后，在應對指標波動的時候，就有方向感：硬指標>軟指標>邊緣指標，按這個順序抓重點，不要面對一屏幕指標高了低了，急的直撓頭。

有了主次之分，就能進一步考慮判斷大小標準。

三、判斷波動大小的標準

第一步：剔除偽波動

有很多波動是自然波動。

• 比如周末、節假日、工作日之間的交易額區別。
• 比如產品上市、熱銷、退市的用戶數變化。
• 比如公眾號發文以后7天內閱讀衰減。

這些指標天生會有變化形態。平時多總結經驗指標形態，就能發現規律（如下圖）：

發現規律以后，只要符合規律的波動，一律是偽波動！偽波動即使波動數值再大也不用慌，都是常事。但是逆規律而動的，則是：事出反常必有妖！無論波動大小，都是重大變化，都得小心觀察。

第二步：量化主動行為

有很多波動是業務主動引發的。

• 比如做促銷，拉一波銷量
• 比如搞培訓，加強工作能力
• 比如做清倉，把庫存盡快甩出去

這些指標的變化，本身是由業務引起的。

面對這種情況。首先要收集清楚：到底業務在干啥。不然分析了半天，人家來一句：“我早知道了”“就是我干的”這就貽笑大方了。

其次，要收集清楚，每一個業務動作的目標和結果，這樣能方便評估“指標波動是否達成業務預期”。這是個重要的評價標準，一定要標紅加粗記下來。主動行為且指標波動達成預期的情況下，業務是不會糾結的。達不成預期的時候，他們就會很想知道：“到底差在哪里？”這時候拿著業務期望值找差距，就很重要（如下圖）

對于達成業務期望的，無論波動范圍多大，都屬于可接受。既然是主動引起的增長/下跌，肯定是指標變化越大越好。對于未達成期望的，要看期望值差距，差距部分才是要分析的波動值。

第三步：量化外部影響

有很多波動是可收集的外部行為導致的。比如政策限制、天氣、對手等等。注意：外部因素有很多不能收集到數據，落實影響。也有很多，即使知道了影響，也沒法干啥事——總說下雨影響業績，那也不能燒香求龍王吧。

因此，對外部影響，評估其波動大小，不要看一天的絕對數，而是要測算該影響預計持續時間，推算在這個時間內，總共產生的影響值，這個數值才是衡量波動的標準。

第四步：其他意外波動

是否有既不符合規律，又沒有業務主動動作，又沒有外部因素，數據本身也沒有問題，但是就是發生波動的情況？

有！這個時候應首先定位波動發生點：

• 全局性波動，還是局部波動
• 持續性的，還是突發性的
• 波動數值，大還是小

判斷問題大小的標準：

• 全局性>局部問題
• 持續性>短期問題
• 數字越大，問題越大

鎖定問題點后，可以結合指標的屬性，思考對策（如下圖）：

• 針對硬指標波動：只要硬指標未達標，就是重大問題?？紤]采取措施，保住指標
• 針對軟指標波動：只要關聯的硬指標沒崩，就不是重大問題。不糾結一朝一夕的波動，集中精力發現深層原因。
• 針對邊緣指標波動：不用害怕！想扭過來分分鐘的事。

這樣區分以后，就有了清晰的處理方向。該用雷霆手段就果斷下手，該慢慢看的就慢慢看。不然不分輕重緩急，只是自己在慢悠悠的“拆解數據-拆解數據-拆解數據”，不是被嫌棄“小題大做”“我早知道了”就是人家業務已經把問題處理完了，這邊數據分析報告還沒好呢。

四、為什么永遠有人糾結波動

小結一下：想沉著冷靜的應對指標波動，需要的是以下兩點：

1. 業務部門知道自己要做什么

• 清楚哪些是硬指標、軟指標，哪些是邊緣指標
• 清楚自己的行為能對指標影響到什么程度
• 清楚短期、中期、長期自己能干啥
• 清楚自己的短期做的事是否達成了效果

2. 數據部門，要知道到底發生了什么

• 哪些是業務主動行為，他們想做到多少
• 哪些是規律性的變化，范圍在什么水平
• 哪些可量化外部因素，到底能帶來多大變化
• 哪些是異常變化，存在于什么位置

而遺憾的是，現實的情況常常是：

業務部門只會悶頭干活。對自己要干多少、能干多少、已經干了多少，從來沒量化過?？吹揭稽c指標波動就如驚弓之鳥（如下圖）:

數據部門一不懂指標業務含義，二不知業務在干什么，三不知規律如何量化。只會拿個指標和性別、年齡、地域、渠道等等一通交叉，擺出一堆柱子，哪根短了就大喊：“波動都是因為這根短了！”還美其名曰：“多維度拆解法”，還寫成文章在網上到處毒害新人……

所謂盲人騎瞎馬，大概就是這個感覺。至于指望著“從頭、騰、阿公司，請一個高級數據科學家，建立人工智能大數據模型，一張嘴就天知地知”，則已經是病入膏肓指望著救命仙丹的想法了。

1. 量化業務目標與業務行為
2. 梳理業務邏輯并歸納為報表
3. 總結歷史經驗與發展趨勢
4. 評估現狀，測算差距

這些基礎、簡單、細節的工作，才是應對“指標波動焦慮”的最好辦法。