做數據分析時，很多人只是通過數據就數論數，止于數據，并沒有讀出數據背后的業務意義。那么，我們改如何通過數據了解其深層次含義？對此，本文從錯誤的數據解讀示例、解讀的關鍵時理清業務含義等七個方面做了分析，推薦對數據分析感興趣的小伙伴閱讀。

經常有同學抱怨，在公司里，總被催著問：通過數據，你看到了什么？可實際數據就幾個曲線而已，也不知道咋解讀。也沒有人教，自己好不容易寫了幾句，又被嫌棄：” 你這都是廢話，我們要深層次含義 “。咋辦？

就舉個最簡單的例子，下邊是某公司一周銷量數據，你看到了什么？

錯誤的數據解讀示例

高了表揚低了罵

數據解讀，寫的是：周一到周五很高，周六、周日低，所以要！搞！高！……這么解讀當然會被說：你這都是廢話啊！業務又不是瞎子，看不到數字是周六日低嗎。

哪里跌了哪搞高

因為周六跌了 48%，所以要搞高……這個是廢話 *2 和上一種說法是一個模子里刻出來的。

加減乘除算不停

平均值 95.2，最大值 125，最小值 35 ……這個是廢話 *3。平均 95.2 所以呢？最大值 125 所以呢？這還是在把數字復述一遍而已，沒有講出任何含義。

解讀的關鍵是理清業務含義

以上三種錯誤的共同點，是：就數論數，止于數據。沒有讀出數據背后的業務意義。其實數據解讀一點都不高深，我們每月每天都在用，比如：

業務部門做決策也一樣。

他們想聽的是：不劃算、不喜歡、買不起。他們更想聽的是：” 今天中午預算只有人均 50，在這家川菜館既管飽又好吃 “，他們想聽的絕不是 “2 公里內共 28 家餐廳，平均價格 63 元，最高價 725 元，最低價 13 元，較上個月價格提升了 10%” ——這真的是一點意義都沒有。

想要得出這種判斷，需要三個條件：

了解數據代表的現實含義

了解數據大小代表的現實區別

明確判斷標準

比如大眾點評上飯店人均金額 185 元。它不是一個孤零零的數字，而是填肚子的成本，這是人均金額的現實含義。成本低了可以接受，高了就吃不起，這是數據大小的現實區別。

比如我一個月餐費預算只有 3000 塊，意味著每天只有 100 塊錢，這就有了標準。那這一頓 185，明天就得吃土了。這就形成了判斷：太貴了，得換個地方。

解讀企業數據也如此，不能只見數據，不見業務。同樣三點：

業務含義：數據反映的是什么業務

業績走勢：通過數據形態，解讀業務發展走勢

判斷標準：到底什么算好，什么算不好

下邊我們一個個看一下。

從理解業務含義開始

回到開頭的例子，” 銷售業績 ” 這個指標本身有很多含義。

直接含義：銷售隊伍的努力程度

銷售業績 + 成本：企業的盈利情況

銷售業績 + 產品：產品暢銷程度

銷售業績 + 用戶分層：用戶的需求

銷售業績 + 庫存：產品進銷存管理質量

但是注意：這里并沒有標準，因此無法判斷是好是壞。這也是為什么直接下結論：業績低了要搞高，是非常錯誤的行為。

銷售業績直觀反映的是銷售隊伍的努力程度，想知道這個數值是好是壞，我們可以直接去問 ” 銷售隊伍的 KPI 達標了多少？”；也可以從業績曲線走勢來判斷。

這就需要做第二步：觀察業績走勢。

觀察業績走勢

一個問題：” 什么樣的產品會賣出這種曲線？” 因為有七天的數據，所以可能代表了三種走勢：

1. 自然周期性變化

七天代表了一周，周一到周五是工作日，周六周日是休息日，所以這是一個工作日銷售多，休息日沒銷售的產品——是滴，你很自然聯想到，這可能是 B2B 的交易，工作日上班了才有大把生意，周日都休息了。或者是圍繞 B2B 的衍生生意，比如 CBD 的餐廳一類。

2. 生命周期性變化

有可能某個主打商品銷售到了生命周期末尾，正在退市，下一款新的馬上要上，暫時變化。注意，一般看生命周期數據，是從生命周期開始做 T+N 天的圖來看，不是看自然日。

3. 突發性變化

有可能剛好周六日出了問題，交易系統 down 機，有可能剛好促銷活動到周六日結束，有可能剛好周六日惡劣天氣。

通過對走勢的判斷，可以建立初步的標準。如果是周期性變化，那很有可能是正常波動，我們初步判做 ” 正常 “。如果是突發 + 下跌，那很有可能是異常且壞的波動，我們可以初步判做 ” 問題 “。有了標準，就能下判斷，只是三種假設都有可能，需要進一步驗證。

列出假設做驗證

想知道自己思考的對不對，就得去驗證假設。驗證假設的辦法有兩種：第一，可以和業務部門溝通，了解實際情況。第二，可以參考過往數據，驗證判斷，同時反向驗證業務部門是不是撒謊了。

數據驗證可以做的很復雜，但也能做的很簡單。不需要很復雜的邏輯，只要一根曲線就夠了。如下圖。

只要延長時間，靠一根業績走勢 + 業務表現，也可以解讀出變化的原因。如果過往一直都是有周期性波動，那拉長時間就能看出來周期規律。

實際企業經營中，也經常出現上邊三種情形，只是形態更復雜，往往是三種混合。比如 B2C 零售和 B2B 銷售是反著的：

自然周期性：周五到周日高，其他工作日低；

生命周期性：新品上市到下市有季節性規律

突發事件：大促銷（猛漲）惡劣天氣（猛跌）

在看數據的時候，往往會在業績曲線上打上標簽，比如一個日期是否節假日，是否某重點產品生命周期結束，是否突發情況。這樣，可以從看似無規律的曲線里區分出規律來。

這也是為啥很多經驗豐富的業務人員，即使沒有專門的數據分析，也能快速判斷形勢的原因。因為他們很了解業務上發生了啥事，了解過往業績曲線形態。結合業務表現看走勢，比盲目的算同比、環比、平均數，中位數要有用得多。

深入細節看問題

做完上一步，只是幫大家理解了數據含義，并沒解答什么問題。如果止于上一步，就會變成業務的應聲蟲：” 業績下降是因為下大暴雨了 “” 這是正常波動，周末肯定要跌啦 ” ……只是單純的這么解讀，很有可能會換來一句：” 我早知道了 “。

實際上，往往人們都會注意到突發性急病，容易缺失的是對慢性病的觀察。比如下圖：

如果只看日數據，會感覺似乎每天波動不大，只能略微感到月頭比月尾似乎高那么一點。

但是如果拉長看周數據，就會發現問題：為什么在業績好的月份，最后一周不沖刺業績了？上月業績好 + 月底不沖刺 + 本月開局格外好，這個曲線走勢不和規律，很有可能是這就是 B2B 銷售中的 ” 藏業績 ” 行為。

這時候，做數據分析的也能對一線業務說：我早知道了。甚至還能從下個月初吐出多少單，反推出來他們每個人藏了多少業績。

這也是為啥實際企業經營中，我們不止看孤零零一個數，而是搭一個數據指標體系，還要做日報、周報、月報的原因。日報用來關聯業務動作，反應突發問題，周報和月報用來追蹤趨勢，發現更深層次的問題。深層次的問題，再由專題分析解決。這樣就構成了數據分析體系，系統化作戰，才有威力。

當然，實際分析場景會更復雜。

有可能經過數據解讀，我們得出的是：” 銷售在藏單，真實業績比數據體現的更好 ” 這種結論，但到底是不是藏了，真實的又是多少，還得成立專項，深入分析。

但無論如何，我們都比只回復一句：” 要搞高！” 要進步了很多，也能贏得業務的尊重。

解讀數據是個硬技能

有同學會說：既然讓數據分析師自己猜這么難，為什么不直接溝通業務的需求呢？是滴，理論上最佳的狀態，是業務和數據之間有定期溝通，業務陳述需求，數據反饋結論。

不過大部分企業，這個狀態不存在。大部分企業都是大家各忙各的，數據忙于爬表出數應付日常各種報表，業務忙著干活撕逼。部門之間深溝高壘，幾乎沒有溝通，越大的公司越是如此。

再加上，很多人對數據分析本身認識不清，還停留在 ” 一個仙風鶴骨的道長掐指一算，口出出驚世憾俗之言 ” 的印象中。共同作用，導致了文章開頭的問題。因此數據分析師不能單純指望業務把什么問題都梳理好了丟給自己，還是得有主動解讀的能力。

財務數據分析師CFDA（China Financial Data Analyst）

由中國商業會計學會頒發，通過全國統一考試的學員將同時獲得商業數據分析證書，該證書是由人社監制，省級職業技能鑒定指導中心簽章頒發《人力資源和社會保障部專項職業能力證書》。

通過CFDA課程的學習，企事業單位的財務人員和管理人員能夠通過科學的指標體系和分析方法，結合企業財務數據，構建數據模型，對公司整體經營狀況進行評估，向管理層和業務部門提供財務建議和決策支持，從而優化資源配置和提升企業核心競爭力。