有时候数据降了50%，业务部门没反应，但有时候数据降了1%，业务却急了。你将如何应对如此复杂的数据波动？笔者从数据分析师的角度分析数据波动的因素。什么样的数据波动值得注意？让我们来看看。
“分析今天的波动”是数据分析师最常听到的任务。也是最头疼，最纠结，最难以理解，每天还得做的事情。
下降1%，算不算大降5%，大降10%，大降50%，大降50%有时候，商家没有反应，但是可以降1%。商家在尖叫！！！今天我们来系统的看一下。
一、指数波动的本质
举个简单的例子，体温37.4度vs体温36度，波动只有3.9%。真的要在测温点发现体温37.4度。估计保安会要求你马上出去。为什么？因为人们害怕新冠肺炎而不是5.5%的波动！37.4度的温度说明可能有病毒！这才是人们真正害怕的。
所以:指标波动不可怕，但指标波动所代表的商业意义才可怕！从商业意义上讲指数波动是耍流氓。只有理解了这一点，才能继续讨论下去。
二、指数波动的含义
第一类:硬指标波动
有些指标在考核业务部门时比较死板。例如
销售:业绩，付款，商品:库存，毛利，客服:接听投诉。这些指标都是刚性考核业务的结果，也就是说必须达到规定的数量，否则，哪怕差1%都是问题。因此，它们通常被称为硬指标。这是销售上最明显的表现。哪怕设定的业绩目标只差0.5%，不达标就是不达标，没有奖金！
背刚性指标的部门对波动最敏感，是要讨价还价的部门。硬不达标可能直接意味着挨骂，扣钱。因此，硬指标的波动尤为受关注。
第二类:软指标波动
注册用户数、用户点击率、转化率等指标。
这些指标往往是导致商业结果的过程，就像你必须要有注册用户才能浏览，才能加入购物车，才能消费。软指标的涨跌不一定是问题。可能是新的商业形态，也可能是偶然的变化。因此，软指标的变化不会直接触发业务动作。人们更关心这种变化是好是坏，是否会对硬指标产生潜在影响。这种纠结的情绪会让分析特别麻烦。
注:硬指标和软指标的区分不是一成不变的。比如很多互联网公司会调查“用户增长”。这时候注册用户数就是一个硬指标，逼着推广部门去完成。所以，硬指标和软指标的区分取决于部门具体的KPI要求。
第三类:边际指标波动
满意度、人气等指标。这些指标有共同的特点:
这是抽样调查，不是总的统计。意味着抽样方法、问卷方法、调查时间等非商业行为也可能影响结果。它不能直接反映业务问题。跟硬指标和过程指标关系不大，或者很难直接验证结果。比如满意度，高满意度是不是意味着100%购买，不一定；满意度低，是否意味着不买？不完全是。人为操作影响大。例如，如果改变采样方法，结果会立即改变。比如你砸了一波广告/优惠，价值立马提升。这种不准确，没用，容易控制的指标，会有波动，会引起人们的注意。但是了解了这些指标的逻辑之后，你会发现，控制波动简直太容易了，只要你玩数字游戏。
了解三种类型后，你在处理指标波动时就会有方向感:硬指标>软指标>边际指标。按照这个顺序把重点集中起来，面对一屏幕忽高忽低的指标，不要急得挠头。
有了主次之分，就可以进一步考虑判断大小的标准了。
三。判断波动的标准
第一步:消除虚假波动。
很多波动都是自然的。
比如周末、节假日、工作日的交易量差异。比如产品上市、畅销、退市的用户数量变化。比如微信官方账号在发帖后7天内阅读量下降。这些指标本身是可变的。通常，通过总结经验指标的形式，我们可以发现其中的规律:
发现规律后，只要符合规律，一切波动都是伪波动！伪波动，无论波动值有多大，都是常有的事。但违背规律的是:出了事，必有妖！波动无论大小，都是重大变化，一定要仔细观察。
第二步:量化主动行为。
很多波动都是商业主动性造成的。
比如促销等指标的变化，培训等促销，清仓等工作能力提升，尽快库存倾销等，本身就是业务引起的。
面对这种情况。首先要收集清楚:商家在做什么？不然分析久了，人家会说“我就知道”“是我干的”，那就太可笑了。
其次，要收集清楚每一项业务行动的目标和结果，以便于评估指标的波动是否达到了业务预期。这是一个重要的评价标准，所以必须用红色和粗体标出。当行为活跃，指标波动达到预期，业务就不会纠结。当他们未能达到预期时，他们会想知道，“有什么不同？”这时候找到与业务预期的差距就很重要了。
达到业务预期是可以接受的，无论波动幅度有多大。既然增减是主动造成的，那一定是指标变化越大越好。对于没有达到预期的，要看预期值差距，差距部分就是要分析的波动值。
第三步:量化外部影响。
许多波动是由可收集的外部行为引起的。比如政策限制、天气、对手等。注意:有许多外部因素无法收集数据和实施影响。还有很多，就算知道影响，也无能为力——总说下雨影响表演，不能烧香求龙王。
所以，评价外部影响的波动，不应该看一天的绝对次数，而应该衡量影响的预期持续时间，计算出这段时间内的总影响值，这才是衡量波动的标准。
第四步:其他意想不到的波动
有没有一种情况，没有规律性，没有业务主动性，没有外界因素，数据本身没有问题，只是波动？
是啊！这时，我们首先要定位波动点:
整体波动、持续的局部波动或突然的波动值，判断问题大小的标准:
全局>局部问题持续性>短期问题数量越多，问题越大。锁定问题点后，可以结合指标的属性来思考对策:
针对硬指标波动:只要硬指标不达标，就是大问题。考虑采取措施保持指标对抗软指标的波动:只要相关的硬指标不崩盘，就不是大问题。不要担心一夜之间的波动，集中精力寻找深层原因。针对边际指标的波动:不要怕！想转一圈。
这样区分之后，就有了明确的处理方向。用雷霆法果断下手，该慢看的慢看。否则不管轻重缓急，我只是慢慢的“拆数据-拆数据-拆数据”，要么被“小题大做”拒绝，要么“早知道了”或者别人的事已经处理完了，这边的数据分析报告还没准备好。
第四，为什么人总是在波动中挣扎？
总结:想要从容应对指标波动，需要以下两点:
1.业务部门知道自己想做什么。
知道哪些是硬指标，哪些是软指标，哪些是边际指标。知道你的行为能在多大程度上影响指标。知道你在短期、中期和长期能做什么。知道自己的短期行为有没有取得效果。2.数据部，确切知道发生了什么。
业务的主动性是什么，他们想做什么，有哪些规律性的变化，在什么层面上有哪些可量化的外部因素，最终能带来多大的变化，有哪些非正常的变化？它们存在于哪里？不幸的是，现实往往是:
业务部门只努力工作。我从来没有量化过自己想做多少，能做多少，做了多少。看到指标的一点波动就像一只受惊的小鸟:
数据部门不知道指标业务的意义，二是业务在做什么，三是如何量化规律。就拿一个指标，和性别、年龄、地域、渠道等交叉。，并摆出一堆柱子。哪个做空的会喊“波动都是因为这个做空的！”还美其名曰“多维拆解法”，还写进文章在网上到处毒害新人...
所谓盲人骑瞎马，大概就是这种感觉。至于指望“从零开始，滕某公司请高级数据科学家，构建人工智能大数据模型，天知地知一张嘴”，那已经是死指望救命仙丹的想法了。
量化业务目标和业务行为、梳理业务逻辑、总结历史经验和评估发展趋势现状、衡量差距等基础、简单、细致的工作，是应对“指数波动焦虑”的最佳方式。
专栏作家
陈老师，接地气，微信微信官方账号:接地气的学校，人人都是产品经理专栏作家。资深顾问，在互联网、金融、快消、零售、耐久、美妆等15个行业拥有丰富的数据相关经验。
本文由人人作为产品经理原创发布。未经许可，禁止复制。
标题来自pexels，基于CC0协议。
此观点仅代表作者本人，大家都是产品经理。平台只提供信息存储空服务。
