想让数据分析表扬你？先闯过这八关
　　为什么运营要亲自写数据分析报告？
　　为什么领导要你抓着数据报告改来改去？
　　相当多的情况是：这帮人不是真想分析问题，而是变着法地证明自己做得好！而恰恰这一个“好”字，难倒了无数人。因为真想让数据分析师说一声“好”，至少得闯过八大关卡。
　　第一关：有个标准
　　在数据分析中，一个基本原则是：数字本身不表明好坏，数字+标准才表明好坏。举个简单的例子：运营开展一个拉新活动，通过活动页面注册了10000个用户。
　　这个10000用户并不能说明好坏，只有说：我们计划通过页面注册5000个，实际注册10000个，才能说明好坏。
　　这一步看似简单，可已经能难倒很多人了。比如：
　　n 运营做活动，提升哪个指标，从多少提升到多少，自己说不清楚，一张嘴就是：“反正就是提升呀，我看别人都这么做”
　　n 产品做改版，改进方向、改进程度、影响指标通通不清楚，张嘴就是“老板让这么改，我就这么改咯”
　　这种情况，事后再抓住数据分析问：“分析下到底好不好”，铁定分析不出来。
　　第二关：标准得事前定
　　听起来很搞笑，标准不都是事前定的吗？现实很残忍：相当多的人，事先不定目标，事后跑来：“通过人工智能大数据，先计算出最科学的，最合理的，最权威的，自然增长是多少，剩下的不就是我带来的了……”
　　然后你会发现，他们心目中最科学的，最合理的，最权威的自然增长率永远是负数，这样无论如何都能证明他们的工作成效显著，力挽狂澜。
　　第三关：标准事后不能改
　　听起来又很搞笑，标准改来改去还叫标准吗？现实又是很残忍的，相当多的人看到考核指标不涨，第一件想起来的事就是改标准，还美其名曰：“通过人工智能大数据，计算出标准定高了多少，给一个最科学的，最合理的，最权威的修正值……”
　　对这种情况就一个字回复：呸！
　　第四关：标准是可量化的
　　这个问题相对小众，因为大部分销售/运营/产品的指标都是可量化的。但是还是有少部分喜欢浑水摸鱼的人，在2021年了，还把满意度/体验指数/NPS/ROS这些上世纪90年代的古董搬出来糊弄人。
　　这些基于外部的、调研的、小样本抽样的结果，根本无法解释某个活动/产品/功能对内部指标的影响。
　　因此碰到这种人，直接不予理会，要求其关联到一个可以采集完整数据的内部指标。
　　第五关：标准要分级别
　　这个问题相当普遍。原则上，通过业务行动，直接促成的结果，才能算结果。和业务行动没有关联的就不能算。
　　比如：
　　n 拉新活动，要考核的结果，应该是从活动页面的注册人数。
　　n 促销活动，要考核的结果，应该是促销商品的销售情况。
　　n 产品改版，要考核的结果，应该是哪个页面/流程改了，就考核这一个页面/流程。
　　BUT！
　　很多人喜欢把非直接促成的也写进来。比如活动期间，业绩大盘整体都在涨，丫就写上“活动带动了大盘上涨”。比如页面改版了，产品整体活跃率提升，丫就写上“页面改版带动产品整体上涨”。
　　特别是在，这些人负责的活动/页面表现平平的时候，就尤其喜欢拿大盘上涨来说事。更讨厌的是，这些人在吹完牛逼以后会加一句：“请用人工智能大数据，精准分析出来，到底DAU涨了100万，有几万是我这个页面涨的……”
　　有没有一个活动，一次改版带动大盘的情况？有！就是类似双十一，这种全公司全力以赴的大活动，和全新改版这种大改版。普通的小型活动、局部改版根本扯不上什么“带动大盘”“交叉因素”“深远影响”。
　　因此考核标准要分级别。建议：
　　1、公司级大型活动，才会重点盯大盘
　　2、部门级，针对全体人的小型活动，关注活动自身小目标
　　3、部门级，针对部分人的精准活动，直接上参照组，做ABtest
　　这是解决事后扯皮的终极策略。
　　注意：闯过了前五关，我们就得到了一个有节操的考核标准，只要有个考核标准，那么我们就能得出一个“很好”的结论，开头提的问题已经解决了80%。
　　但是这个结论，仍然可能被人推翻，他们会说：“这是应试教育的结果，其实结果没那么好！”想要顶住这种攻击，还得再过三关。
　　第六关：结果要稳定
　　所谓稳定，指的是考核结果要稳定地表现为“好”。举个简单的例子，做一个促活的活动，理论上，最好的结果是下图1所示，上线后，活跃率稳定的高。下图2、3、4，都是所谓的“不稳定”场景。
　　图片
　　不然的话，人们很容易攻击：
　　n 这不是做的好，而是运气好
　　n 这不是做的好，是自然波动
　　n 这不是做的好，是昙花一现
　　n 这不是做的好，水涨船高而已
　　需注意的是，这种指标稳定，主要靠的是业务干出来的！遇到不稳定情况，不去思考业务上怎么补救，光让数据分析：“你再深入分析分析”，可是稳定不了指标的哦。
　　第七关：结果要对得起投入
　　有可能考核标准没有面面俱到，没涉及成本。
　　有可能业务行动是尝鲜性质，没有考虑成本。
　　有可能短期内并不缺钱，没有在意成本。
　　但人们总会在某个时间点，想起来还有成本，还有投入产出。这时候就会：翻旧账，把之前“做得好”的结论推翻。
　　这不是做得好，这就是烧钱打激素。
　　这不是做得好，这就是花钱买虚假繁荣。
　　这不是做得好，明明有更低成本法子可以用。
　　当人们翻旧账的时候，想再反抗已经来不及来了。所以应对此问题最好的办法，就是事先不要抱侥幸心理，想着拆东墙补西墙，砸点钱把指标拉起来完事。而是真正站在解决问题角度，设计一些能逐步改进，能通过迭代提升效率的办法。
　　第八关：结果要对得起大盘
　　如果自己单点活动做得很好，但是大盘指标一直在下滑，到底算不算好？客观地讲，应该是算好的。但是越是高层领导，越不关心细节，越关心大盘走势。
　　所以你很难杜绝高管们这么思考：
　　大盘跌，这个小活动却在涨，说明它方向错了
　　大盘跌，这个小活动却在涨，是不是它带歪了整体节奏
　　大盘跌，这个小活动却在涨，是不是它分流了别人的效益
　　这是对效果考核的终极挑战了。因为本质上，这个问题问的是：到底做哪些策略组合，才能对大盘有用。策略组合里的几个子策略，会不会相互干扰。单纯站在一个项目的角度，很难扯清楚这些关联，只能交给诸如战略发展部这样的统筹部门，才能纵观全局说清楚。
　　总结
　　从本质上看，说“做得好”很难，难在：
　　1、业务上，对待结果要有节操，不投机，不粉饰太平；
　　2、业务上，要有整体思考和部署，每个任务有明确定位和目标；
　　3、业务上，要在设计落地方案的时候多考虑一些可能性，找到真正驱动的因素
　　4、数据上，不要迷信“人工智能大数据”能取代以上1、2、3点工作
　　5、数据上，帮助业务业务理清1、2、3点，而不是认为自己掐指一算就尽在掌握
　　这样大家通力合作，才能真正把事情做好。最终好不好，从来都不是算出来的，而是努力做出来的，与大家共勉。