数据分析，怎么做才能有前瞻性？

老板认为你的数据分析没有前瞻性，总是分析每个人都知道的事情。面对这种情况，你需要改变你的思维，改变数据分析方法。 有同学问:领导总是要做前瞻性的分析，不要说大家都知道的。 但什么是前瞻性呢？ 有时候明明写了预期的未来情况，但还是被批评为:没有前瞻性，真的不知道该怎么办。 先看一个简单的例子，看图回答问题:6月份GMV是多少？ 有多少学生脱口而出400？ 从这里开始。 没有前瞻性的分析，长这样 错误1:复读机型 看上图数据，写出来的是： 月均GMV720 最大值1000 最小值500 中间值700 这绝对没有前瞻性，只是用文字重读图表。只要业务方不是瞎子，能看到数字，就会觉得没有意义。 错误2：惯性思维 或者上面的数据，你认为6月GMV是多少？ 有多少学生脱口而出400？ ——这是典型的惯性思维。 事实上，只有一年的数据并不能解释这个问题，但人们会非常惯性地认为：过去的下降必须下降，过去的上升必须上升。特别是对于这些5432顺序排列的数据，惯性为下一个数字是1。 事实上，这是数据分析的敌人。如果我们引入过去几年的数据，曲线很可能是这样的： 还有谁说6月是400？很有可能1-5月只是业绩波动正常。 因此，简单地用惯性思维来判断，根本没有反映数据分析的价值，结论很可能是错误的。 错误三：习以为常 或者上面的数据，很多同学看了三年的趋势，然后脱口而出:因为过去六月会涨，所以今年六月也会涨。 这种说法很有可能被业务评价为:我早就知道了！你分析了什么？ 因为历史规律，尤其是宏观迹象如此明显的规律，个人只要不盲目就能看到，说出来当然没有意义。另外，谁说去年会涨，今年会涨？如果今年涨的少甚至少呢？如何判断一条线？ 真正的前瞻性是定性预测 本质上，所谓的前瞻性需要我们进行定性预测。 虽然没有准确的数据或模型，但可以通过分析来判断未来的趋势（相应地，数据模型的详细计算是定量预测）。 预测的关键是找到影响未来的因素。 这些影响因素是支撑指标曲线的真正支柱。支柱倒塌，指标自然下降；支柱稳定，指标自然高。 因此，如果你想做好预测，你不数数数据本身，还要找出数据背后的原因。 例如，上图中6月和11月的大幅上涨可能有几个原因： 行业因素：行业本身就是夏冬前的一波高峰（如旅游相关机票、酒店、住宿、寒暑假前的大量预订）； 推广因素：618，双11是主战场，要拼命做大GMV