下载掌阅APP，畅读海量书库
立即打开
实际工作中的大部分数据分析都只是运用分析工具来“摆弄”现有的数据。因此，虽然不知不觉中做出很多图表，但耗费大量的精力和时间，最后也不过是总结出一份报告，只是描述了“本月XX分店取得了优异的销售业绩”“经费的使用额在整体上有所增加”等实际情况。当然，这样很难找到有效的应对措施，或者找到造成这种现象的原因。
为了避免这种情形，我们需要了解“流程”，这是数据分析的前提。掌握了流程，才能避免见到数据就立即动手，却总是在原地打转的情况。分析的各个详细流程还会在后面的章节介绍，我们先来概观一下数据分析的整体流程（故事）。
首先，我们要了解在实际工作中解决业务问题的整体流程，以及这一过程中涉及“数据分析”的范围。解决问题的流程从明确目的或问题开始，然后再逐步运用数据来把握现状，或者从所有数据中找到问题的关键（“A店铺”“B商品”“20～30岁男性顾客”等）。
从开始运用数据把握现状到找到问题关键为止的过程叫作“数据整理”。这一阶段仅限于整理数据，还没到挖掘数据进行分析的阶段。这一阶段的特点是直接运用“总销售额”等表示整体情况的数据。
不过，所有业务都出现同样问题的情况比较少见，大多数情况是只有其中的某些关键部分才是主要问题。为此，需要逐渐划定数据的范围。
不划定对象数据，在所有数据上做文章的话，由于多个要素掺杂在一起，会很难找到问题的关键（着眼于何处、如何划定范围会在第2章介绍）。只有确定了分解数据的角度，对分解之后的要素进行比较，我们才能发现问题的关键。这样就可以从包含所有要素在内的整体数据中，划出作为分析对象的数据范围。
假设我们已经锁定了问题的关键，例如“问题是支店A的销售”或“问题是服务B的集客效果”等。那么接下来，就应该考虑“什么原因导致了这些问题”。为了找到原因所在，需要进一步缩小对象范围。关注2种以上数据之间的关系，有助于锁定原因。这里才是数据分析的精髓。
从上一阶段“找到问题的关键”开始，“数据整理”的工作逐渐开始变为可以叫作“数据分析”的内容。当然，只是找到原因不能算解决了问题，还要针对原因决定必须采取的措施，而且提出方案，不能只是停留在口头层面。
设定什么样的目标？数值是多少？实施需要哪些资源？只有将这些内容落实为具体的数值，决策者才会批准。方案最终获得实施，才算到达终点（实际上，之后还需要检验和反馈实施的结果）。
如果各个分析过程的内容及结果互不相干，无法形成一个连贯的故事，就没有说服力，我们需要通过整个流程，形成一个贯穿全体的故事（经过）。为此，首先要明确最重要的目的和问题，确保所有过程与操作在理论上最终都与这一目的或问题相关，这样整体的逻辑和流程才不会出现偏差。
此外，就像我在日产的所有工作一样，大多数情况下我们都必须在有限的（多是极其有限的）时间里取得某种形式的成果。如果分析漫无目的，时间转瞬即逝，结果很可能会超过期限。
把握包括分析阶段在内的整个解决问题流程，就能从全局来考虑时间的分配，了解“还有多少时间可用”“目前在整个进度中处于哪个阶段”等。
这样做的优点是可以平衡准确度与时间之间的关系，考虑为目前从事的分析分配多少时间、答案需要精确到何种程度的同时，有计划地开展工作。这样，我们到达“得出答案”这一终点的概率也会大大提高。
如果没有时间限制，我们或许可以不计成本地进行高准确度的分析，但对不是专门从事分析的普通人来说，这是不现实的。为了在有限的时间里取得一定的成果，建议大家从一开始就对整体计划和“地图”做到心中有数。
进入具体分析作业之前，必须先明确目的或问题，接下来就详细介绍这一部分内容（图1-1）。
图1-1 解决问题的流程从“明确目的”开始
不常做数据分析的人，开始可能很难迈出第一步，而是一直在原地打转。肯定很多人都有过这样的经历吧？
接到上司“数据分析”的指示，很多人会先把过去几年公司销售额的变化做成柱状图，然后再用折线图来体现每年相对上一年的增长。接下来，对不同种类的商品进行ABC分类。ABC分类是指按照从大到小的顺序将销售额排序，根据不同商品在整体中所占比例的大小，将其分为“A类”“B类”“C类”，这是一种排列优先顺序的分析方法。
利用手边的数据，暂且先做了这些分析。可是在这之后，人们就会陷入停滞不前的状态，“接下来该怎么做呢……”
会出现这种情况，是因为分析者只关注了代表结果的数据，而没有具体考虑分析的目的或问题。
在解决问题的过程中，数据分析的目的是针对“原因是什么，需要采取哪些行动”等问题得出结论。销售额、利润等数据体现了公司业绩的最终结果，这类数据容易收集，也更容易得到人们的关注。但是仅盯着结果数据进行分析，无法实现“改进结果”“解决问题”等目的。
抱着“先从容易收集的数据开始统计”的想法进行分析，这本身就是错的。正常情况下，首先应该确定分析的目的。但是忙于日常业务的商务人士在面对数据时，却往往会想要“先做成图表看看”。他们明知没有意义，却还是不由自主地这样做。
这样一来，无论怎样分析，大多数工作都是徒劳，效率非常低。在我举办的数据分析培训中，也有很多学员无法正确地迈出数据分析的第一步，不断重复错误。不要从分析（方法）开始，而要从明确目的或问题着手，这一点是最重要的。
确定目的或问题后，才能决定假设、方法、所需数据等具体内容。进行数据分析，“假设”可以发挥重要作用。如图1-2所示，在解决问题的过程中，有两个环节需要假设。
图1-2 分析流程中必不可少的“假设”
首先，在“锁定问题的关键”时，需要通过“WHAT型假设”对数据进行分解和比较。此外在“锁定原因”时，还需要通过“WHY型假设”来列举出候补原因。
关于这两种不同类型的假设，第2章将会介绍具体事例，在此仅用一个例子来说明如何通过假设得知“分析什么，如何分析”。假设我们使用WHY型假设，来探讨店铺A的现烤面包销售额在最近3个月急剧下降的原因。
为了整理思路，可以制作一个如图1-3所示的图表。按照逻辑关系，将目的或问题、假设、方法以及所需数据从上至下依次连接起来。
假设听起来好像很难，也许会让人有些抵触。其实我们也可以把假设替换成“着眼点”来考虑。
在这个事例中，可以考虑以下三种假设（为了便于参考，在此做了简化）。
假设1：卖场的服务水平变差了（服务的原因）
假设2：顾客对畅销商品的评价变差了（商品的原因）
假设3：促销活动减少了（促销的原因）
大家可以发现，这里并没有列举什么特别高深的内容。重要的是，要将这几点用语言表达出来，确保任何人都能看懂。括号内的原因为着眼的关键词。
图1-3 通过假设得出所需的方法及数据
如果觉得最初的假设挖掘得还不够深入，也可以进一步反复思考“为什么”，继续深入挖掘第二层、第三层假设，从而找到更为具体的问题（原因）。这里不再详细介绍深入挖掘的方法，但请注意：并非所有的情况都是只有一层假设就够了。
接下来，要确定检验各假设的方法及所需数据。如果检验假设1的方法是“调查不同销售人员之间的差别”，那么所需数据就是“不同销售人员的销售额数据”和“不同销售人员的工作履历数据”。对假设2也一样，如果将方法定为“调查不同商品之间的差别”，则需要“不同商品的销售额变化数据”和“其他店铺不同商品的销售额数据”。按照这个步骤进行准备，就可以大大减少面对数据不知所措的场面。
做完了这些工作，接下来总算到了分析数据的环节。我们要根据数据来检验假设。要确定对问题来说，哪种假设是正确的、哪种假设的影响最大。做到这一步，就能够发现问题出在哪里、应该采取哪些对策，或者是否需要继续深入调查或分析。也就是说，这样就可以采取下一步措施。
研究假设的效果并不仅限于此。它还有助于制作提交给公司内部或外部的演示资料。在开始分析之前，将“问题”“假设”“分析结果”“结论”等必须以符合逻辑的方式展示给其他人的主要内容或流程确定下来，这样可以提高工作的效率。
接下来再介绍一下建立假设的方法。人们建立假设时，很容易依赖工作中的常识、自身的经验或直觉，可能会无意识地排除一些重要的假设。因此很多人会担心自己的假设是否存在偏差、是否视野过于狭窄。
我们既然采用了数据分析这种科学的研究方法，也就应该尽量客观地提出假设。为此，可以请别人对自己的假设进行确认，也有一些可以用来自己检查的方法。方法之一是运用“框架”作为思考问题的线索。这里的框架是指商务人士都经常会接触到的流程图、损益表及4P营销理论等（图1-4）。
这些方法可以帮助我们整理思路。针对“缩短从接到订单到发货的时间”的目的，可以通过流程图，整理出“接到订单”
图1-4 可用于假设的“框架”
损益表（P/L）示例（目的：防止利润继续减少）
4P营销理论示例（目的：防止销售业绩继续下滑）
“确认库存”“联系顾客”“指示发货”“发货”等各工序中可能存在哪些问题。
比如，在接到订单的阶段，可以假设“接到订单后信息是否未能立即传递给仓库负责人员”；在确认库存阶段，可以假设“不同商品所需的库存检索时间是否有差异”等。这样可以更容易针对具体对象提出假设，也便于确定采用的方法和所需的数据。
损益表也有助于建立假设。面对“防止利润继续减少”的问题，可以针对“销售收入”“销售成本”“销售费用及一般管理费用”等项目，分别提出假设。例如，针对销售收入可以假设“单价或数量是否减少了”，针对销售成本可以假设“人工费、原料费是否提高了”等。
此外，我还建议运用4P营销理论的思维方式，将问题按“产品”“渠道”“促销”“价格”进行分类。如果问题是“防止销售业绩继续下滑”，则可以从这4个角度来提出假设。这样就比较容易整理出如“产品竞争力下降了吗”“因断货而错失销售良机了吗”“促销的效果减小了吗”等问题。
前面介绍了框架的作用，但这并不说假设必须完全符合框架。使用框架，是为了检查假设是否有遗漏。此外，框架还有助于明确“可视的范围”和“不可视范围”。它可以帮助我们认识到，“自己目前正在哪个范围进行研究”。这一点极为重要，因为它直接规定了数据分析的范围。
例如对产品非常熟悉的人，就有可能将注意力只集中在产品上，而不太会考虑渠道或价格。即使是十分了解业务流程的人，对于销售收入、销售成本等财务方面的假设，有时也会出现遗漏。因此，利用框架提炼出需要考虑的关键词，再次确认自己的视野是否受到局限才是万全之策。
此外，遗漏并不都出于无意识的疏忽。我经历过的公司内部改革中，对一些需要伴随痛苦的改革、改进或问题，相关人员有时不一定会爽快地提供、明示所有的知识或信息。尤其是对自己不利的信息，有人甚至会刻意隐瞒。
这种情况下，就必须依靠其他通用信息（框架等），实现尽可能完善的分析。尤其是对方远在国外的情形下，难度就会更大。因此我们需要具备克服这些困难的能力和技巧。
接下来再介绍一下提出假设时的其他关键。从能影响各项假设的驱动视角来思考问题，更便于找到下一步应该采取的措施。驱动是指“自己能够控制的数据”。因为根据分析数据的结果，找到解决问题的措施，才是大多数问题的最终目标。
根据应该采取的措施来提出假设的做法是本末倒置，但如果提前意识到之后应该采取的措施，则可以避免出现最糟糕的情形，即“分析后却没有找到应该采取的具体措施”。能否做到这一点是重要的分水岭，决定了我们的工作只是以分析告终，还是能够解决问题。
看到这里，也许有的读者会觉得，“假设是很好，但是在数据分析之前要做的工作太多了。”这一点其实不用担心。因为我也并不是每次进行数据分析之前，都要制作类似图1-3、图1-4的图表。
在尚未习惯数据分析的阶段，制作图表是一种行之有效的方法。但实际上很多时候，这个工作只要在头脑中做就可以了。制作图表可以提高数据分析的效率，更容易实现目标。但如果成为负担，害得我们为此而顾不上关键的数据分析和解决对策，图表就失去了意义。
此外，即使提出了思路清晰的假设，确定了所需的数据，在实际工作中却很少会遇到所需数据全都摆在眼前的情况。不过即便这样，我们也不应该根据“现有数据”来开始所有的工作。只在“现有数据”的范围内进行分析或者解决问题，会妨碍我们发现问题的本质及有效的对策，很可能导致我们的工作仅以“数据游戏”告终。
没有数据就要不计代价地花费时间或金钱去收集数据，这种观点没有错，但在实际工作中却是不现实的。因此商务人士需要设法借用相同或相近的数据来代替理论上所需的数据。
例如，假设我们需要“工作繁忙程度”数据。如果对所有员工就最近一个月的繁忙程度进行问卷调查，应该能够获得包括主观评价在内的数据。但是如果不具备进行问卷调查所需的时间或人力，就应该寻找与“繁忙程度”近似的数据。这样就可以拓宽思路，用“每月人均处理票据的数量”“平均加班时间”“日平均工作时间”等常规的管理数据进行分析。
我在日产负责中东及近东市场时，曾经需要预测未来的市场需求。当时没有日产汽车的需求预测数据，我必须自己收集可能与之相关的数据，并用数字来证明自己的预测。原油价格、外汇汇率、对象市场的GDP（国民生产总值）等数据可以反映出中东及近东市场的特征，并且在相关机构的官方网站上都能够查到。于是我将这些数据与日产过去的业绩进行对照，从中选出可以用上的内容，尽量从自己能够获得的数据中挖掘出更多的信息，反复摸索试错。
这种努力已经不是分析方法的问题，而是依靠个人创意和毅力获得成果的尝试。这次经历也使我改变了“没有合适的数据就无法分析”的观点。这件事坚定了我的信心，对任何看似有用的数据，都要想方设法从中挖掘信息，分析出尽可能正确的结论。
下面针对最初的“设定问题”做一些详细介绍。从顺序上来看，“设定问题”位于“假设”之前，直接决定着分析的质量。对所有问题来说，最初的“问题定义”都决定了后面工作的成败。
针对实际业务的数据分析也是同样的道理。例如，假设下属想按照下面的步骤进行分析，您会在哪些地方指出他们的漏洞呢？
问题：过度降价导致洗发水A的年度利润下降
↓
假设1：某些店铺过度降价
假设2：集中在特定时期过度降价
假设3：与竞争对手展开价格战导致过度降价
↓
假设1所需数据：每个店铺的实际降价数据
假设2所需数据：每月实际降价数据
假设3所需数据：竞争对象产品的价格变化数据
收集数据进行分析的结果显示，不同店铺之间确实存在降价幅度的差异，不同月份也可以看出某种程度的季节性变化，此外竞争对手也在挑战降价极限。检验的结果，就是所有假设都不是毫无根据的。
不过，大家是否看到这个看似顺理成章的结果中潜藏的风险了呢？其最大的风险是设定问题时，分析者将思考范围狭隘地限定在“自己设想的范围内”。尤其是当分析者拥有具体的直觉和经验，并对其深信不疑时，这种倾向就表现得更为显著。很多时候，分析者并没有意识到，他们进行分析仅仅是为了验证自己的想法。
如果分析的结果能够支持（或接近）自己的想法，分析者就会大大满足，对风险就会变得极为迟钝。他们往往会产生一种错觉，认为分析取得了成功。这样一来，耗费时间与精力所做的分析就都成了徒劳。
如果最初就对自己的想法坚信不疑，即使只能从分析结果中获得零散的支持，人们有时也会用“自己的故事”去填补其欠缺之处。当我们遇到看似完美的问题设定、完美的假设、完美的分析结果时，就应该怀疑它是不是属于这种情况。这种分析大多是一开始就有了结论，未必具有很大价值。
那么，这个事例中具体存在哪些问题呢？答案是，在问题设定中，就已经包括了“原因”（在这个事例中为降价）。越是具有丰富经验及敏锐直觉的人，越有可能在设定问题时就已经想好了针对原因需要采取的“对策”。
这项实际业务技能本身很了不起，但客观分析的一个重要步骤，就是要有意识地回避“思考的近路”。因为在设定问题时，分析者的思考还无法超出“降价”的范围。
从刚才的事例来看，所有的工作都变成了收集与降价有关的数据，从而得到分析的结果。要避免这种情况，在定义问题时，应该尽量具体地思考“怎样才是最理想的状态”。
这样一来，就可以通过确认希望实现的理想状态，来扩展自己的视角，能避免思路立即集中到具体原因上。
我过去就曾遇到过一位“在这一行业潜心钻研30年”的部长级人物，由于他断言“这绝对是因为XX”，使我接下来费尽周章，才得以进一步探究更接近本质的问题。在这种情况下，最重要的是不要轻易放弃，要用客观数据解决问题。很多时候，都能找到以前未被觉察的问题或原因。
在刚才的事例中，对“怎样才是最理想的状态”来说，答案是“最理想的状态是洗发水A的年度利润保持一定水平之上”。虽然也可以采用相反的方式，从一开始就定义“问题在于XX”，但在定义“XX”时，人们往往容易加进自己设想的原因或对策。
为了避免这种情形，建议首先从正面确认理想的状态是什么。这样可以有意识地将“本质上的问题”与“原因”暂且分开考虑。
例如，如果将问题定义为“成本过高”，那么思路就会被限定在“降低成本”的范围之内。但如果考虑“希望达到怎样的状态”，则较易形成“不要挤压利润”的想法。这样才能确定“增加收入”的最终目标，与只考虑成本相比，视角就会更加宽阔。
在此基础上定义问题，即现状尚不满足这个理想状态。在该事例中，问题是“洗发水A无法保持一定水平以上的年度利润”。可见问题原本就是指现状与理想状态之间的差距。因此不知道理想的状态是什么，就无法确定问题。跳过这一步展开分析，会带来巨大的风险（徒劳无功）。
当然，我们使用数据解决定量问题，就尤其需要考虑如何用数字来体现现状与理想状态之间的差距。用数字定义问题，具有以下两个优点：（1）可以明确用哪项指标来衡量；（2）可以定量地与其他人一起确认问题的严重程度及最终目标。
接下来，要思考为什么现在没有达到理想状态。这是（WHY型）假设之一。这样思考，就不太会认为原因“只是降价”或“只是成本”了（图1-5）。
图1-5 根据理想的状态及其与现状之间的差距找到问题
作为示例，我们列举了除“降价”以外的其他原因（假设）。由于问题是更高一层、更接近本质的“利润”方面的内容，那么与利润相关的所有要素，都可以成为假设。
顺便提一下，如果不是为了解决问题，而是从最开始就有希望实现的明确目标的话，情况就完全不同了。例如在“为了将产品投放到某个市场，想用数据证明市场规模足够大”的情况下，就可以直接将其设定为目标，提出能够检验这个结论的假设。
开始数据收集或分析之后，有时也会想“还是再看看别的数据”。不过这种场合一般只是凭着偶然的念头来扩大范围。开始分析之后，要想重新扩大视野，改变分析范围，无论在时间上还是在心理上，都具有很大难度。
因此，可以毫不夸张地说，能否在分析之初从逻辑上设定合理的范围，直接决定了之后的分析质量。研究假设的风险之一，是提出假设会缩小思考及分析的范围，可能导致即使得出一些分析结果，却都不是最佳的答案（有时还会导致无法得到想要的结果）。从这个意义而言，决定胜负的第一扇门在于假设。
图1-6 设定更宽的检验范围（思考范围）
邂逅预料之外的分析结果，才能帮助我们找到更接近本质的答案。只在最初预想的范围内进行分析，得出意料之中的结果，就无法充分发挥数据分析的作用。大概很少有人意识到，在分析流程的入口处还会有这样的陷阱吧（图1-6）。
在日产工作时，对高层领导或上司布置的问题，我从不就事论事地只看问题本身，而会留意“问题之外的问题”，试着从高出自己一两个级别的水平进行思考。很多时候我向提出者进行确认后，又重新定义了问题。每次遇到这种情况，我都会感到自己的视野过于狭窄。不过这样的经历多了，就逐渐培养出在接手项目时，从开始阶段就扩展思路的能力。
现实工作中，即使明白这个道理，仍有很多人会觉得，与其自己刻意扩大问题范围，逐一梳理原因，还不如只选取自己和周围人都能认同的问题，用不疼不痒的结论敷衍了事，这样工作起来才轻松。
尤其是在既要负责日常的本职工作，又需要解决问题的情况下，“差不多就下个结论，尽快处理完”的心理就会占上风。从零出发精确分析的理想论与现实中的时间和精力相互较量，二者之间需要达到平衡。当然，这个平衡点的位置会因人而异。
我也曾经历过很多类似情况，不过后来我认识到，从平时就养成高效处理日常业务的习惯，确保留出一定时间的技能和意识也是解决问题的能力之一。大多数情况下，对比我们高出一两个级别的人来说，分析者采用了怎样的研究方法，他们只要看看结果就会一清二楚。
此外，如果一个人总是在差不多时放弃努力，那他将永远无法掌握具有更高价值的工作技能。事实上，只是如何设定问题这一项，就完全能够体现出分析者的工作态度。
看到这里，相信您已经发现了，高质量、高效率的数据分析并不只取决于“数据分析”本身的质量。也就是说，在实际动手处理数据之前，应该先缜密地思考，这一阶段的内容和质量基本上决定了后面分析的质量及整体故事的有效性。
从接受提案的一方来看，他们认同的并不是数据分析的内容和方法，而是以清晰明确的、能够说服别人的问题或逻辑前提为基础提出的建议。解决问题的目标是准确地锁定主要原因，让相关人员接受自己的建议，在获得认同的基础上“推动其采取措施”。否则，无论展示出多么高超的分析方法，也无法实现这个目标。
“汽车销量下滑”，这是公司内部公认的事实。那么是不是就可以把这句话设定为问题，然后直接进入数据收集和分析阶段呢？
如果这样立即开始工作的话，恐怕会由于没有与相关人员确认“下滑”的准确含义、是否可以直接作为问题、对公司事业具有多大影响等信息，导致分析者依照自己的主观感觉来决定优先顺序和判断标准。
定量评价或判断数据分析结果时，尤其需要客观的判断标准。如果标准含糊不清，我们花费大量时间和精力得出的分析结果就有可能在最后关头被全盘推翻。
这里首先需要在定量把握问题的同时，把握大致的现状。因此我们必须对问题及其主要指标做出如下定义，并与相关人员进行确认。
“汽车销售额自一年前开始逐渐减少，与上一年度的月平均销售额相比，本年度最近一个月降低了大约15%。这意味着与本年度计划相比，全年预计将有约10%的目标无法实现。”
也就是说，首先需要确定，用“销售额”作为衡量汽车销量减少程度的指标。
接下来，为了确认这就是“问题”，还需要明确现状与计划之间的差距。即从最开始就要明确没有达到计划的“现实”与“理想（计划）”之间的差距。这样一来，接下来就可以讨论要如何做、做什么、需要改进多少的问题了。
做了这些工作之后，我们才算站到了起跑线上，可以为解决问题而构建“故事”了。除此以外，我们还明确了前进的方向。这样，接下来就不会偏离目标，可以有效地进行分析了。