诊断业务问题，是很多企业对数据分析师的基础要求，也是数据分析驱动业务的三大基础方法之一。在数据分析方法里，业务问题诊断，是典型的“一看就会，一做就错”。
很多同学很苦恼：“为啥我做的问题分析，业务方不认可呢?”今天系统的解答一下。
01 常见做法
业务诊断有标准的流程：
第一步：建立监控指标
第二步：树立判断标准
第三步：发现异常情况
第四步：细分问题来源
第五步：给出诊断建
举个简单的例子：某公司有4条销售业务线，定了目标是月销1个亿，实际达成9500万，不达标。四条线表现如下图。则可以轻松看出，是A渠道出了问题（如下图）。
如果销售是线上销售，还能进一步看到转化流程，从而诊断出是哪个环节出了问题（如下图）。
于是，常见的诊断建议，就是：“发现A业务线出了问题，投放转化率太低，建议搞高”。
常规的做法即是如此。问题是，相当多的同学这么干完，会得到一句：“你说的都是废话！”的评论。感觉好冤枉。然而问题出在哪里呢？
02 常见问题
常规做法的问题，来自于：就数论数，浮于表面。这么做，就好比病人去看医生，医生说：“你的体温38度，建议搞低。”一样。你是病人，你也会拍案而起：“我TM早知道我发烧了呀！到底咋办呀！”。
单纯地罗列数据，不是问题诊断，充其量算是问题发现。
业务方期待听到的问题诊断，要指向一个：具体业务行动。还拿A公司举例子，业务方期望听到的，是如下诊断结果（如下图）。
很多做数据的同学，看到这里会脑瓜子“嗡！”的一声。这些东西太感性了，怎么和DAU、转化率、活跃率、消费金额这些指标关联起来呢？
03 解题关键
用数据驱动业务，最怕业务方说：“你行你上呀，不行别BB”。特别是用数据提出问题的时候，业务方会本能地进行反击。不是甩锅给大环境、上下游部门，就是伸手要资源，要么就祭出终极杀器：“你说的我都知道，我干过了，不行，不信你来干”。如果业务方下决心跟数据分析抬杠的话，数据分析师是非常弱势的，一定吵不赢。
因此在本质上，诊断问题，诊断的是业务方的心病。只有区分清楚谁真正愿意改进问题，才能对症下药。
区分的关键点，有四个：
1、是否真的清楚现状
2、是否已经采取行动
3、是否已有行动计划
4、是否打算申请资源
这四个关键点，能区分出业务方是否真想解决问题，以及业务方企图解决问题的方向。
在诊断业务问题的时候，可以先考虑常见做法里的结果之后，再对这四个关键点逐一确认，逐步导出诊断结果。
第一步：区分是否真清楚现状
很有可能，业务方只知道整体情况不好，并不知道具体在哪个部分出了问题。并且业务方的本能反应，也是基于整体认知给的。因此先呈现常见做法的内容，让业务方看清问题点。
如果业务方事先没有看过细节，则可能在看到细节后有解决问题的想法。基础的策略有2种（如下图），数据分析师可以补上对应的参考数据，辅助判断。到这一步，就完成了诊断。
也有可能，业务方已知晓细节，那就进入下一步。
第二步：区分是否已采取行动
注意，已采取行动但没见效，和没采取行动，完全是两个状态。如果业务方还没有采取行动，就值得怀疑：“为啥明明看到问题，却不行动？”
很有可能，业务方认为问题不重要，到时候就自然消失了。
很有可能，业务方已有安排，认为到时候能一举扭转乾坤。
此时，可以对历史数据进行复盘，找类似场景，有复盘结论后，再针对当前情况下判断（如下图）。
这种情况尚且容易处理，因为业务方没有计划的时候，对其他人的提醒/建议不会很激烈反对，真正难处理的是：已采取行动但没见效的场合。
此时，提给业务方的诊断结论，最好是他们从来没听过且非常有效的，不然铁定被人按着头怼：“你这说的都有啥用！老子刚试过了呀！”这时候下结论要特别小心。
第三步：区分是否有行动计划
已采取行动未见效的时候，业务方的本能反应就是：要资源。打仗打不赢，要大号的炮弹，是很正常的思路。
但老板本能反应就是：再想想。一定是你的方法不对，不信我换李云龙上肯定能把山崎大队打下来。
这种反差，使得直接申请资源的计划常常被驳回。如果申请不到资源，业务部门还有可能选择甩锅，不管是谁的问题，反正不是我的问题就行。
此时对于数据分析师来说，问题异常复杂。如果数据分析师贸然表态，很有可能被划入“敌对分子”的范畴，之后不管数据分析师再说什么，人家都会单纯地为了反对而反对。所以这时切忌主动表态。而是提前把可能解决问题/甩锅的选项分析清楚，最后交回给业务/老板评判。
常见的甩锅选项，如：
1、甩锅给外部环境：是否大环境真的变差，影响了所有业务线
2、甩锅给上游部门：是否上游部门真的没做好，所有下游都遭殃
3、帅锅给用户：是否真的某类型用户口味变化，集体流失
常见的解决问题选项，如：
1、上次解决类似问题的方法，本次是否已经用了
2、上次解决方法的投入力度，本次是否已经达到
3、其他业务线，是否有解决问题的类似方法
以上每一点，单独拆出来都是一个专题分析，内容太多，这里不一一举例了。但是想要帮助深陷困境的业务部门真正找到出路，是值得多花些精力的。
或者采用一种简单的方法：标杆分析法。挑出可以复制的标杆，直接对着照抄。这样省事很多。这也是为啥要先介绍标杆分析法，再介绍问题诊断的原因。有些业务部门就是懒得听理论，他们喜欢说：“你直接告诉我谁做的好，我抄他就完了，奥力给！”
标杆分析法见：标杆分析法，90%数据分析师都忘了这一步
04 小结
从本质上看，问题诊断之所难，难在两端：
1、行业环境、业务能力、用户口味、操作流程等等因素，都会导致业务上问题，但这些因素大多不能用数据量化，只能一个个细细立假设，做检验。
2、出现问题的时候，大家都怕担责任，因此会本能地找借口、想当然、树立场。然后纯粹因为立场不同而相互攻击，拒绝面对真相。
所谓“屋漏偏逢连夜雨”，就是这个局面。此时，想要用数据描述问题，容易，树个标杆就能看出差距。想用数据诊断问题，就得突破上边层层险阻，争取业务的支持和老板的理解，才能见效。这是从数据到落地的必经之路。
那有没有简单轻松的落地方法呢？当然有！最简单的就是业务/数据/老板说：“我有一个好点子！”。既然已经有好点子了，那可以直接检验效果，是所谓数据实验法。
-END-
转载请注明：电商实战教程 » 数据分析，如何诊断业务问题
