数据分析师训练营/ 第五篇 分析方法/ 第二十二章
第二十二章 · 分析框架

好问题,比好答案值钱

入职青柠优选第二周,运营在群里发来一句:「帮我看一下最近的数据。」你花了六小时, 拉了一张 12 列的透视表,交上去,对方只回了一个「嗯」。第二天的会上,老板问 「线下门店要不要加 20 万预算」,没人答得上来——因为那张表里没有这个问题的答案。

本章不讲新函数,讲一件更值钱的事:怎么在动手之前,把一个模糊的请求,翻译成一份别人能照着取数的需求单。 理论 6,实操 4。学完你要能独立接住一句「帮我拉个数」,而不是靠猜。

理论 : 实操 = 6 : 4 约 5 学时 前置 第 4 章

22.1原理:先判问题,再谈方法

这一节讲四件事:四类问题、5W1H、假设驱动、报告结构。它们不是四个知识点,而是一条流水线—— 先判断对方要什么,再问清边界,再用假设收敛,最后用结论交付。跳过任何一步,后面都要返工。

22.1.1四类问题,四种交付物

同样一句「看一下数据」,背后可能是四种完全不同的问题。你把「是多少」当成「为什么」来答, 对方会觉得你啰嗦;你把「为什么」当成「是多少」来答,对方会觉得你敷衍。

类型典型问法你要交付什么主要方法青柠优选的例子
是多少 「6 月 GMV 多少?」「哪个渠道卖得多?」 一个数,加一句口径 描述统计、对比、趋势 9,015,366.64 元,881 单
为什么 「为什么比 5 月多?」「为什么线下占比低?」 一条能验证的因果链 归因、相关与因果、A/B 环比多 25.0 万,69.0% 来自订单数
会怎样 「7 月会怎样?」「停投线下会掉多少?」 一个区间,加一组假设 预测、情景分析、回归 剔除 6/19 后,6 月环比 −3.14%
怎么办 「20 万预算给谁?」「要不要上这个功能?」 选项排序,加代价说明 决策矩阵、ROI、实验 缺投放成本,现有数据答不了
先定位象限,再选方法 纵轴:要数 → 要判断 为什么 「6 月为什么比 5 月多?」 归因 · 相关与因果 · A/B 交付:一条因果链 怎么办 「20 万预算给谁?」 决策矩阵 · ROI · 实验 交付:选项排序 + 代价 是多少 「6 月 GMV 多少?」 描述统计 · 对比 · 趋势 交付:一个数 + 口径 会怎样 「7 月会怎样?」 预测 · 情景分析 · 回归 交付:区间 + 假设 横轴:看过去 / 现在 → 看未来
图 22.1.1 四类问题矩阵:先定位象限,再决定交付物;同一个「看一下」,可能落在四个格子里
1

先判类型,再选方法

四类问题的方法不通用。判断方法很简单:问对方「拿到结果你准备做什么」。 想先知道,选是多少;想解释给老板听,选为什么;想做预算,选会怎样; 想拍板,选怎么办。

如果不这样会怎样:老板问「6 月 GMV 多少」,你交 20 页归因,他翻两页就合上; 他问「为什么线下占比低」,你只回「8.10%」,他追问三遍「所以呢」,你还是得重做。

四类问题常混在一句话里:「6 月为什么涨、7 月会怎样、预算怎么调」。这是三道题, 要拆开答:先给数,再给原因,最后给决策。顺序不能反——没有数,原因和决策都是空的。

22.1.25W1H:把「最近」问成日期

判断完类型,第二件事是问边界。全库已支付订单,amount 合计 157,875,311.64,pay_amount 合计 157,363,380.14,差 511,931.50。两个字段都能叫「销售额」,差出一辆车的钱。不问口径, 就只能赌对方说的是哪一个。

5W1H 是检查表:不必问满六个,但少问一个,就多一次返工。

要素要问出什么没问清的后果青柠场景的正确答法
Who 谁看看的人是谁,什么层级给老板 30 页,给运营 1 个数运营总监,周会第 3 页
What 看什么指标 + 维度 + 对比对象拉错指标,维度漏了渠道GMV / 订单数 / 客单价 × 渠道
Why 为什么看背后要做的决定分析没有落点,交完就完判断线下门店是否加 20 万
When 什么时候要截止时间,含不含评审加班赶出来的表没人看周三 9:00 前,周二晚定稿
Where 用在哪PPT、看板、口头、邮件格式不对,临时重排周会 PPT 一页,投影可读
How 怎么用对比、排序、筛选、外推给了数,支撑不了动作与 5 月对比,按渠道排序
2

需求不是复述,是重写

把原话转给数据组,等于把模糊传给下一个人。合格的需求要重写成一句 「可执行的话」:时间 + 口径 + 指标 + 维度 + 对比 + 交付。

原话:「看一下最近的数据。」 重写:「2024-06-01 至 2024-06-30,已支付订单,按渠道拆分 GMV、订单数、客单价, 与 2024 年 5 月对比,周三 9:00 前给一页表。」

如果不这样会怎样:同一句原话发给三个人,会得到三个版本:一个用 amount,一个用 pay_amount,一个把退款也算进去。 三个数放会上,先吵半小时口径。

口径至少问三句:算哪些订单状态?用哪个金额字段?时间边界含不含当天? 第三句最坑:order_date <= '2024-06-30' 只到当天 00:00, 会漏掉 6/30 全天,因为这一列带时分秒。正确写法是 < '2024-07-01'。

22.1.3假设驱动:先写答案,再去找证据

新手打开数据库就想 SELECT *,老手先在纸上写三句话。没有假设, 你会把 20 个维度跑一遍,最后不知道哪个重要;有假设,三个查询就能收敛。

3

假设必须能被证伪

「6 月增长是因为活动做得好」不是假设,是结论的另一种说法——它没法被数据推翻。 合格的假设长这样:「6 月环比增长中,订单数贡献超过 60%」。这句话能被算出来,也能被算错。

拿青柠 6 月的数据验证,三条假设各对应一个查询:

  • H1 订单数增加:5 月 864 单,6 月 881 单,多 17 单,贡献 172,466.19 元,占增量的 69.0%。
  • H2 客单价提升:10,145.07 → 10,233.11,贡献 76,063.34 元,占 30.4%。
  • H3 单日异常拉动:6/19 单日 525,525.32 元,z = 3.08;剔除后 6 月环比变成 −3.14%。

三条都成立。但注意 H3 的分量:它一条就推翻了「6 月增长」的叙事。 如果没有提前写 H3,你很可能只交 H1 和 H2,得出「增长健康」的结论。

6 月 GMV 9,015,366.64 元 下单人数 698 人 人均单数 1.26 单 客单价 10,233.11 元 × × 698 人 × 1.26 单/人 ≈ 881 单;881 × 10,233.11 ≈ 901.5 万 三层拆到每个因子都能单独取数,才算拆完;再往下拆就需要新表 反例:把「渠道」和「品类」混在一层,既不独立,也不穷尽
图 22.1.2 GMV 的 MECE 拆解:乘法关系逐层展开,每一层都能被单独验证

什么叫 MECE?相互独立(不重叠)、完全穷尽(不漏项)。检验方法有三条:

  1. 能不能相加:四个渠道的 GMV 加起来等于总 GMV,说明不重叠、不漏项。
  2. 有没有「其他」:如果有个「其他」占 30%,说明你根本没拆开。
  3. 每一块能不能算:拆出来的因子必须有字段可查,否则只是文字游戏。
优先级 = 影响 × 成本影响成本青柠例子
先做高低订单数 vs 客单价,1 小时
排期高高渠道 CAC,要财务数据,3 天
顺手低低城市分布,一条 SQL
不做低高按小时看 18 个月,没人用

22.1.4报告结构:结论在第一行

同一份分析,写法不同,命运不同。老板不会翻到第 8 页找结论;第一段就要给答案, 后面每页都在证明它。

4

结论先行,证据分层

标准结构是金字塔:1 个结论 → 3 条论据 → 每条论据 1–2 个数字。 不是「背景→数据→方法→发现→结论」,那是论文。

SCQA 是把结论写得让人愿意听的四句话:S 情境、C 冲突、Q 问题、 A 答案。拿 6 月的数据套一遍:

要素青柠 6 月版
S 情境6 月 GMV 901.5 万元,环比 +2.85%,看起来在增长。
C 冲突但 6/19 一天做了 52.6 万元;剔除这一天,6 月只有 849.0 万元,环比 −3.14%。
Q 问题6 月的增长是真的,还是被一天异常拉起来的?
A 答案后者。建议 7 月预算按持平编制,不要按 +2.85% 外推。

如果不这样会怎样:你写「6 月 GMV 环比增长 2.85%,表现良好」, 老板按这个结论批了增长预算,7 月数据掉下来,第一个被问的就是你。 结论里必须有动词:建议、停止、加投、复核,四选一。只有形容词的结论, 等于没有结论。

只有描述,没有结论

「6 月 GMV 为 901.5 万元,环比增长 2.85%。其中自然搜索占 39.11%,信息流占 30.59%,朋友推荐占 22.20%,线下占 8.10%。」

信息很全,但老板不知道要不要批预算。

结论 + 证据 + 动作

「6 月增长不可持续:剔除 6/19 单日 52.6 万元后,环比为 −3.14%。建议 7 月按持平编预算;线下要单独看,8.10% 的占比背后是 8,697.57 元的客单价,比大盘低 15.0%。」

一句话给判断,两个数字做证据,一个动作收尾。

22.2分析:一句「看一下最近的数据」

这是本章的核心案例,也是我在青柠优选第一次返工的原因。运营小林在群里发了一句话, 我直接回了「好的」,然后做了六小时。正确的做法是:先追问,再动手。下面是七轮追问。

轮次对方原话你的追问问出了什么
1「帮我看一下最近的数据。」「看哪个指标?GMV、订单数,还是客单价?」指标:GMV,老板要看
2「就卖得怎么样吧。」「‘卖得怎么样’是只看总量,还是要拆渠道?」维度:按渠道拆
3「最近呗,月底了。」「具体是 6 月 1 日到 30 日,还是最近 30 天?」时间:自然月 6 月
4「6 月吧。」「跟谁比?只给一个 6 月的数,没法说好不好。」对比:与 5 月比
5「跟 5 月比。」「给谁看、什么时候要?」场景:周三周会,老板参加
6「周三早上。」「老板拿到这个数要做什么决定?」决策:线下门店要不要加 20 万预算
7「跟其他渠道比,线下才 8%,太低了。」「‘太低’是占比低,还是单店产出低?」真问题:线下占比 8.10%,但客单价也低 15.0%

七轮之后,需求变成: 「6 月 1–30 日,已支付订单,按渠道拆 GMV、订单数、客单价,与 5 月对比; 线下再拆品类结构,判断 8.10% 是‘量小’还是‘价低’;周三 9:00 前给一页表。」

第 7 轮最值钱:只停在「按渠道拆 GMV」,你会交一张线下垫底的表,老板说「那就加预算」; 但真正的问题可能是线下卖的都是低价配件,加钱也拉不动。多问一句「跟谁比」,才挖到品类结构。

三个模糊需求,逐个拆

模糊原话真正的问题翻译后的需求还缺什么
「6 月卖得怎么样?」 和 5 月比涨跌,靠什么 GMV / 订单数 / 客单价,按渠道,6 月 vs 5 月 对比基准;单个 6 月数字无法判断好坏
「新用户留存不太行。」 哪批新用户、第几日、和谁比 按注册周做同期群,D1 / D7 / 7 日内留存 同行基准;库里只有自家数据
「哪个渠道值得加预算?」 20 万给谁回报最高 需要 CAC、LTV、增量 ROI 投放成本;现有库只有订单,答不了
取数需求

「给我 6 月各渠道 GMV。」

交一张表,任务结束;对方还是不知道下一步做什么。

决策需求

「6 月线下占比 8.10%,是量少还是价低?如果是价低,20 万加投能不能拉起来?」

交一张表 + 三条结论 + 一句「还缺什么」。对方能拍板,或知道该补什么。

字段填写要求本例
需求名称一句话说清交付物6 月渠道结构与线下品类结构
背景与决策谁、什么会、什么决定运营总监周三定线下 20 万预算
指标与口径指标 + 订单状态 + 金额字段GMV = SUM(pay_amount),status = '已支付'
维度拆到哪一层,是否 MECE渠道 × 品类
时间起止日期 + 对比期2024-06-01 ~ 06-30,对比 5 月
过滤条件含不含游客、退款、取消含游客;不含退款与取消
假设3 条可证伪的陈述线下占比低是因为品类结构偏配件
验收标准数字对得上,别人能复现四渠道合计 9,015,366.64
交付形式PPT / 看板 / 表格 + 截止一页表 + 3 条结论,周三 9:00
图 22.2.1 需求单模板:九栏填满,别人才可能在不问你的情况下把数取对
需求单是合同,不是形式主义。验收标准写不出数字,说明需求没想清; 口径写不出字段名,说明你不知道要算什么。这两栏空着,返工只是时间问题。

22.3实验:写一份能直接取数的需求单

场景:运营总监周三要决定「线下门店 7 月是否加 20 万活动预算」,你要在周二下班前交一页纸。 六个步骤,每一步对应 22.1 的一条规则。

已完成 0 / 6 预计 40 分钟
01

写清楚:谁、为什么、什么时候要

5 分钟 · 对应 5W1H 的 Who / Why / When
做什么
第一栏写决策场景,不写「领导要看」这种空话。
为什么
场景决定指标、维度和截止时间;场景不清,后面每一栏都会摇摆。
怎么做
  1. 写:运营总监,周三 9:00 周会,决定线下 7 月是否加 20 万。
  2. 补一句:不支持加投时要能当场说「不加」,所以要看「量」和「价」。
  3. 读给需求方听,确认一句。
看到什么
对方点头:「对,重点是线下,别只给我大盘。」
02

把大问题拆成三条可证伪的假设

8 分钟 · 对应规则 3 与 MECE
做什么
写下三条假设,每条都要能被一个数字推翻。
为什么
假设是查询的收据;没有它,你会把所有维度跑一遍,最后不知道哪个重要。
怎么做
  1. H1:线下占比低,主要是订单少,不是客单价低。
  2. H2:线下客单价低,主要是品类结构偏配件。
  3. H3:加 20 万能带来可观测的 GMV 增量。
看到什么
三条对应「量」「价」「增量」,互不重叠;H3 现有数据验不了,标记「待补数据」。
03

把指标和口径写成字段名

7 分钟 · 对应规则 2
做什么
把 GMV、订单数、客单价翻译成 SQL 能直接用的定义。
为什么
口径差一个字段,数就能差 51 万;写字段名是最便宜的对齐方式。
怎么做
  1. GMV = SUM(pay_amount),只算 status = '已支付'。
  2. 订单数 = COUNT(*);客单价 = GMV ÷ 订单数。
  3. 时间:order_date >= '2024-06-01' AND order_date < '2024-07-01'。
看到什么
需求单上出现四个字段名和一条边界条件,任何人拿着都不会漏掉 6/30 的订单。
为什么不写 <= '2024-06-30'

order_date 带时分秒,'2024-06-30' 只到当天 00:00:00,会漏掉 6/30 全天。用 < '2024-07-01' 才是完整一个月。

04

定维度:渠道一层,品类一层

5 分钟 · 对应 MECE
做什么
确定拆几层、每层有哪些取值,确保不重不漏。
为什么
渠道少一个,结论可能反;品类混一层,就看不出结构问题。
怎么做
  1. 渠道:自然搜索 / 信息流 / 朋友推荐 / 线下,四个取值。
  2. 品类:手机 / 电脑 / 家电 / 配件 / 服饰,五个取值。
  3. 先跑渠道 × 总量,再对线下跑品类。
看到什么
四渠道订单相加 881,GMV 相加 9,015,366.64,没有「其他」项。
05

先写验收标准,再跑核对 SQL

10 分钟 · 对应规则 2 与 4
做什么
先写死「什么样算对」,再跑数。顺序不能反。
为什么
先跑数再编标准,等于给自己改答案;先写标准,对不上就是错了。
怎么做
  1. 写三条:四渠道合计 = 9,015,366.64;线下 GMV = 730,595.78;线下订单 = 84。
  2. 跑下面的 SQL,把结果贴进「验收」栏。
-- 6 月各渠道 GMV / 订单数 / 客单价
SELECT channel,
       COUNT(*) AS orders,
       ROUND(SUM(pay_amount), 2) AS gmv,
       ROUND(SUM(pay_amount) / COUNT(*), 2) AS aov
FROM orders
WHERE status = '已支付'
  AND order_date >= '2024-06-01'
  AND order_date <  '2024-07-01'
GROUP BY channel
ORDER BY gmv DESC;
channel  | orders | gmv         | aov
自然搜索 |    357 | 3525855.30  | 9876.35
信息流   |    249 | 2757762.26  | 11075.35
朋友推荐 |    191 | 2001153.30  | 10477.24
线下     |     84 |  730595.78  |  8697.57
看到什么
四行相加:GMV 9,015,366.64,订单 881;线下 84 单、730,595.78 元、客单价 8,697.57,三项全对。
卡住了 / 出错了

合计少了 342,035.27:你把游客订单(user_id IS NULL)过滤掉了。本需求含游客,不要 JOIN 用户表。

合计多了:把「已退款」算进来了——6 月已退款 66 单,641,623.96 元。

06

让别人照着取一遍

5 分钟 · 对应规则 4
做什么
把需求单交给没参与讨论的同事,让他只按单子取数,不问你。
为什么
需求单的唯一标准是「可复现」;他取不出来,说明单子有歧义,不是他能力差。
怎么做
  1. 给他 10 分钟,只给需求单和数据库。
  2. 看他卡在哪栏:字段名、时间,还是过滤。
  3. 把他问的问题补进单子,再让他重跑一次。
看到什么
四个渠道数字和你一致,并能指出「为什么含游客」「为什么用 pay_amount」。需求单通过。

22.4结果验证

先核对两个数,再做五道选择题。两个数都来自你刚才的核对 SQL;如果你还没跑,先回去跑一遍。

22.4.1两个数字

四渠道相加,保留两位小数。
730,595.78 ÷ 9,015,366.64 × 100。

22.4.2五道选择题

不看正文,凭第一反应选。选完立刻出解析。

Q1「6 月 GMV 为什么比 5 月高?」属于哪一类问题?
解析:「为什么」要因果链,交付物是归因,不是单个数字;方法是拆解、归因、相关与因果。
Q2需求单里最不能省的两栏是哪两栏?
解析:口径决定数对不对,验收决定别人能否判断对错;这两栏空着,需求一定返工。
Q3下面哪一句是可证伪的假设?
解析:可证伪 = 能用一个数字判断真假。A 能算出 69.0%;B、C、D 都无法被数据推翻。
Q4「结论先行」在周报里具体指什么?
解析:老板只够看前三行。第一段必须是「建议 7 月按持平编预算」,不是「6 月 GMV 901.5 万元」。
Q5运营说「帮我看一下最近的数据」,第一步应该做什么?
解析:决策问题决定指标、维度和时间。先问「要做什么决定」,才能把「最近」变成 6 月 1–30 日。
得分:0 / 5

22.5返工率最高的 6 种需求

按「现象 → 原因 → 解决」整理。这六种占了数据组返工的大头,遇到先在这里找。

现象原因解决
交上去被打回「这不是我要的」只问了「看什么」,没问「看完做什么决定」先问决策场景,再写需求单;第一栏不写「领导要看」
数和财务对不上,差 51 万amount 与 pay_amount 混用口径栏写死字段名;验收标准里放一个总数
「最近」被理解成不同区间没写起止日期,也没写对比期时间栏写 2024-06-01 ~ 06-30,对比期写 5 月
维度漏了,结论反了没做 MECE,渠道里混了「其他」先列全量取值,验证相加等于总数
交了一张表,没有结论只取数,没写假设,也没写建议先列三条假设;结论里必须有动词
报告被跳到最后结论在第五页,前面全是背景SCQA 放第一页;结论先行,证据分层

22.6本章小结与练习

  1. 四类问题四种交付物:是多少给数,为什么给因果链,会怎样给区间,怎么办给选项排序。
  2. 5W1H:谁看、看什么、为什么看、何时要、用在哪、怎么用。少问一个,多返工一次。
  3. 假设必须可证伪:先写三条,再写 SQL;每条对应一个能算出「是/否」的查询。
  4. 需求单是合同:口径写字段名,验收写数字。别人照着能复现,才算写完。
  5. 结论先行:第一段给判断和建议,后面每一页都在证明它;结论里必须有动词。

22.6.1练习

  1. 把「看一下 6 月的数据」改写成一句含 5W1H 的需求,要求别人照着就能取数。
  2. 判断下面四句话各属于哪类问题:① 6 月 GMV 多少?② 为什么线下客单价低?③ 如果 7 月停投信息流,GMV 会掉多少?④ 20 万预算给哪个渠道?
  3. 为「6 月 GMV 环比增长」写三条可证伪的假设,并说明每条用哪个字段验证。
  4. 把下面这段话改成「结论先行」的三句话:
    「6 月 GMV 为 901.5 万元,环比增长 2.85%。自然搜索占 39.11%,信息流占 30.59%,朋友推荐占 22.20%,线下占 8.10%。」
参考答案

1. 示例:「2024-06-01 至 06-30,已支付订单,按渠道拆 GMV、订单数、客单价,与 5 月对比,周三 9:00 前给一页表,用于判断线下是否加 20 万预算。」

2. ① 是多少;② 为什么;③ 会怎样;④ 怎么办。

3. H1 订单数增加:用 COUNT(*) 按月份分组,6 月 881 单 vs 5 月 864 单;H2 客单价提升:SUM(pay_amount)/COUNT(*),10,233.11 vs 10,145.07;H3 单日异常拉动:按日汇总,6/19 为 525,525.32,剔除后环比 −3.14%。

4. 示例:「6 月增长不可持续:剔除 6/19 单日 52.6 万元后,环比为 −3.14%,建议 7 月按持平编预算。结构上自然搜索仍是基本盘(39.11%),线下只占 8.10%,且客单价 8,697.57 元,比大盘低 15.0%。」

数据分析师训练营 · 第二十二章
先问对,再算对