编辑导语：本文作者通过一个超市货架的例子，说明如何对数据进行分析，能更好地理清运行规律，制定接下来的策略，以获得更高的收益，感兴趣的小伙伴们一起来看一下吧。

在这个越来越急躁，越来越卷的就业环境下，大家出去面试，不吹下数据，聊下业务发展，好像就低人一等了。但是很多同学，在吹数据的时候，通常只能说，通过XX改动，数据提升了多少个百分比。

吹的姿势过于无趣，如果面试官追问下细节，大多数直接社死。而为了大家能够舒服地高人一等！本人就给大家科普下基础的数据分析是怎么吹的！

01 那么，数据该怎么看待呢？

接下来会用一个简单的案例去说明下，可能不是很恰当，但是看不懂也没关系，多看几次自然会懂。

如图，是一个超市的结算柜台，供有5层货架。

销售小张打算在货架卖可乐，假设每层货架可以放10瓶可乐，5层则是50瓶，然后设定每周一营业前进行一次补货。接下来我们可以看看小张10月的销售数据。

可以看到销售小张的销售数据非常不错，周转化率为84%。如果这个时候小张拿着这个数据去汇报领导，无外乎两个结果，一个是升职加薪，一个是寻根问底。两种结果，两种人生。但小张是一个诚实且爱学习的孩子，在没有一个负责任的结论下，是不会贸然去邀功的。接下来小张统计了10月的所有数据，果然发现了一些问题。

• 10月的销售数据中，第一周的成绩是最好的，达到了84%
• 每周的销售数据中都是前3天的销售量占据了该周销售量的大半，后续几天下滑严重
• 从10月第一周开始，到11月初也就是第5周，销售数据一直在下滑

看到这些明显的问题后，小张决定将时间维度继续拉长去看，以月、季度、年的单位去看了最近7年柜台的销售数据，发现商品具有明显的周期性。

可乐虽然在10月第一周销售最好，但可能是国庆节人流量大增等原因，大多数商品都会有量的提升，后面出现回落属于正常现象。但如果以季度为单位去看，会发现第一个季度A商品销售得很好，但到2季度3季度后，对比1季度都有很大的下滑。

如果这个时候把2、3季度换成B商品时，销量会稳定上升，反而B如果放在1季度的话，销量会比较平淡。由此我们可以看出短时间的销量是没有代表性，在数据分析中，样本的数量是多多益善，还得具备周期性的思维。

然后我们再去看第2个问题，为什么前3天的销售量占据了整周销售量的大半。小张调研了下，发现货架最上面2层卖完后，销量立马开始下滑，而最下层总是保存的最完好，几乎无人购买。如果及时地补货，提升商品的曝光率和便捷性是否能提升销量呢。

固定每周一营业前补货是不合理的，需重新制定补货维护策略。

想到这些，小张又在想后面的销售计划该怎么去制定。时间、地点、人文、商品本身都会影响销售数据，而现在10月气温还算好，对可乐影响不大，但往后会越来越冷了，可乐是否不再适合在柜台销售了呢？该用什么商品去代替，获得更高的收益呢？

最后小张根据这些想法，做了一个汇报方案，先汇报了当前的成绩，再讲了下现在的问题，最后展望了下未来与应对策略。在一片掌声中，小张的发量越发地开始稀疏。

PS：我们常常看到一些团队或个人，拿一些不负责的数据，去邀功，这种做法让我很羡慕。比如某人做了一个新方案，在汇报时说，点击率上升了80%。一下子整个会议室肃然起敬。但如果深入了解会发现，他只是问卷式地访谈了4个用户，其中3个觉得还不错。对于访谈样本特征没有分级，样本量也太少。这种数据没有任何意义，只能说对我们的方案做一些启发评估。

02 小结

对于数据，我们不能孤立的去看待，每一个数值的背后都值得我们去关注。一个负责任的数据结论是多条链路相互佐证的结果，是算明白了变量条件对结论的影响，是明确了运行的规律。

如一个商品卖的好不好，可能纯粹就是该商品曝光率太低，也可能是一场疫情超市直接倒闭，剔除这些因素再去分析才是有意义的。

有人说，如果我链条够多，算力够牛，我就能预知未来。

下一篇将结合实际案例去讲解怎么通过数据发现问题，然后确定问题，再修改方案解决问题等。

作者：少侠，公众号：一条咸鱼的渴望

本文由@少侠 原创发布于人人都是产品经理，未经许可，禁止转载

题图来自Unsplash，基于 CC0 协议