网络安全检测|网络安全服务|网络安全扫描-香港墨客投资移动版

对于达成业务期望的，无论波动范围多大，都属于可接受。既然是主动引起的增长/下跌，肯定是指标变化越大越好。对于未达成期望的，要看期望值差距，差距部分才是要分析的波动值。

第三步：量化外部影响。

有很多波动是可收集的外部行为导致的。比如政策限制、天气、对手等等。注意：外部因素有很多不能收集到数据，落实影响。也有很多，即使知道了影响，也没法干啥事——总说下雨影响业绩，那也不能烧香求龙王吧。

因此，对外部影响，评估其波动大小，不要看一天的绝对数，而是要测算该影响预计持续时间，推算在这个时间内，总共产生的影响值，这个数值才是衡量波动的标准。

第四步：其他意外波动。

是否有既不符合规律，又没有业务主动动作，又没有外部因素，数据本身也没有问题，但是就是发生波动的情况?

有!这个时候应首先定位波动发生点：

全局性波动，还是局部波动 持续性的，还是突发性的 波动数值，大还是小

判断问题大小的标准：

全局性>局部问题 持续性>短期问题 数字越大，问题越大

锁定问题点后，可以结合指标的属性，思考对策(如下图)。

针对硬指标波动：只要硬指标未达标，就是重大问题。考虑采取措施，保住指标 针对软指标波动：只要关联的硬指标没崩，就不是重大问题。不纠结一朝一夕的波动，集中精力发现深层原因。 针对边缘指标波动：不用害怕!想扭过来分分钟的事。

这样区分以后，就有了清晰的处理方向。该用雷霆手段就果断下手，该慢慢看的就慢慢看。不然不分轻重缓急，只是自己在慢悠悠的“拆解数据-拆解数据-拆解数据”，不是被嫌弃“小题大做”“我早知道了”就是人家业务已经把问题处理完了，这边数据分析报告还没好呢。

4为什么永远有人纠结波动

小结一下：想沉着冷静的应对指标波动，需要的是以下两点：

业务部门知道自己要做什么：

1、清楚哪些是硬指标、软指标，哪些是边缘指标

2、清楚自己的行为能对指标影响到什么程度

3、清楚短期、中期、长期自己能干啥

4、清楚自己的短期做的事是否达成了效果

数据部门，要知道到底发生了什么：

1、哪些是业务主动行为，他们想做到多少

2、哪些是规律性的变化，范围在什么水平

3、哪些可量化外部因素，到底能带来多大变化

4、哪些是异常变化，存在于什么位置

而遗憾的是，现实的情况常常是：

业务部门只会闷头干活。对自己要干多少、能干多少、已经干了多少，从来没量化过。看到一点指标波动就如惊弓之鸟(如下图)

数据部门一不懂指标业务含义，二不知业务在干什么，三不知规律如何量化。只会拿个指标和性别、年龄、地域、渠道等等一通交叉，摆出一堆柱子，哪根短了就大喊：“波动都是因为这根短了!”还美其名曰：“多维度拆解法”，还写成文章在网上到处毒害新人……

所谓盲人骑瞎马，大概就是这个感觉。至于指望着“从头、腾、阿公司，请一个高级数据科学家，建立人工智能大数据模型，一张嘴就天知地知”，则已经是病入膏肓指望着救命仙丹的想法了。

1、量化业务目标与业务行为

2、梳理业务逻辑并归纳为报表

3、总结历史经验与发展趋势

4、评估现状，测算差距

这些基础、简单、细节的工作，才是应对“指标波动焦虑”的最好办法。有同学可能会问：软指标部分，到底要咋分析，才能解读出深层次含义。