“你不要光罗列数字，要有洞察！要给有价值的建议！”
很多同学最怕听这句话。领导不满意，自己也很有挫败感。平时“同比、环比”罗列多了，自己都怀疑自己“我的能力到底行不行？？？”
今天陈老师教大家一个16字要诀：“理流程，列假设，填空白，明方向”，系统搞掂问题。
一、回到业务流程
有价值的建议，一定要有明确的业务听众，满足他们的真实需求。作报告，要问：
1、谁要看这个数据？
2、这个数据处于工作流程什么位置？
3、数据表现“好/差”对他有多大差异？
比如，同样看“各个商品销售情况”。销售部门、商品部门、运营部门处于不同目的，想看的重点会完全不同（如下图）。
作为数据分析，把自己摆在业务视角，就会自然止住罗列“同比、环比、时间进度比”的冲动。进一步思考：“我要怎么做才能帮业务达成目标”
二、列出业务假设
有价值的建议，不能只念数据结果，要挖掘的问题根本原因。因此，要问：
1、数据的波动，反映了业务的什么问题？
2、导致问题的业务假设是什么？
3、哪些数据能支持/反对假设？
比如发现销售收入下降，你可以拆成收入=客户数*客单价，然后说：客单价降了是原因。可问题是：客单价下降的进一步假设是什么？
1、主动促销做太多，自己把价格打下来的？
2、客户消费力下降，贵的商品卖不起了？
3、客户习惯变化，用小包装替换了大包装？
……
为支持以上进一步假设，需要引入更多数据。日常工作时间有限，每一份报告都做深入时间不够。可以集中精力在“当前业务关心”+“数据波动大”的报告上，重点突破。
三、主动填补空白
注意！有时候，可能业务提的假设很单一，作为数据分析不能简单的“交差了事”，而是主动填补业务思考的空白。告诉他们：除了你们思考的假设，还有哪些可能性。事情的全貌应是怎样的。
比如做ABtest，业务可能只提了简单假设“优惠券力度越大，用户购买越多”。设计一个简单实验（10/20/30元优惠券进行测试）。如果懒省事，只报一个：“实验结果显著/不显著”就一定被喷：“我又不瞎，我看到实验结果了，所以呢？”
回到问题本质，业务关心的是：哪些因素影响用户购买。券只是目前一个假设。作为数据分析师，可以主动增补假设，提供思路：
1、是否有特定客群会有响应？
2、是否不同产品有明显差异？
3、不同时间点是否有潜在影响？
当前假设验证+ 潜在问题点发现，共同构成分析建议。写法就是：“为提升业绩，建议进一步扩充假设（针对XX问题进行验证），可能发现更多机会”，这样效果更好。
四、明确行动指向
好的建议，需要有足够细节，不能笼统说：要搞高。这要求数据分析师们，不能沉迷于宏达叙事，只看整体数据。标杆分析法要常用，在业务的最小经营单位（单个门店/单个投放计划/单个商品SKU/以千为单位小规模细分人群）寻找成功案例。结合标签，丰富自己的一线经验。
收集更多一线案例，不但让建议更具体，而且业务也爱看。没有人能拒绝《成功案例拆解合集》特别是不同区域，不同条线的业务想从别人那里获得灵感的时候，信息差就是值钱！
五、拆解复杂难题
注意！如果你的问题很复杂，那么给结论时，可以给一个逐步递进的工作线路。比如公司正纠结经销商激励政策要不要调，怕引发经销商反抗不敢轻举妄动。此时你可以给出一个一揽子建议，监控+预警+预案（如下图），这样帮领导们把后续行动步骤拟定好，也能提升领导认可度，帮领导分忧。
综上，数据分析报告给建议，其实是一个数据分析师综合能力的体现，从分析思路到汇报技巧。有同学会说：平时工作中缺少锻炼机会。我在知识星球内，为大家准备好了带业务含义的20+个项目集，可以练习，每月还有训练营手把手带大家训练，相信可以帮大家提升能力。遇到复杂问题，还能直接取号，获得我的一对一答疑。
我的星球已运营1700+天，有5000+小伙伴加入，得到很多好评。我会给你一对一制定学习计划，通过学习视频课程——参加训练营——我本人一对一辅导的学习方式，快速有效提升能力。课程名目录如下：
左右滑动查看更多
点击“阅读原文”可了解更多
