但有些非核心指标，没有KPI要求，这时候就得找其他标准。比如用场景拆解法，把非核心指标与KPI指标的关系，KPI达标时候非核心指标的数值范围找出来，这样也能形成判断标准，做出判断。
有了好坏判断，可以进一步思考原因。但在思考原因之前，最好先看下指标内部结构，找到影响指标的大头。这样重点清晰，更容易看出问题所在。
比如看销售情况，销售讲究人、货、场，先从用户、商品、渠道三个维度，单独看内部结构，看哪个类型的占比高，哪个类型在当前表现好/差。这样分清重点，容易形成思路。
比如看成本情况，区分可变成本、固定成本，可变成本区分商品成本、营销成本。固定成本里区分前台、后台成本。这样更容易看出哪一块是波动来源。
有了这一步，后续再找原因就轻松很多了，可以直插重点。
五、列假设有些比较懒的同学，直接在上一步就下结论了。比如最近销售不好是因为A商品没卖好。成本高了是因为促销花钱太多……
可这种原因往往太肤浅。一来，有可能A商品没卖好是因为其他藏得更深因素导致的（有更深因素）；二来，有可能A商品没买好是因为某几类用户在流失（其他因素波及）；三来，即使A没买好是因为A不行，那也不见得短期内能改正，还是得想其他办法（问题分析的可落地性）
所以，再往下深入，一定要清晰假设，撸出来问题背后的逻辑。很多同学到这一步会傻眼，觉得原因千头万绪，我该怎么列才合理？
这里有两个简单的办法：
从最近发生的事情入手，能快速找到解释问题来源的假设。我们可以先收集最近发生的正向/负向的事件，然后逐一看：
- 理论上：这个事件对哪些指标有影响
- 实际上：这个事件的发生程度，相对应数据变化
这样逐一排查，找出问题来源。
从业务可能采取的行动入手，则能快速找到业务应对手段的假设。比如面对业绩下降，短期内业务就三板斧：
- 上促销，派一堆优惠券
- 搞培训，抓几个典型示范
- 改文案，把推广链接换换
那么，我们可列假设：
- 按过往投入产出比，促销可以拉升业绩
- 人员是参差不齐的，有标杆可以参照
- 推广是参差不齐的，有标杆可以参照
之后逐一检验即可。
六、第6步：验真伪有了假设可以验证。注意，很多日常数据波动，是没资源给我们一一做ABtest来验证的。因此这里说的验证，更多是找证据。找到足够多的、明显的、数据上的证据，来证实观点。
比如我收到最近商品调价信息，那么理论上，如果是畅销品，快供不应求调价，是会提升收入的，而普通商品被逼无奈地调价只会伤害销量。那么验证的思路就是：
- 调价商品过往销售、库存数据如何（判断类型）
- 调价商品从哪一天开始调的，调完了销售有啥变化
- 调价商品影响面有多大，剔除这个商品，其他还有问题不
这样综合利用数据，就能下判断。
