数据分析是现代企业决策的重要支撑，但许多从业者常常停留在表面的描述性统计，难以深入挖掘数据背后的真实问题和业务价值。本文将系统地介绍如何进行深入的数据分析，希望能帮到大家。
经常有同学抱怨：感觉平时做的都是描述性统计，同比、环比，深入的数据分析到底怎么做？今天系统地讲解一下。话不多说，直接上干货。
常见的描述性统计举个简单的例子，让分析：为啥业绩下降了。很多同学的做法是：
1、拿本月和上月，分产品、地区、分公司做对比
2、发现，整体下降5%，A产品下降10%，B产品下降6%……
3、把A产品下降10%标红，然后写“要搞高”
这么做当然不深入了！单个指标下降只是表象，业务关心的是：
1、A产品营销力度不够？
2、A产品选品失败了？
3、销售没有执行到位？
这些问题，指向明确的改进意见：
1、营销力度不足 → 追加活动投入→ 往哪些地方投活动！
2、新产品表现不好 → 寻找替代产品→哪些产品有潜力！
3、销售没执行到位 →哪些环节要提升→ 提升是否见效！
这才是业务需要的结论。想做到这一步，需要四步走
改进第一步：建立分析假设业务问题，往往不能用一个指标简单描述，而是需要指标 标签，从多个角度描述，形成多个分析假设。
比如营销力度不足，至少可以拆成三个分析假设：
1、活动形式改变（用标签：形式A、形式B）
2、优惠幅度下降（原先打八折、现在打九折）
3、覆盖产品减少（原先60%产品参加活动，现在40%）
经过梳理，把业务问题，拆解成可以用数据指标量化的分析假设（如下图），就能做进一步分析了。
注意，假设方向不止一个。需要帮大家聚焦到核心问题上。比如给出“营销力度不足”的结论以后，大家会自然反问：
1、难道只有营销的问题吗？
2、难道分公司管理没有问题吗？
3、难道产品没有问题吗？
此时需要更复杂的论证逻辑。
比如我想证明：营销力度影响，比产品的影响更大。那么我要列举的假设是：
1、一直无活动的产品，前后变化不大
2、原本有活动，现在没活动的产品，变化巨大
3、原本有活动，现在力度下降很大的产品，变化巨大
4、原本有活动，现在力度下降很小的产品，变化很小
这样有了充足的正反例子，能做实：营销力度就是影响很大，就可以剔除产品的影响了。
当分析假设很多时，可以用MECE法，把特例的逻辑关系一一梳理出来。
最后效果如下图：
