第1步：看数字

这是最基础的，同比，环比，绝对值，涨了、跌了……日常报告都是这些东西。但是这些东西不招人待见。一来，只要是个人看一眼就知道情况了，没啥写的必要；二来，这些玩意没业务含义，讲了跟没讲一样，所以必须深入一步。

第2步：找规律

想深入一步，可以把数据时间拖长一点，看看有没有自然规律。这一步没有任何技术含量，直接把日报表连起来看即可，但是非常管用！因为很多常规数据波动，就是有周期性规律的。掌握了规律，可以避免大惊小怪，误报错报。还能敏锐地观察到真正的问题。

第3步：立标准

想再深入一些，就得找判断标准。数据 + 标准=判断，有了好坏判断，才能继续往下思考：为啥好/为啥坏。最好的标准，就是有个KPI值压在头上，这样直接对比KPI完成率就有结论。

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。

第4步：看结构

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。

第5步：列假设

这里有两个简单的办法：

1、从最近发生的事件入手。

2、从业务可能采取的行动入手。

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：

1、上促销，派一堆优惠券

2、搞培训，抓几个典型示范

3、改文案，把推广链接换换

那么，我们可列假设：

1、按过往投入产出比，促销可以拉升业绩

2、人员是参差不齐的，有标杆可以参照

3、推广是参差不齐的，有标杆可以参照

之后逐一检验即可。

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：

1、调价商品过往销售、库存数据如何（判断类型）

2、调价商品从哪一天开始调的，调完了销售有啥变化

3、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。

第7步：得结论

到这一步我们已经做了充足的功课，交作业的时候，可以做非常详尽的汇报：

1、现状很好/很差，表现为……（第123步的结论）

2、现状好，是因为……（第4步的结论）

3、更深层的原因是……（第5步的结论）

4、这种好预计是可以持续/不可持续的，因为……（第6步结论）

5、因此，建议……（继续观察/采取措施/集体研讨更进一步方案）

附件里，附上详细的数据过程，就显得既全面，又有深度了。