问题场景：
某零售公司，同时有线下门店和线上自营微商城，现在大老板要求运营部门“提升同时在两个平台下单用户比例”。运营总监表示：“数据驱动业务，请数据小组给出清晰的指引”。你是这个公司的数据分析师，问：这时候该做啥事？
思考一分钟
一、难点解析
你会不会这么干：
- 计算同时下单的用户人数、占比、增长率
- 计算同时下单的用户人均付费金额，付费频次
- 对比同时下单的用户VS单一渠道下单用户购买产品top10
- 对比同时下单的用户VS单一渠道下单用户的性别，年龄，地区
- ……
做完以上事情，你是否有一种深深的无力感？
是滴，这就是数据驱动业务的最大难点：数据不能直接得出一个业务动作。同时下单用户女性占比60%，单一渠道女性占比55%，所以同时下单的女性多出5%。
所以呢？所以要推女性？这思路也太白痴了吧！仅仅多了5个点而已，能说明什么！其他维度对比分析也是类似。可能最接近直接导出结论的，是看购买商品排名，哪个卖得多推哪个嘛。然而实际情况，很容易被业务喷得渣渣都不剩的（如下图）。
图片
很多同学做到这就就开始迷茫，于是上网找“头腾阿公司的大神，可付费！”，搜《21天精通线上线下同时下单分析》pdf版等等病急乱投医行为又冒出来了。
二、破题关键
破题的关键，在于：把业务动作和数据关联起来。用数据论证判断，在行动中收集数据，这样才能让数据和业务结合起来。比如眼前的任务，注意审题，老板只给了个方向：提升两平台同时下单人数，至于到底现在是多少，提升到多少？为什么要提升？一点信息都没给。
所以这时候，第一位的任务是：清晰方向。还轮不到想具体方案的时候。而跟方案有关的判断，首先是：到底要不要干。注意，老板没有提具体数字，很可能他只是朦胧地感觉到应该这么说，因此“要干”“不干”两个正反结论，都可以用数据验证（如下图）。
图片
类似的，可以把整个决策过程中所有判断，都列成待验证假设的形式，这样就能把“目前用户占比20%，每月增长5万，75%会持续同时下单”这种纯数据罗列，转换成：“目前有空间可以做，增速不高，有规律可循”这种对业务有意义的结论。这样就能持续的利用数据往下推导了。同一个问题，也能从不同角度多方向论证，具体思路同学们可以自己细想。
假设目前的情况就是：“以线下门店下单为主，线上少，目前有空间可以做，增速不高，有规律可循”。下一步可以怎么做呢？
既然是有规律，就得看是什么规律。这里需要用到对比。注意，做对比和乱对比是两码事，不是说列出一堆柱子看哪根高就放哪根，而是要围绕自己的分析假设来。比如用户不到零售门店，反而去微商城下单的背后，可能有4种规律，因此可以分别找对应维度数据来验证（如下图）。
图片
因为目前尚在探索方向阶段，所以要尽可能把影响大方向判断的细分问题，都提前梳理清楚，比如：
1、“同时下单”的标准具体是什么如何？
2、目前符合标准的人有多少？
3、符合标准的人在持续增加、减少、不变？
4、符合标准的人比不符合标准的人，在质量、行为上有何差异？
5、符合标准的人和不符合标准的人，是演化关系还是压根两群人？
6、为什么希望提高“同时下单”人群？
图片
做完这些功课，再去和业务/老板沟通，比憨憨地问“为什么？”要有意义得多。很多憨逼直接去问一堆“为什么”，结果被人劈头盖脸喷回来：“要你何用！”“长脑子没！”“分析了啥！”。
而有了功课，可以：
1、可以主动猜行动目的，猜对了立马能让大家觉得你很懂业务
2、可以主动提示验证结果，不管成立/不成立，都说明你思考很细
3、可以主动引导方向，告诉大家有哪几种规律可循，显得分析能落地
总之，老板们最喜欢自己提个粗略想法，下属做了一堆非常细致的工作。很多混得好的数据分析师，都是靠这种手段上位的，切记切记。
三、数据驱动业务的落地方法
然而光有方向还是不行的，很多业务喜欢喊：落地。那该咋落地呢？注意，在落地上，数据分析方法不能直接产生创意，更多是总结过往结果，测试创意效果。而业务方的行动可以直接产生创意，并不一定需要数据支持。
比如线上线下同时下单这事，如果业务方推出：线上下单门店周边2公里内免费送货服务，那很有可能线上订单大涨。如果过去没做过，或者做过但是没有回收数据，那巧妇也难为无米之炊，怎么都分析不出来怎么干的。
对全新的方案，需要具体执行细节加测试，才能真正确认效果。比如周边2公里内免费送货服务，如果是全新的业务，需要业务方给出细案，才能做测试。
所以，在落地阶段，最关键的问题是：
1、之前是否有做过相关动作？
2、如果做过，效果如何，投入产出比如何？
3、如果没做过，是因为没想过，还是想过觉得有障碍？障碍是什么？
4、同行是怎么做的，能打听到的效果是什么？
5、是否已经有初步计划，如果有，是什么？
同设定方向阶段相同，这五个问题首先是数据分析师自己问自己的。所谓的对业务敏感，平时要多收集活动公告，版本更新信息，之后落地的思路就很清晰了。简单地说，就是：已有大量行动情况下，做调优，优选最佳行动路线；尚无大量行动情况下，做测试，探索可行道路。
当然，很有可能你这么干了，你的业务还是喊“不具体！”，要求数据给出来的方案，具体到有几个页面，页面几个按钮，页面代码怎么写，活动海报怎么画，是画3笔还是5笔……
如果真的把这些业务工作都甩给数据，数据分析大可以直接建议：建议更换有能力做海报、做h5的业务。甚至可以结合招聘信息进一步分析：有这些能力的业务月薪也就8-12K，炒了现在这帮XX更划算，谢谢。
四、小结
当然，执行阶段，数据也能做监测，也能诊断问题。在复盘阶段，也能总结经验。这些都是能做的驱动动作。
之所以着重强调策划阶段与设计阶段，是因为“数据驱动业务”在这两个阶段范的错误最多。常常是：
1、策划阶段，数据分析师闭门造车，不结合业务，不分清目标，盲目指望“超牛逼模型”“全国统一模板”能理清问题。
2、设计阶段，业务部门盲目甩锅，啥都依赖数据，没主见没想法，恨不得数据把自己的工作全干了，不然就喊：不具体。
