描述数据波动的指标

当我们谈论“分析下今天的波动”时，这是数据分析师日常听到的任务之一，也是最具挑战性的一项。

提到波动，我们自然会想到各种可能的情境。下降1%、5%、10%或是50%，是否都算作动？为何有时业务对微小的波动反应激烈，而对较大的波动却无动于衷？这背后的真正原因究竟是什么？

让我们通过一个简单的例子来理解：体温37.4度与体温36度相比，只有3.9%的波动。但在实际情境中，如果某人的体温突然升高到37.4度，可能会引发担忧，因为这可能意味着某种疾病的存在。指标波动并不可怕，真正可怕的是指标波动背后的业务含义。

现在，我们将指标波动分为三类：

第一类：硬指标波动。

这些指标通常与业务部门的刚性考核相关，如销售部门的业绩、回款等。这些指标的完成情况是必须达成的，差1%都会引发关注。这类指标被称为硬指标。对这类指标的波动，业务部门往往极为敏感。

第二类：软指标波动。

例如注册用户数、用户点击率、转化率等，这些指标通常是通往业务结果的过程。它们的上升或下降并不一定意味着问题，可能只是业务形态的一种新变化。软指标的变化需要深入分析，确定其背后的业务含义。

第三类：边缘指标波动。

如满意度、知名度等指标，这些指标的波动可能受到多种因素的影响，如抽样方法、调查时间等。了解这些指标的逻辑后，你会发现控制其波动相对容易。

面对这些指标波动，我们首先需要明确方向。在应对时，要优先考虑硬指标，然后是软指标和边缘指标。了解了这一点后，我们可以进一步判断波动的大小和重要性。

为了更准确地应对指标波动，我们可以采取以下步骤：

第一步：剔除伪波动。

很多波动是自然发生的，如节假日的交易额区别、产品上市的用户数变化等。平时多总结经验指标形态，发现规律后，符合规律的波动即为伪波动，无需过于担心。

第二步：量化主动行为的影响。

很多波动是由业务主动引发的，如促销、培训、清仓等活动。面对这种情况，首先要了解业务在做什么，然后评估指标波动是否达成业务预期。主动行为且指标波动达成预期的情况下，业务通常不会过于纠结。未达成预期时，则需要深入查找原因。

第三步：量化外部因素的影响。

许多波动是由外部因素导致的，如限制、天气、竞争对手等。评估外部因素的影响大小，尤其是其预计的持续时间和总影响值，这是衡量波动的重要标准。

第四步：关注其他意外波动。

是否有既不符合规律、又没有业务主动动作、也没有外部因素影响，但数据本身出现波动的情况？这时需要定位波动的发生点，结合指标的属性思考对策。