前瞻性的重要性前瞻性 _生活百科

老板嫌你的数据分析没有前瞻性，总是在分析大家都知道事情。面对这种情况，你需要转变思维，换一种数据分析 *** 了。

文章插图
有同学问：领导总让做“有前瞻性”的分析，不要说那些“大家都知道的事” 。
可到底什么是前瞻性？
有时候明明写了预计未来情况，可还是被批判为：没啥前瞻性，真不知道咋办了。
先看看一个简单的例子如下，看图回答问题：6月的GMV是多少？

文章插图
有多少同学是脱口而出“400”？
常见的问题，就从这里开始。
没有前瞻性的分析，长这样
错误一：复读机型看到上图数据，写出来的是：
月均GMV720
更大值1000
最小值500
中间值700
这肯定没有任何前瞻性，这根本就是把图表又用文字复读了一遍。只要业务方不是瞎子，能看到数字，都会觉得这没啥意义。
错误二：惯性思维还是上图数据，你认为6月的GMV是多少？
有多少同学是脱口而出“400”？
——这就是典型的惯性思维。
其实，只有一年的数据完全不说明问题，但是人们就是会很惯性地认为：过去跌的就一定跌，过去涨的就一定涨。特别是出现这种5432顺序排列的数据，惯性得就会认为下个数字是1 。
其实，这正是数据分析要打倒的大敌。如果我们引入过往年份数据，很有可能曲线长这样：

文章插图
这时候还有谁说6月是400？很有可能1-5月的只是正常的业绩波动而已。
所以，单纯用惯性思维判断，完全没有体现数据分析的价值，做的结论还极有可能是错误的。
错误三：习以为常还是上图数据，很多同学看了三年趋势，然后脱口而出：因为过去6月份会涨，所以今年6月份也会涨。
这种说法，很有可能被业务评价为：我早知道了！你分析了啥？
因为历史规律，特别是这种宏观迹象这么明显的规律，是个人只要不瞎都看得到，说出来当然没啥意思。况且，谁说去年涨，今年就一定涨？万一今年涨的少，甚至跌了呢？仅凭一根线又怎么判断呢？
真正的前瞻性，是定性预测本质上，所谓的前瞻性，是需要我们做一个定性预测。
虽然没有精确的数据或模型，但是能通过分析，判断未来走势（相对应的，建数据模型详细计算的是定量预测）。
做预测的关键，是找到影响未来的因素。
这些影响因素，才是支撑指标曲线的真正支柱。支柱倒了，指标自然下跌；支柱稳固，指标自然高企。
所以，想做好预测，不能只对着数据本身就数论数，而是得找到数据背后的原因。
比如，上图中6月，11月大涨，可能有几个原因：
行业因素：行业本身就是夏季、冬季前有一波高峰（比如旅游相关机票、***、住宿，赶在寒暑假前大量预定）；促销因素：618，双11是主战场，要拼命做大GMV<；/li>产品因素：这个行业每年6，11月上新品；其他因素。在做预测之前，我们要先了解业务，掌握影响因素。
根据影响因素的可辨识程度，大致可分成三类，我们一类一类来看：

文章插图
之一类：宏观事件型宏观事件往往备受关注，媒体会大量报道，因此辨识度很高。但相应的，辨识度越高的东西，讲出来价值就越低。
因此，在做定性预测的时候，提及宏观事件，是个必选项。提了，不一定被认可；不提，一定被视作“你都不懂业务”“这么明显都看不到” 。
有些坏习惯会影响做数据的同学关注到宏观事件。比如，很多做数据分析的同学只看数据类文章，反而每天沉迷在数字和代码里，对行业发生了什么都不知道。这样一来，当然很容易被批了。
需注意，之所以是定性预测，因为很多宏观因素的影响可能无法预测。
循环出现的，可以看过往的历史规律（比如节假日影响、行业周期性波动）；但是个案出现的，就很难去预测。比如，突然出台新政策，禁掉了某些业务。
无法预测效果，只能去研究政策细节，看看到底影响面有多大，做个预警。