數據預警模型，該如何搭建？

作者：接地氣的陳老師 2021-08-06 11:35:34

數據分析能主動做出預警，是所有人的終極期望。可現實是很慘淡的，經常是指標已經下跌了，業務部門忙得團團轉了，數據分析才慢慢悠悠地分析“昨天為啥DAU下降30%”。

本文轉載自微信公眾號「接地氣學堂」，作者接地氣的陳老師。轉載本文請聯系接地氣學堂公眾號。

最后辛苦半天落個“我早知道了，早干啥去了!”的抱怨。那如何提前做出預警?今天系統講解一下。

01第一步：清晰角色

首先要清晰：預警是給到人的警報。因此誰需要聽這個警報，是第一順位要考慮的。在實際工作中，有四大類角色：

進行預警第一步，就是要先明確要預警的業務場景，把一個場景內所有相關責任人都考慮進來，避免漏了角色(如下圖)。

其次要注意：問題因人而起，也因人而終。因此第二順位需要考慮的，是這四類角色對指標走勢，到底有啥影響。要分門別類地收集這四類人計劃開展的動作，從而為第三步的評估做準備(如下圖)。

注意：收集影響動作，是有順序的，應該從高層→前臺→中臺→后臺。

因為這是這四類人影響指標的順序是這樣的：

在工作中，這四個環節環環相扣。如果配合得好，即使出現問題，也能化險為夷。如果配合得差，則相互拖累，越做越錯(如下圖)。

在實際工作中，并不是一個簡單清晰的工作閉環從頭做到位，然后再做下一個。每個部門都是一堆工作同時在進行。因此，收集部門動作并非一蹴而就的，而是需要有暢通的信息渠道，特別是當指標開始出現問題苗頭時，業務部門做出的應激反應，要有一定程度了解。這樣才能更好地輔助判斷，做出準確警報。

有了第二步動作收集，可以開始第三步數據評估。數據評估是預警的最關鍵一步，是避免執行期間看到數據波動腦袋空空的關鍵。

之所以能提前感知指標波動的風險，是基于：過去發生的未來會重現，這樣一個簡單的道理。因此，有必要對過程發生過什么，進行深入評估。(如下圖)

這里涉及多種具體分析方法，之前文章都有分享，不再一一贅述了。

有了以上準備，可以做出預警了。預警模型建立后，從制定計劃階段開始，就能開始運作。并且貫穿定方案、做執行、做復盤的各個階段，并且涵蓋了主力、輔助的角色(如下圖)。

比如制定了銷售目標，那么：

定方案階段：銷售的方案(包括銷售計劃、人力配置、配套物料/輔銷品)是否能支撐當前目標?如果支撐不住，這時就能直接預警，提醒問題。

做執行階段-作為主力的銷售：是否各銷售團隊執行到位?執行不到位是誰沒有到位?影響多少大盤?作為主力角色，只要其下某些分支出現問題，都是要直接發出預警的，避免問題惡化。

做執行階段-作為輔助的供應鏈：達標率太好的情況下，是否購貨充足?達標率太差的情況下，是否有積壓風險?如果銷售表現好，但關聯的輔助部門馬上面臨缺貨風險，此時也要及時預警!

注意：在過程中預警的時候，要考慮業務部門應激行動。比如有可能業績很好，庫存馬上要斷，此時應了解是否有補貨計劃，如果有，在預警時要提及此時，并且分樂觀(100%按時完成計劃)、保守(50%或更少完成計劃)、悲觀(無法完成計劃)，分別給出預警，以及預估結果(如下圖)。

這樣的預警，給管理層的體驗非常好

1、管理層能通過分析師的工作，掌控業務全局。

2、在定方案階段就能預知風險，從而做充足的準備。

3、在過程中，不但能看到預警數值，而且能大概鎖定問題方向，減少了過程中被“打悶棍”的感覺。

4、看到預警結果的時候，能同步看到預期處理方案，從而快速做出決策判斷。

這樣，比事后看到諸如“DAU跌了一大截”“銷售連續4天不達標”等結果以后再問為什么，體驗好太多了。理想的狀態下，可能只要一兩個關聯指標變差，就能馬上感知到主指標跳水的風險。

數據預警的錯誤做法，當然是指望一個神威無敵大將軍模型，能把所有指標100%預測準確。實際影響指標的因素太多，且外部環境壓力，內部主動行為，都很難量化。因此完全把寶賭在靠著極其有限的幾個數預測的模型，完全不靠譜。

真正靠譜的做法，是數據分析師保持高度的消息靈通，按照上文的四個步驟，提前做好準備，才能應對變化。未卜肯定先知不了，但是卜過，就有機會發現問題。

很多不懂行的人，會以為數據真的能讓人開天眼般洞察一切。實際上恰恰相反，一個數據分析師，得先開天眼，對公司情況了若指掌，之后才能對數據走勢做出判斷。

這一點切記切記。

當然，這套模型的運行，有三個基礎條件：

1、數據部門與業務、管理層有充分溝通，掌握足夠多信息

2、數據部門對過往發生的目標、方法、執行情況有充分復盤與經驗積累

3、業務流程數字化程度高，各個部門的行動能以數據形式記錄

這三點，剛好對應了管理問題、分析方法問題、基礎建設問題。因此并非所有公司都能運用。如果公司的氛圍實在太差，就只能用一些短平快的預警方法。

責任編輯：武曉燕來源：接地氣學堂