文 | jiago王佳東fr
為什麼有的報表好用， 有的報表不好用， 有的企業會做一堆亂七八糟的報表， 最近經常會思考這些問題。
有人說資料分析， 為了開源節流， 這個沒有錯， 今天我從另外一個角度解讀。 資料分析， 是為了應對風險(說明：風險與機會是一起的。 PMI中將其共同列為風險管理， 本文所有風險與機會同義)， 開源節流的每一次操作每一個節點， 也是風險。
企業經營， 風裡來雨裡去， 免不了碰到大大小小的機會和風險， 抓住機會躲避風險是每個企業以及個人的畢生追求。
PMI中將風險歸為以下幾類：
已知的已知風險
未知的已知風險
未知的未知風險。
本文將資料分析， 也歸納為三層需求
第一層需求：應對已知的已知風險
可以將這一層需求看作為被動使用的資料， 拿零售行業的場景舉例：
採購員要進行採購， 沒有資料作為參考， 只能進行盲目採購， 那商店的缺斷貨、商品積壓的風險一定出現。 所以採購員需要通過資料查看各類商品的銷售情況、庫存情況、可售天數情況進行判斷， 以此決定採購需求， 避免錯誤的商品採購所導致的商品缺斷貨、高庫存等風險。 此為通過資料來應對已知的已知風險。
對於企業之中， 這類的應用特別多， 多到部分企業會忽略這是一種資料分析的應用。 企業中常用的業務系統比如erp等軟體系統，
但是， 從另一個角度去看， 這類風險的應對也有很大的優化空間：
風險應對的效率：提升風險應對的效率， 是提升應用標準化的一個體現， 當一個應用難以使用時， 容易造成人員惰性， 取巧而放棄使用， 從而提高了風險發生的概率。
複雜的已知的已知風險的應對：絕大部分企業並沒有將資料覆蓋所有的已知風險， 舉例：新品的引進， 新品的引進為商店帶來新的盈利點， 但是錯誤的引進甚至會帶來負面效應。 大部分企業的新品引進並沒有一個很好的方案來應對：通過資料進行品類關聯並對比， 可以看出本店鋪對於市場上銷量靠前的商品的缺貨情況，
第二層需求：應對未知的已知風險
這一類資料一般為主動使用的資料， 更多的是週期性使用的資料， 常見的比如領導們常看的日報表、周報表等。
企業的風險發生的概率是分佈在每一天的， 但是它每一天都可能發生也可能不發生， 例如部分員工的消極怠工、部分商品的品質異常、個別門店突然面臨的對手競爭等。 這一類風險當然是希望在發生的最短時間內就可以發現並且應對。 所以企業中產生了大量的這一類型的報表需求。
這類報表也很常見， 但是他們價值的體現不如第一層需求類來的直接， 這一類報表經常被流覽， 但大部分情況是沒有發現風險的， 所以有時會產生一種這類報表沒什麼用的感覺。
在我們所遇到的項目中， 這類需求報表占比是很多的， 也是爭議最大的。 領導層所需要看的日/周/月報類報表相對還好， 畢竟是每天都會有人看， 並且作為企業資料監督和追蹤的一種形式。
此外， 還會有很多分析類的報表也屬於這一層級， 比如商品的價格帶分析：找到某類商品的價格點， 對比銷售高點或銷量高點， 從而發現可能的商品價格分佈的不合理或者貨架擺放位置的不合理(價格點商品附近陳列豐富的商品可以給顧客帶來商品豐富的感覺)。
這類報表的應用難度比較大， 因為經驗或者知識儲備的不同， 對風險的認知和識別能力不同。 同樣以上面的價格帶分析報表為例， 其目的為應對陳列、商品價格分佈、商品引進/採購、目標活動人群選擇的風險。 但是使用報表的業務人員沒有形成對這些風險(機會)的認知， 就造成了缺乏對該報表的資料解讀能力， 該報表便成為了一個花瓶報表， 價值無法得到體現。
針對這一類報表， 我的建議是場景化， 讓每一張報表背後都有它的風險機會描述， 當自我不能解讀的報表， 也就不要指望業務可以解讀並使用， 並不是將一堆的指標都進行展示就能產生價值，它于落地的應用還相隔甚遠。
第三層需求：應對未知的未知風險
這類需求近些年來大量出現，大資料概念被大多數人所重視也很大程度上是因為這一類需求。
風險的不可預測性使得大量人群希望通過技術的手段來幫助識別和發現風險。比如很多人希望通過聚類這類演算法的應用，來形成用戶畫像，發現自己之前無法發現的特性，或者通過對商品關聯的挖掘，發現未知的商品關聯關係，從而調整商品佈局以發現巨大的商機，比如“啤酒與尿布”(不知真偽)。
但是這類需求實現難度巨大，目前還屬於少數互聯網公司的專利，對於大多數企業尤其是傳統企業而言，其實現成本是難以接受的，個別資料乙方可能會以此為誘餌進行宣講，但就我所瞭解到的還難以形成很好的應用。
但是第三層需要要怎樣處理？無論是機器還是演算法很多都是對人對模擬，只是擁有更快的速度而已，所以相信通過人的作用可以彌補這一類需求。
同樣以商品模組舉例：除了我已知的商品價格、佈局風險外，通過對商品價格分佈那張報表的分析，發現在非價格點的價位(比如是10元)銷量比正常值都高，正常情況10元價格商品的銷量是價格點商品銷量的1/5，但是報表顯示這一期間的比例高達了1/3，通過進一步分析，發現是由於某一天活動對該商品進行打折促銷，從而該商品銷量上升，再進一步分析該商品的銷量上升並沒有給企業帶來業績的上升，該商品的周邊商品銷量基本沒有變化，也就是該商品的連帶率是很低的，同時該商品庫存並非臨保商品。通過調查發現是店長和供應商的私下協議而採取的促銷行為。
以上只是舉例，通過人的思考可以發現很多的未知的未知風險。這也就是近些年來bi產品的出現的原因，bi產品希望能夠給業務人員一個靈活的資料應用環境，讓他們的思考得到延伸和資料上的支援，從而應對未知的未知風險。
當然，理想情況如此，很多企業並沒有將bi產品應用成為以上的價值。原因很多，主要的是包括業務人員沒有分析意識、沒有一個很好的分析入口(不做進一步解讀)。
綜上：
我將對資料分析的需求分為三層，每一層的使用難度也都有不同，越向後越容易產生“這個報表沒什麼用”的感覺。現實中，也有很大程度上確實是這個報表沒法用，因為很多it人員也並沒有理解我做好的報表是為了解決什麼樣的問題，只知道這個指標有用，我就展示給你看。所以這樣的報表可能真的很難用。
我覺得，讓資料發揮它的價值，可以嘗試將資料與風險相關聯，對風險進行資料化的解讀，從而來讓報表更加落地，更加可用。
並不是將一堆的指標都進行展示就能產生價值，它于落地的應用還相隔甚遠。
第三層需求：應對未知的未知風險
這類需求近些年來大量出現，大資料概念被大多數人所重視也很大程度上是因為這一類需求。
風險的不可預測性使得大量人群希望通過技術的手段來幫助識別和發現風險。比如很多人希望通過聚類這類演算法的應用，來形成用戶畫像，發現自己之前無法發現的特性，或者通過對商品關聯的挖掘，發現未知的商品關聯關係，從而調整商品佈局以發現巨大的商機，比如“啤酒與尿布”(不知真偽)。
但是這類需求實現難度巨大，目前還屬於少數互聯網公司的專利，對於大多數企業尤其是傳統企業而言，其實現成本是難以接受的，個別資料乙方可能會以此為誘餌進行宣講，但就我所瞭解到的還難以形成很好的應用。
但是第三層需要要怎樣處理？無論是機器還是演算法很多都是對人對模擬，只是擁有更快的速度而已，所以相信通過人的作用可以彌補這一類需求。
同樣以商品模組舉例：除了我已知的商品價格、佈局風險外，通過對商品價格分佈那張報表的分析，發現在非價格點的價位(比如是10元)銷量比正常值都高，正常情況10元價格商品的銷量是價格點商品銷量的1/5，但是報表顯示這一期間的比例高達了1/3，通過進一步分析，發現是由於某一天活動對該商品進行打折促銷，從而該商品銷量上升，再進一步分析該商品的銷量上升並沒有給企業帶來業績的上升，該商品的周邊商品銷量基本沒有變化，也就是該商品的連帶率是很低的，同時該商品庫存並非臨保商品。通過調查發現是店長和供應商的私下協議而採取的促銷行為。
以上只是舉例，通過人的思考可以發現很多的未知的未知風險。這也就是近些年來bi產品的出現的原因，bi產品希望能夠給業務人員一個靈活的資料應用環境，讓他們的思考得到延伸和資料上的支援，從而應對未知的未知風險。
當然，理想情況如此，很多企業並沒有將bi產品應用成為以上的價值。原因很多，主要的是包括業務人員沒有分析意識、沒有一個很好的分析入口(不做進一步解讀)。
綜上：
我將對資料分析的需求分為三層，每一層的使用難度也都有不同，越向後越容易產生“這個報表沒什麼用”的感覺。現實中，也有很大程度上確實是這個報表沒法用，因為很多it人員也並沒有理解我做好的報表是為了解決什麼樣的問題，只知道這個指標有用，我就展示給你看。所以這樣的報表可能真的很難用。
我覺得，讓資料發揮它的價值，可以嘗試將資料與風險相關聯，對風險進行資料化的解讀，從而來讓報表更加落地，更加可用。