数据分析不是跑数做表、不是预测未来，而是帮助业务找到「为什么」和「怎么办」——用数据撬动业务增长，直接对赚钱负责。
四层价值框架 · What Why How Money
What
描述现状
我们现在有多少资源？业务规模是多少？
≤ 1.2万/月
Why
诊断原因
数据为什么好/坏？问题根因在哪？
1.5万+ 起
How
提出策略
针对原因给出可落地的解决方向
年薪30万+
Money
量化价值
这个策略能帮老板赚多少钱？
年薪50万+
核心认知：工具只是手段，不会分析是因为没有「这道菜怎么做」的整体思路，而不是刀工不够好。先有思维框架，再谈工具熟练度。
没有指标体系，就像开一辆没有时速表、油表的车——无法感知状态，无法定位问题。指标体系的四大作用：
- 衡量健康度 — 业务当前状态是否正常？
- 定位问题 — 哪个环节出了问题？
- 评估效果 — 策略上线后是否奏效？
- 统一语言 — 全公司用同一套口径，避免数据对不齐
OSM 万能框架
O
Objective · 目标
明确、可量化的目标
例：月 GMV 达到 200 万
S
Strategy · 策略
为达成目标准备的打法
例：优化销售话术、换推荐产品
M
Measure · 度量
用数据监控策略执行效果
例：转化率、客单价、复购率
AARRR 海盗模型 · 业务全流程漏斗
A
获取
流量从哪来？广告、搜索、转介绍
流量入口规模
R
留存
用户是否回来继续使用？
次日/7日留存率
★
北极星指标
全公司唯一核心目标，所有人朝一个方向发力
通常选择反映业务规模的成交额（GMV）。同时要设置「反向指标」（如投诉率、离职率）作为护栏，防止过度冲刺带来隐性损伤。
场景：6月 GMV 相比5月暴涨 108%，你怎么分析？掌握这套流程，可以覆盖 60% 以上的面试诊断题。
1
定义问题
确认指标口径：是哪个指标？口径有没有变化？时间范围是否对齐？不要把一年的数据跟一个月的做对比。
2
验证数据真实性
先排查数据本身：有没有重复统计、SQL写错、时间范围偏移？波动超过30%就要先查数据。不能跳过这步。
3
维度拆分
从产品、地区、人员等维度切开看，找到异常集中在哪里。结合 AARRR 漏斗，从流量、转化、人效等方向系统拆解。
4
提出假设
先提假设，再验证，不要直接下结论。好的分析师靠逻辑和流程，不靠灵感。经验越丰富，假设越准，效率越高。
5
数据验证假设
用具体数据支撑或推翻假设。例：人数56→122翻倍，验证了「人员扩张」这一假设；人均下降则是新人稀释效应，合理。
6
串联因果，给出结论
把验证过的假设串成完整因果链，清晰汇报：「数据上升主要由X构成，Y指标下降原因是Z，数据可信。」
辛普森悖论提醒：整体上升≠每个分部都上升。必须细分到地区、人群、产品维度去分析，整体结论掩盖局部真相是数据分析中最常见的陷阱。
不要「大力出奇迹」全量上线新策略。先拿一部分人做实验，验证有效再推广——这就是AB测试的核心逻辑。
对照组 · 42人
27.3万
人均 GMV（正常推产品）
实验组 · 41人 · 主推12期
30万
人均 GMV（+13%）· P值 0.028
12期占比55% ↑
客单价上升 ↑
成交率微降 ↓ 需关注
AB 实验五要素
- 实验对象 — 随机分组，不能把有意愿的人单独放实验组
- 主要指标 — 北极星指标（GMV、转化率等）
- 次要指标 — 过程指标（客单价、占比等）
- 反向指标 — 护栏指标（投诉率、成交率下降）
- 样本量与周期 — 至少跑满一个周期，警惕新奇效应带来的短期虚高
P值怎么理解：P值 = 这个结果是「巧合」的概率。P值小于0.05，说明巧合概率低于5%，结果可信。P值越小越好，不需要理解统计原理，粗暴理解：排除巧合的置信度。
实验验证有效，才是开始，不是终点。最终目标是把策略落地为真实的钱。汇报时直接告诉老板能赚多少钱，打八折保守估计，远比说「效果不错」有力。
年化价值估算示例
实验组人均提升 3000 元 × 83 人 × 12 个月 ≈ 3,500 万 / 年，保守打七折汇报 → 约 2,500 万。老板听懂了，才能做决策。
PDCA 持续迭代循环
P
Plan · 计划
发现问题，提出新假设，设计实验
C
Check · 验证
拉监控看板，对比主副反向指标
监控看板要设警戒线：推新策略后，月均GMV不能低于基准值，12期占比不能低于目标值，投诉数不能超过阈值。指标持续绿灯，才是策略真正跑通。
1
定义确认：「请问您说的指标口径是成交额还是利润？时间维度是环比还是同比？」——先把题目问清楚。
2
数据验证：「我会先检查数据是否正确，排除SQL错误、口径变化等问题，再进行分析。」
3
维度拆分：「我会从产品、地区、人员、流量漏斗等维度逐一拆解，找出异动集中在哪里。」
4
提出假设：「我的假设是……（列举1-2个有价值的假设），然后再用数据验证。」
5
验证结论：「数据显示X指标变化，验证了假设A；Y指标正常，排除了假设B。」
6
策略建议：「基于以上分析，建议做……，预计可以带来……的提升，年化约值……。」
北极星指标
OSM 框架
AARRR 漏斗
P 值
辛普森悖论
PDCA 循环
置信区间
先导指标
反向指标
年化价值
反问技巧（面试最后5分钟）：不要问福利待遇，而是问「请问贵公司在产品推荐策略这块是怎么考虑的？」——展示你有业务思维，顺带反向面试对方，让面试官记住你。
一句话总结：数据是原料，分析是加工过程，工具是过程中的过程，落地才是价值。把数字变成决策，把决策变成行动，把行动变成可拿到的结果。