先分清问题类型，再谈分析方法

业务方提出“帮我看下数据”时，背后可能是完全不同的需求：有人想知道发生了什么，有人想知道为什么发生，有人想预判接下来会怎样，还有人想直接得到行动建议。开云在项目沟通中习惯先做一次问题归类，把需求映射到描述、诊断、预测、指导四个层次，再决定投入多少数据准备工作。层次选错，往往导致分析做得很重却解决不了问题。

这四层不是越高级越好，而是与决策场景匹配。日常经营监控用描述分析就够，根因排查需要诊断分析，资源排期和库存准备适合预测分析，策略优化才需要指导分析。开云建议团队先把每一层的输入输出定义清楚，避免用预测模型去回答一个描述性问题。

描述与诊断：把现状和原因说清楚

描述分析解决“是什么”，核心是指标体系的完整性和口径一致性。开云通常建议先锁定三到五个北极星指标，再拆出过程指标，保证每个指标都能追溯到字段。诊断分析解决“为什么”，常用手法是维度拆解与对比分析。

  • 按时间、区域、渠道、客户分层逐级拆解，定位异常集中的维度组合。
  • 做同比与环比对照，区分趋势变化和短期波动。
  • 对关键环节做漏斗分析，找出转化损失最大的步骤。
  • 用分组对比验证假设，避免只看整体均值掩盖结构差异。

开云提醒，诊断分析的结论要写成可验证的假设，而不是直接下因果判断，否则后续动作容易跑偏。

预测分析：先确认数据是否支撑

预测分析解决“可能会怎样”，前提是历史数据具备足够的稳定性和覆盖度。开云建议在建模前先做三项检查：时间跨度是否覆盖完整业务周期、关键字段缺失率是否可控、业务规则是否发生过重大变更。若数据条件不足，宁可退回描述与诊断，也不要用复杂模型包装不确定结论。

在方法选择上，趋势外推适合变化平稳的指标，季节性分解适合有明显周期规律的场景，回归类方法适合分析多因素影响。开云强调，预测结果要配套误差范围和回测机制，让业务方知道结论的置信边界，而不是只给一个数字。

指导分析：把结论转成可执行动作

指导分析解决“该怎么做”，通常建立在前面三层的基础上。开云的做法是把分析结论拆成可执行的动作清单，标注每个动作的预期影响、执行成本和观察指标。例如客户分层运营中，先通过描述分析识别高价值群体，再用诊断分析找到流失前的行为信号，接着用预测分析估计干预后的留存变化，最后给出分群触达策略。整个链路中，每一步都要保留可回溯的记录，方便后续评估动作效果并修正模型。

开云建议团队按“描述打底、诊断跟进、预测择机、指导闭环”的顺序推进，不要跳过基础直接上模型。分析层次选对了，数据准备和解读思路自然清晰，业务方也更容易接受结论。