你是不是觉得，平时做的日、周、月、季、年报没啥用？每天麻木地更新，发出来也没人看，需要数的时候还是临时取数？
答：因为光有数据，没用配解读数据的方法！
数字要读出含义才有价值。结构分析法，就是解读数据的一种简单、快捷的方法，也是数据分析师的祖传手艺，今天我们系统讲解一下�? # 从人见人厌的平均数说�? 人们天生讨厌平均数，总觉得用平均数很扯淡，有种：“我和姚明平均身高，有毛用”的感觉。但是反问：为啥平均数这么不好用，但是大家还喜欢用呢�? 因为：方便�? 举个最简单的例子：已�?1：客户需�?5 万件产品已知 2：生产线平均每天生产 5 千件问：需要生产几天答�?0 �? 虽然可能实际上是一�?4879 件，但是无所谓，这点偏差并不影响整体决策。用平均数来计算数量，安排人力物力，分配资源预计进度，都是很方便的。特别是在供应链一侧，生产能力、物资消耗、配送时间，是相对固定的，波动不大。因此非常好用�? 但在营销侧，情况就变了�? 营销侧更流行二八法则�?0%客户贡献 80%收入 20%产品创�?80%利润 20%销售赢�?80%订单这种情况非常�? 因此，当业务数据很均衡、稳定的时候，可以直接上平均数，当业务数据分布差异巨大的时候，就得看分布结构了，这就是结构分析法的起源：去平均化，发现内部问题（如下图�? 
以用户付费结构举例：一种做法，先将所有用户按付费排序，然后将排序的前 20%�?0%拿出来分组，观察每组付费金额。这种观察法，最贴近二八法则（把最头部 20%拿出来）。另一种做法，先把消费金额，按业务熟悉的方式分类，比如大于 1000 的，1000- 500……分类逻辑直接对应 VIP 等级，或者产品组合，然后再看比例。这样的优势，是贴近业务运作习惯，看到客户买�?500，就像怎么搞个 1000。也很好用�? # 结构分析法如何做
结构分析法的做法�? 第一步：明确对象。要观察结构的目标，是用户、商品、渠道、产品……选好目标�? 第二步：找到指标。比如已选定观察用户，再定清楚，要观察的是用户的付费、活跃、注册时间、区域分析……哪个指标。这里特备要杜绝面面俱到。整的太复杂，不但提取数据很麻烦，看数据的人也没心思看。最好抓核心指标�? 第三步：分层观察。一讲到观察，做数据的同学们习惯性想到箱型图。没错，箱型图是观察结构的方法——但是业务部门看不懂呀。想要解放人力，方法越直观越好。因此推荐用下边两种分法，一眼就看明白�? 第四步：总结形态。还拿用户结构举例，我们的用户是�?R 型，还是�?DAU 型。直接决定了后续运营方向：是继续大量淘沙，还是小火慢炖，服务好大多数人�? 同时，如果已经有业务上的标杆，标杆的结构，可以作为判断依据�? - 我们希望发展高端用户，所�?A 类用户占比必须到 20% - 我们的标杆门店，A 类用户占比就�? 20% ，所以其他店也要做到 20% - 我们的商业模式就是大浪淘沙，所以每批新用户�?A 类用户占比必须为 20%
这种简单直接的判断，对于提高日常报表使用率，非常有用！
结构分析法如何用
使用场景 1：快速理解陌生的用户/商品/渠道情况�?
- 比如实体企业，到一个地方巡店，看客户结构，看商品陈列比�? 比如互联网企业，看渠道流量时间分布，看转化人数都是只用几个指标，能快速反推整体情况，发现问题，这样的工作效率非常高�? # 使用场景 2：监测用�?商品/渠道健康度变�?
- 对稳定的业务而言，没事发生就是好事，稳定的结构代表问题不�? 对新增业务而言，越快贴近理想结构，发展越好这样有了明确的标准，就不会因为短期波动而纠结，集中精力办大事�? # 使用场景 3：监测重大政策上线效�?
- 对内部观察：是否政策起到正向推动- 对外部观察：是否引发关键群体的波�? 这样能利用常规报表，快速锁定问题点，后续也不用拖一堆无关维度出来交叉交叉再交叉，应急的时候响应速度更快�?
如上图，同样是领导质疑：为啥 4- 7 月原地踏步走，从用户结构能一眼看出来�?�? �?6�? 问题不一样，6�? 是典型的高端用户做的太少，这时候可以理直气壮的要求：把高端用户搞高！（是滴，这句话被吐槽很多次，这里可以讲）。�?4�? 下降和客户关系不大，从价格、渠道、大环境等其他地方找原因。这就是为啥强调结构分析法，抓关键结构，不要塞一堆无足轻重的分类维度进来。抓关键维度才好促成
以上工作完全可以靠常规报表搞掂，不需要临时取数，不需要额外占用数据分析师的时间。因此非常好使唤�? 类似的方法，还有矩阵分析法、趋势分析法、漏斗分析法。这些方法的共同点，就是：用一组有逻辑的指标，树立清晰的标杆，长期监控业务变化，从而快速得出结论。这些方法再和报表结合，就能极大提升工作效率。业务部门能定位到问题，数据分析师能解放工作量，这样才能做更深入的分析�? 有趣的是，现在市面上流行的做法：
问：你要怎么分析 DAU 下降 30% 呀答：从基本特征、来源渠道，DOU/DNU 等等维度拆拆拆，肯定能拆到某两个柱子差异好大，就是它了�? 这样的做法是很有问题的�? - 只看时间点，不看走势- 只看重大变化，不看细微发�? 不找关键维度，闭着眼一个个�? 不用固定指标，非整一堆细节指�? 这样只会增加大量无效劳动，让业务养成“不看报表，只打电话”的坏习惯�? “喂，为啥又涨了呀”“喂，为啥又跌了呀”“喂，为啥涨了又跌呀”“喂，为啥跌了又涨又跌呀�? 每天忙着处理这种琐碎问题，啥深入分析，啥建模都别想了�? 所以想解放精力，就得把监测体系建好，多利用这种短平快的小方法，多利用固定指标体系和查找机制，这样才能高效率运转。有兴趣的话，本篇集�?60 在看，下一篇我们分享一套监测体系的做法，敬请期待哦�?