数据分析能主动做出预警，是所有人的终极期望。可现实是很惨淡的，经常是指标已经下跌了，业务部门忙得团团转了，数据分析才慢慢悠悠地分析“昨天为啥DAU下降30%”。

最后辛苦半天落个“我早知道了，早干啥去了!”的抱怨。那如何提前做出预警?今天系统讲解一下。

01第一步数据：清晰角色

首先要清晰：预警是给到人的警报。因此谁需要听这个警报，是第一顺位要考虑的。在实际工作中，有四大类角色：

进行预警第一步，就是要先明确要预警的业务场景，把一个场景内所有相关责任人都考虑进来，避免漏了角色(如下图)。

02第二步：收集动作

其次要注意：问题因人而起，预警也因人而终。因此第二顺位需要考虑的，是这四类角色对指标走势，到底有啥影响。要分门别类地收集这四类人计划开展的动作，从而为第三步的评估做准备(如下图)。

注意：收集影响动作，是有顺序的，应该从高层→前台→中台→后台。

因为这是这四类人影响指标的顺序是这样的：

高层定的目标，模型决定了前台执行难度 前台执行质量，决定了中台辅助难度 实际业绩结果，决定了后台支撑难度 后台支撑好坏，决定了问题是否扩大

在工作中，这四个环节环环相扣。如果配合得好，即使出现问题，也能化险为夷。如果配合得差，则相互拖累，越做越错(如下图)。

在实际工作中，并不是一个简单清晰的工作，该闭环从头做到位，然后再做下一个。每个部门都是一堆工作同时在进行。因此，收集部门动作并非一蹴而就的，而是需要有畅通的信息渠道，特别是当指标开始出现问题苗头时，业务部门做出的应激反应，要有一定程度了解。这样才能更好地辅助判断，做出准确警报。

03第三步：数据评估

有了第二步动如何作收集，可以开始第三步数据评估。数据评估是预警的最关键一步，是避免执行期间看到数据波动脑袋空空的关键。

之所以能提前感知指标波动的风险，是基于：过去发生的未来会重现，这样一个简单的道理。因此，有必要对过程发生过什么，进行深入评估。(如下图)

这里涉及多种具体分析方法，搭建之前文章都有分享，不再一一赘述了。

04第四步：做出预警

有了以上准备，可以做出预警了。预警模型建立后，从制定计划阶段开始，就能开始运作。并且贯穿定方案、做执行、做复盘的各个阶段，并且涵盖了主力、辅助的角色(如下图)。

比如制定了销售目标，那么：

定方案阶段：销售的方数据案(包括销售计划、人力配置、配套物料/辅销品)是否能支撑当前目标?如果支撑不住，这时就能直接预警，提醒问题。

做执行阶段-作为主力的销售：是否各销售团队执行到位?执行不到位是谁没有到位?影响多少大盘?作为主力角色，只要其下某些分支出现问题，都是要直接发出预警的，避免问题预警恶化。

做执行阶段-作为辅助的供应链：达标率太好的情况下，是否购货充足?达标率太差的情况下，是否有积压风险?如果销售表现好，但关联的辅助部门马上面临缺货风险，此时也要及时预警!

注意：在过程中预警的时候，要考虑业务部门应激行动。比如有可能业绩很好，库存马上要断，此时应了解是模型否有补货计划，如果有，在预警时要提及此时，并且分乐观(100%按时完成计划)、保守(50%或更少完成计划)、悲观(无法完成计划)，分别给出预警，以及预估结果(如下图)。

这样的预警，给管理层的体验非常好

1、管理层能通过分析师的工作，掌控业务全局。

2、在定方案阶段就能预知，该风险，从而做充足的准备。

3、在过程中，不但能看到预警数值，而且能大概锁定问题方向，减少了过程中被“打闷棍”的感觉。

4、看到预警结果的时候，能同步看到预期处理方案，从而快速做出决策判断。

这样，比事后看到诸如“DAU跌了一大截”“销售连续4天不达标”等结果以后再问为什如何么，体验好太多了。理想的状态下，可能只要一两个关联指标变差，就能马上感知到主指标跳水的风险。

05数据预警的错误姿势

数据预警的错误做法，当然是指望一个神威无敌大将军模型，能把所有指标100%预测准确。实际影响指标的因素太多，且外部环境压力，内部主动行为，都很难量化。搭建因此完全把宝赌在靠着极其有限的几个数预测的模型，完全不靠谱。

真正靠谱的做法，是数据分析师保持高度的消息灵通，按照上文的四个步骤，提前做好准备，才能应对变化。未卜肯定先知不了，但是卜过，就有机会发现问题。

很多不懂行的人，会以为数据真的能让人开天眼般洞察一切。实际上数据恰恰相反，一个数据分析师，得先开天眼，对公司情况了若指掌，之后才能对数据走势做出判断。

这一点切记切记。

当然，这套模型的运行，有三个基础条件：

1、数据部门与业务、管理层有充分沟通，掌握足够多信息

2、数据部门对过往发生的目标、方法、执行情况有充分复盘与经验积累

3、预警业务流程数字化程度高，各个部门的行动能以数据形式记录

这三点，刚好对应了管理问题、分析方法问题、基础建设问题。因此并非所有公司都能运用。如果公司的氛围实在太差，就只能用一些短平快的预警方法。

• ·标签: 小鹏汽车 陈永海 王凤英 高德地图
• ·标签: 豆包编程模型 火山引擎 TRAE中国版 Coding Plan
• ·标签: 理想汽车 李想 东风日产 NX8 i6
• ·吊坠型 AI 吊坠“Friend”引发争议：用户体验差、隐私风险高
• ·标签: 小红书 社区公约 真诚分享 反对对立
• ·标签: 苹果 蒂姆·库克 约翰·特努斯 Apple Watch
• ·标签: 东方甄选 孙进 新东方 执行总裁
• ·标签: 京东11.11 AI 超级供应链
• ·GPT-3和AlphaFold 2震撼2020，2021年AI最大看点在哪儿？
• ·标签: 市场监管总局 广告监管 提示性用语 绝对化用语
• ·阿里云发布云数据中心专用处理器CIPU 替代CPU成为新管控加速中心
• ·标签: 亿咖通 卓驭科技 天极计算平台 Flyme Auto
• ·标签: 高通 Modular AIXPU AI软件
• ·标签: 华为 大疆 刘强东 追觅
• ·布林亲自下场！谷歌组建Gemini精英团队，AI编程赛道开启“贴身肉搏”
• ·轮子上的机器人还很遥远？马斯克推特斯拉人形机器人：先装两条腿