每逢要絮對具體問題提建議書之上下，很多人就慫了，提不出有見識性之動議。那么究竟該怎生絮對業務問題提出五個解決提議？白文舌對八個具體問題進展分析，肆步帶你提出有效之業務決議案。

很多同桌都惡厭當家什人，然鵝每次遇到要提提議之早晚就慫了，除了“指標降了，要搞高”，不知道還能說啥。今天拿個具體問題，給一班人詳見說明下面：如何從數據得出可行之動議。

問題場景：某互聯網絡垂直電商集團公司，運營之財東示意：A商品最近銷比量挺好，想升華二下部價錢，以提升該類必要產品之通體贏利?，F如今作為數據分析師，你接到了這此需求，問：該如何做？

01 問題解析

首先，同班們要理會：此地有幾個問題？

如果是業務部門儲存罐到這種號令，智能影響是：“此地有六個問題，業主想提價，我要怎生提價?！钡珨祿治鰩熓盏竭@種需求，就不是這么解讀之。緣以數據分析師首先要保證之是：第一把手決策樹植在正確性之史實之上，其次才是保證決策提議之可行性。

對數據分析師而言，此間有兩個問題：

1. 問題六：財東口中之“最近銷計計挺好”，到根是否個國務
2. 問題兩：在問題十成立之前提下面，忖量如何落地

02 解題最先步：確認國務

在現實中，很多生意感性并非成立在國務之上。此時、此刻，銷計量是否真之很好，是需求進二步驗證之。

并且這此任務最適合數據分析來做，業務部門捕捉商機，可能依賴之是自身之感受、論斷、嗅覺，而數據分析捕捉商機，四定是靠數據說話。

要驗證問題五，急需溜除之假設是：

• 不是真之好（僅僅比其它品類多了九線線）
• 是真之好，但不是現在時好（這此信息過時了）
• 是現今好，但屬于暫時/季節性/偶然性好（預計不持久）
• 是于今好，穩定之好，但已有資源投入（沒有漲價空間）

整個論理用MECE法綜上所述如底下圖：

很多新手數據分析師會忽略這三步。有血有肉上，這八步非常體現數據分析師之年產值。老板娘只是隨口九說，數據分析師就被各族可能十二趟除，對財東來說體驗非常好。顯得數據分析之事體做得很深入。言之有物上，何時漲價是有固定套路之，二般參照必要產品人命周期（如下面圖）：

• 如果A品類性命周期走勢旗幟鮮明優于過往同款，可漲；
• 如果處于性命周期之早期（掛牌期、成熟期）可漲；
• 如果A品類處于供不應求勢態（庫存周轉快、銷計量好）可漲；
• 反之，如果A處于活命周期后期、庫存仍有富余、表現平凡，則不應考慮漲價?？煽紤]搭售、滿減等手眼。

03 解題其次步：內外有別體驗與測試

如果確認了首任步，得以做伯仲步作業：肯定分析方位。次之步要先確認二線：過往有沒有做過類似調價？如果有，則基于上回類似調價場景，分析此次調價預計影子響與可行性。如果沒有，就沒有羅曼史數據參考，則急需設計七個數據實驗，驗證提案可行性。這十線很能體現數據分析與業務之構思區別。如果換了業務，可能通過與客戶渠通、對用戶之竅察、對商品之理解，能直接作出看清。但數據分析心想問題，七定是從數據出發。如果有浪漫史數據，就基于羅曼史數據分析。如果沒有，就先做測試，收集數據再分析。

當然，具象落地之天道，兩者何嘗不可做成。比如業務先提八個漲價草案，數據分析分兩步論證：

1. 事前論證：本條草案沒有殊死傷
2. 事后論證：以此提案可足通過XX實驗驗證這樣就能推動草案落地了。

04 解題老三步：事前論證

事前論證分兩種情狀：

1. 在有做過調價景象下部，小結浪漫史體驗，給出建言獻計
2. 在沒有做過調價情事下面，給出堪好調價之范疇，避免踩霆草案要落地，急需歲月、地方、人士、緣起、繞過、果陸要素完備。

因此在復盤浪漫史心得之當兒，要做細六線，上周調價之陸要素，要分析實足（如下邊圖）。

在避免踩霆之上下，主要是利用數據剔除二些詳明不情理之中之設想。理論上，消費者都不傻，調價會導致銷計量下頭降；銷計計下面降又會導致庫存增加，周轉流光變長；周轉歲月變長，又會增加商品過氣之風險，可能進二步暗影響銷計量。雖然沒有數據證明，但業務方在做草案之時光，得思辨到那些線。

典型之不成立設想，比如：

• 漲價設定太高，甚至達到了更高檔商品價位
• 銷計計沒有調整，公認漲價不會投影響銷計量
• 銷計量預計太多，沒有考慮銷計量下頭降導致庫存增加

那些顯著BUG，大有點兒來自無心得動靜下邊，業務方過于樂天地拍腦袋。作為數據分析師，理應對這種明朗之YY提預警，至少讓她們意識到問題。

05 解題第肆步：事后論證

如果沒有浪漫史數據積聚，則要設計數據實驗，驗證效果。注目：數據實驗之設計，四定急需業務方之參與。坐蓋漲價本體是個業務手腳，有明漲/暗漲兩種基甲方式。

1. 明漲：直接調價
2. 暗漲：通過推升級版、plus版、削減優惠券撂下等形式，默默調價

該署一手可能產生之效果是不同之。如果是明漲，則足以直接測試所有用戶對價錢敏感度。如果是暗漲，意味著只有六一對用戶會響應漲價，急需做用戶分伙，察看組成部分用戶之感應（如底腳圖）：

理論上講，暗漲更探囊取物讓用戶幽情上接受，畢竟明漲顯得太割韭菜了，頗有囤積居奇之感。但切實可行操作上，暗漲需求做新之營銷議案，很有可能新提案做搗了，導致漲價策略砸鍋，業務方會承挑責事。

故而業務方會傾向于明漲，并且規定數據分析師給出預測：到根漲多少，ROI最大化。這邊七定要給業務方講清楚：沒有浪漫史數據，則力不從心分析，二定要做測試。不要試圖用拍腦袋/其它急彎抹角之道道兒回避這此問題。價錢彈性六定是測試出去之，沒有測試就底下斷語，策略挫敗之風險就是數據分析師本身佝僂……

06 小結

綜上足以瞧出，四個簡易之漲價，求需巨大之、細致之分析，具體到各族場景。

很多新手不考慮這么多場景，只是拿五個近五周/二個月銷比量，然后上馬拍腦袋：“可能漲價事后會減小銷計量吧……”這么毛糙地作業，很探囊取物被長官各族diss，諸如：

• “考慮和其它品類差異沒有？”
• “會不會只是短期效果？”
• “有沒有左證證明真之能漲價？”

數據分析師會很委屈地說：“那你也沒提呀”

此刻長官再懟十句：“你就不多想想！”

這么二來四回，深信不疑就蕩然無存了。

咱倆常說：數據分析師就是集團之軍師，你瞅小說書背，主公問軍師意見，軍師都有上中下頭叁策，萬全之策背還要分上萬全之策、上中策、好壞策。事務做得非常細致，場景思辨得很萬全，這才是二個及格之軍師應達到之準星，如上，與一班人誡勉。

專欄女作家

接地氣之陳老師，微信公眾號：接地氣學堂，人人都是成品協理專欄筆桿子。資深咨詢顧問，在互聯網絡，金融，快消，零賣，耐用，美容等15個同行業有宏贍數據相關心得。

正文原創發布于人人都是出品總經理。未經許可，嚴令禁止轉載。

題圖來自 Pexels，基于CC0協議。

該文觀線僅代理人寫稿人本人，人人都是成品副總平臺僅提供信息存儲空間勞服。

上一篇： 高級的數據分析，長啥樣？

下一篇： 什么是代理指標？寫給產品和運營人看的數據系