?數據分析能主動做出預警，是所有人的終極期望。可現實是很慘淡的，經常是指標已經下跌了，業務部門忙得團團轉了，數據分析才慢慢悠悠地分析“昨天為啥DAU下降30%”。

最后辛苦半天落個“我早知道了，早干啥去了！”的抱怨。那如何提前做出預警？今天系統講解一下。

一、第一步：清晰角色

首先要清晰：預警是給到人的警報。因此誰需要聽這個警報，是第一順位要考慮的。在實際工作中，有四大類角色：

進行預警第一步，就是要先明確要預警的業務場景，把一個場景內所有相關責任人都考慮進來，避免漏了角色（如下圖）。

二、第二步：收集動作

其次要注意：問題因人而起，也因人而終。因此第二順位需要考慮的，是這四類角色對指標走勢，到底有啥影響。要分門別類地收集這四類人計劃開展的動作，從而為第三步的評估做準備（如下圖）。

注意：收集影響動作，是有順序的，應該從高層→前臺→中臺→后臺。

因為這是這四類人影響指標的順序是這樣的：

• 高層定的目標，決定了前臺執行難度
• 前臺執行質量，決定了中臺輔助難度
• 實際業績結果，決定了后臺支撐難度
• 后臺支撐好壞，決定了問題是否擴大

在工作中，這四個環節環環相扣。如果配合得好，即使出現問題，也能化險為夷。如果配合得差，則相互拖累，越做越錯（如下圖）。

在實際工作中，并不是一個簡單清晰的工作閉環從頭做到位，然后再做下一個。每個部門都是一堆工作同時在進行。因此，收集部門動作并非一蹴而就的，而是需要有暢通的信息渠道，特別是當指標開始出現問題苗頭時，業務部門做出的應激反應，要有一定程度了解。這樣才能更好地輔助判斷，做出準確警報。

三、第三步：數據評估

有了第二步動作收集，可以開始第三步數據評估。數據評估是預警的最關鍵一步，是避免執行期間看到數據波動腦袋空空的關鍵。

之所以能提前感知指標波動的風險，是基于：過去發生的未來會重現，這樣一個簡單的道理。因此，有必要對過程發生過什么，進行深入評估。（如下圖）

這里涉及多種具體分析方法，之前文章都有分享，不再一一贅述了。

四、第四步：做出預警

有了以上準備，可以做出預警了。預警模型建立后，從制定計劃階段開始，就能開始運作。并且貫穿定方案、做執行、做復盤的各個階段，并且涵蓋了主力、輔助的角色（如下圖）。

比如制定了銷售目標，那么：

定方案階段：銷售的方案（包括銷售計劃、人力配置、配套物料/輔銷品）是否能支撐當前目標？如果支撐不住，這時就能直接預警，提醒問題。

做執行階段-作為主力的銷售：是否各銷售團隊執行到位？執行不到位是誰沒有到位？影響多少大盤？作為主力角色，只要其下某些分支出現問題，都是要直接發出預警的，避免問題惡化。

做執行階段-作為輔助的供應鏈：達標率太好的情況下，是否購貨充足？達標率太差的情況下，是否有積壓風險？如果銷售表現好，但關聯的輔助部門馬上面臨缺貨風險，此時也要及時預警！

注意：在過程中預警的時候，要考慮業務部門應激行動。比如有可能業績很好，庫存馬上要斷，此時應了解是否有補貨計劃，如果有，在預警時要提及此時，并且分樂觀（100%按時完成計劃）、保守（50%或更少完成計劃）、悲觀（無法完成計劃），分別給出預警，以及預估結果（如下圖）。

這樣的預警，給管理層的體驗非常好

1、管理層能通過分析師的工作，掌控業務全局。

2、在定方案階段就能預知風險，從而做充足的準備。

3、在過程中，不但能看到預警數值，而且能大概鎖定問題方向，減少了過程中被“打悶棍”的感覺。

4、看到預警結果的時候，能同步看到預期處理方案，從而快速做出決策判斷。

這樣，比事后看到諸如“DAU跌了一大截”“銷售連續4天不達標”等結果以后再問為什么，體驗好太多了。理想的狀態下，可能只要一兩個關聯指標變差，就能馬上感知到主指標跳水的風險。

五、數據預警的錯誤姿勢

數據預警的錯誤做法，當然是指望一個神威無敵大將軍模型，能把所有指標100%預測準確。實際影響指標的因素太多，且外部環境壓力，內部主動行為，都很難量化。因此完全把寶賭在靠著極其有限的幾個數預測的模型，完全不靠譜。

真正靠譜的做法，是數據分析師保持高度的消息靈通，按照上文的四個步驟，提前做好準備，才能應對變化。未卜肯定先知不了，但是卜過，就有機會發現問題。

很多不懂行的人，會以為數據真的能讓人開天眼般洞察一切。實際上恰恰相反，一個數據分析師，得先開天眼，對公司情況了若指掌，之后才能對數據走勢做出判斷。

這一點切記切記。?