定义问题：怎么定义问题，打通分析思路？

爱因斯坦说过：如果给我 1 小时解答一道决定我生死的问题，我会花 55 分钟来弄清楚这道题到底是在问什么。一旦清楚了它到底在问什么，剩下的 5 分钟足够回答这个问题。所以搞清楚问题到底在问什么，对于我们解决问题至关重要，尤其是在数据分析领域里。

解决业务问题的整体分析流程中，确定问题是什么就是第一步。本文就来寻根究底——如何快速搞清楚要解决的问题到底是什么。

问题的基本结构

“问题”到底是什么？汉语的表述其实不太严谨。“问题”这个名词在我们生活中有很多种意思。比如：

• 这个数据有问题；

• 小明上班迟到了，因为路上出了点问题；

• 小明在网课上问了老师一个问题。

这几个句子中的“问题”表述的不是同一个概念。

在英语环境下相对来说更容易区分，你搜索“问题”的英文翻译，有很多种，比如：question、problem、trouble、fault、matter 等。刚才的句子里对应的英文意思大概是这样的。

• matter：这个数据有问题。

• trouble、problem：小明上班迟到了，因为路上出了点问题

• question：小明在网课上问了老师一个问题

当然这节课不是教你学英语的，我列举这些问题的解释是想先和你达成共识，避免我说的“问题”不是你理解的“问题”。比如：

• 业务问题，是业务上的某个 Problem/Trouble，你可以理解为业务上遇到的困难、困境、难题；

• 业务数据的分析问题（简称分析问题），是一个 Question，是一个问句。

这节课要解决的就是如何梳理业务数据分析问题，达成了共识，我们继续说梳理分析问题的框架。我认为提出一个完整的业务数据分析问题至少有两个部分：业务遇到的问题、分析的方向。

业务遇到的问题

业务遇到的问题一般就是**业务中现状和目标存在的差距，我们可以简称为业务问题。**我举几个数据分析中会遇到的场景做例子，看看什么是业务问题。

• 案例 1：“App 新用户数在持续下降”

这是不是一个业务问题？你可能会想，新用户数下降，这肯定算问题吧？新用户数少了，日活肯定会受影响，而且说明产品的健康度不行，长期下去肯定是不行的。

一般情况下，新用户确实越多越好，但是如果这款 App 已经准备停止运营了呢？这种情况不是没有，很多公司内部会展开赛马机制，在同一领域做很多同类型的 App，最后集中资源扶持其中最好的一款 App。如果新用户下降的 App 是被淘汰的那款，目前已经放弃运营，一周后会关闭。那么新用户少了就少了，无所谓。甚至我们还会希望新用户数越少越好，最好这些新用户都去另一款成功的 App 上。

你看，我们的目标变了，看起来很严重的问题反而变得无关紧要。差距不成立，问题本身就不存在了，所以一个问题必须要有目标。

• 案例 2：销售经理下达了本月的销售任务，每个销售员本月都必须完成 100 万的销售额。

这对于销售员小李来说，是不是一个问题？答案也是不一定。如果小李平时的销售额平均在每月 70 万左右，那么单月 100 万的销售额目标就是一个问题，所以小李必须想办法提升本月的销售额。那如果小李是金牌销售员，每个月随随便便就有 200 万的销售额，那达成 100 万销售额的目标就不是一个问题。

这个案例虽然有目标，但是没有说明现状，所以差距也不到一定成立，也就不一定是一个问题。

所以，业务问题至少要两个要素：**一个目标，以及和目标存在差距的现状。**如果把这两个案例转换成真正的问题将会是这样来描述。

• 目标是 App 每天新用户数 10 万人，但现在只有每天 2 万人。现状的 2 万人和目标的 10 万人之间存在 8 万人的差距。

• 目标是每月销售 100 万元，这个月预计只能完成 70 万。现状的 70 万和目标的 100 万之间相差 30 万。

上述的两个差距就是我们要解决的业务问题了，如果目标和现状之间没有差距，也就没有业务问题了。没有要解决的问题，也就没必要提出分析需求。

这里我也要提示你，在找出业务问题的阶段容易犯这么几种错误。

错误 1：把直觉当成了事实

我们一听到新用户下降，很自然地会认为这是一个问题。因为我们内心预设了一个标准，觉得考试那至少得及格，新用户那肯定是越多越好。不过这只是我们的预设立场，是我们过去的经验，不代表当下的事实。分析师的要求是严谨客观，所有的结论都要经得起逻辑的推敲。你直接预设一个立场，而不是依靠事实推理，就犯了主观判断的错误了。

错误 2：目标不是业务指标

我们的目标和现状都必须是一个业务指标。比如留存率、新用户数、转化率等等。当我们发现留存率没有达到目标，我们可以说这是一个业务问题。你不能说我的目标是想要知道某个数据，现状是没有数据，那这就变成取数需求了。我们要解决的是业务问题，不是业务方的问题。

错误 3 ：目标和现状没有对应关系

另一个容易犯的错误就是目标和现状两者的指标不一致，没有对应关系。比如说，这样一个问题：“这个月要从外部获取 10 万的新用户，但这个月只有 10 万元的推广费用，怎么办？”

我们平时的表达很多都是这样的形式，这个问题虽然符合问题的基本结构，并且我相信大家能大概看懂是什么意思，但是这个问题的目标和现状的指标不直接相关。因为目标是获取新用户，而现状是推广费用。这两者中间还相差了一层逻辑，费用和新用户的关系是什么。

如果按照目标来解读，提问者实际想要表达的是：这个月要从外部获取 10 万的新用户，现有的推广资金预计只能达成 3 万新用户，怎么办？

如果按照现状来解读，也可以表达成：要达成获客目标需要 30 万的推广费用，这个月只有 10 万元的推广费用，怎么办？目标和现状的不匹配，会让问题变得模糊。

业务问题是引发我们提出分析问题的原因，但只有业务问题还不够完整。既然是问题，你总得“问”吧？即问题的第二个要素——分析的方向。

分析的方向

接下去我们要确定分析的方向，分析方向也就是你想要从哪些角度分析这个问题。

我们可以从很多维度分析一个业务问题，比如“哪些人”“什么时候”“是什么”“是多少”“为什么”“会怎样”“怎么办”等。

比如现在的业务问题是广告拉新的效果一直不及预期目标，对此你提出了这样一些分析方向。

• 问题 1：有哪些好的广告拉新渠道？

• 问题 2：有哪些拉新效果好的广告形式？

• 问题 3：什么时段的广告投放效果比较好？

你还可以问其他的问题，比如拉新广告文案怎么写？拉新用户的男女比例分布怎么样？是不是三四线城市的点击率更高？等等。

虽然这些问题的结构都是完整的，有业务问题，也有分析方向。不过这不是一个好的业务数据分析问题，因为问题本身往往意味着答案。

上面这些问题都会限制分析问题的方向，我们来看一下。

• 问题 1：有哪些好的广告拉新渠道？

这个问题的答案是找到一些效果更好的渠道，然后在这个渠道上投放广告。

• 问题 2：有哪些拉新效果好的广告形式？

这个问题的答案就变成如何优化拉新的广告形式。

• 问题 3：什么时段的广告投放效果比较好？

这个问题的答案是找出投放效果好的时段，然后将资源倾斜到这些时段。

如果我们问的问题不正确的话，那答案也肯定不能解决业务问题。如果我们提出问题的目的是解决业务问题，那我们为什么不直接问“怎么办”呢。比如“广告拉新的效果一直不及预期目标，怎么办？”这个问题没有太多的限制，分析方向就很自由了。

• 我们可以从投放的渠道分析：目前哪个渠道效果好？还有哪些类似的渠道？

• 我们可以从广告优化分析：广告的文案怎么改？广告的素材怎么改？广告的形式怎么改？

• 我们还可以从拉新成功的用户分析，看一下这些用户的特点是什么，如何触达同类型的其他人？

只问“怎么办”，我们的分析方向就会足够多，就很容易找到问题的突破口。所以这是一个强大的问题公式：业务现状+怎么办。

如果你之前经常觉得自己分析的时候没思路，有可能不是你的问题，而是提问者的问题。不过我们没办法要求提问的人都得学会这个方法，但至少你下次遇到类似问题的时候用问题公式这么改造一下，说不定思路一下子就打开了。

由于业务问题中的目标和现状的指标是对应的，并且“怎么办”这个分析方向是固定的，所以我们接下来要做的就是确定业务问题的指标。

确定业务问题的指标

我们可以根据指标的口径找到数据即可，所以这里我们可以分为两个步骤：确定指标、确定数据。

（1）确认指标

业务方提出的需求，往往是比较模糊的，比如“如何提升某功能新用户的人均使用次数”这个需求。这个问题中的要提升的指标是“某功能新用户的人均使用次数”，这个指标名字一听就很长，维度很多，我们需要先确认一下这个指标到底能不能用。

确认指标的过程，我们常常会遇到这样三类问题。

• 指标不合理

我们制定的指标可能并不能很好地衡量我们的业务。案例里是想提升某功能的新用户的人均使用次数，那么为什么要用这个指标呢？如果是想衡量新用户对功能的忠诚度，用留存率是不是会更好呢？这个问题必须搞清楚，如果这个指标制定得不合理，那么后续的分析的基础就崩塌了，分析地再深入也没有意义。

• 指标的口径不一致

指标的口径问题是一个做数据分析特别常见的问题。大家都在聊同一个指标，但可能每个人对这个指标的理解都不一样。

案例中的目标指标是某功能的新用户人均使用次数 5 次，这个里面有太多的口径需要确认了。比如新用户的口径。这可能是每个公司里面最混乱的一个口径了。我就遇到过在同一个业务线，新用户这个口径就有四、五种不同的理解。还有使用某功能，是按照进入页面算使用呢？还是必须完成一个特定动作算使用？人均使用次数是按平均数算还是中位数算？

这些口径必须提前确定清楚，只有大家把口径都统一了，后续的分析才能够继续。

• 数据获取问题

由于数据采集的问题，不是所有的指标都能够获取到。有时候我们确定了口径，但是这个指标没办法获取到，那我们就只能用其他的指标来替代。

（2）确认数据

解决了以上的指标选择与口径的问题，第二步就可以确认每一个指标的具体数据了。

业务方提的需求往往比较主观，他只会告诉你，目标是提升某功能新用户的人均使用次数。那么到底提升到多少呢？这个目标一般业务人员自己是清楚的，因为业务部门在每个季度或者每个月都会制定一个业务目标。所以你可以与业务方沟通，直接拿来用就行。

如果业务部门没有具体的目标，那我们可以根据历史的数据趋势推断出来，或者拿历史的较大值出来做目标。而现状就比较好办了，只要口径是确定的，那么从数据库中获取这个数据就可以了。

经过数据分析师的改造，这个问题就变得非常清晰了。

目标：使用某功能的新用户的人均使用次数 5 次

现状：目前人均使用次数 3 次

分析方向：怎么办？

结语

一个完整的业务数据分析问题包括两个部分：业务遇到的问题和分析的方向，它是我们梳理问题逻辑时必须掌握的知识。了解问题的结构，我们就能将错综复杂的问题，用逻辑清晰的方式提炼出其本质，这对于我们理解业务、指导后续分析方向都有着非常重要的作用。

思考题：你能不能用业务问题+怎么办的问题公式梳理你曾经做过的一个业务需求？