指标下跌/上升，通常有三种形态： 

● 一次性变化：只在某个时间点发生波动。一次性变化背后的一般都是短期/突发事件，比如系统down掉导致无法交易，比如某一天突然下大雨，比如某天上大促销等等。

● 周期性变化：会周期性发生，比如每周的工作日和周末。一般业务开展都有周期性，比如零售行业，就是以周为单位循环。工作日和周末就是有明显波动。

● 持续性变化：从XX时间开始，一直出现上升/下降趋势。持续性变化背后往往是有深层次的原因，比如用户需求转移，行业繁荣/枯萎，渠道形态变迁等等。这些都是单一企业很难低档，只能跟着走的力量，所以才会显示出持续变化。

这三种形态本身意味着问题的严重性不同。如果是指标下跌的话，持续性下跌≥一次性下跌≥周期性下跌。如果是周期性下跌，一般都不需要大惊小怪。如果是一次性下跌，往往来得猛去得也快，要关注事件持续性。持续性下跌，特别是不见好转，一路大牛市的下跌，持续的时间越长问题越严重。

单纯看走势并不能严谨解释问题，要和波动幅度结合起来看。比如同样是周期性下跌，如果本周期的数值明显比上周期跌得更厉害，就得注意，可能在周期性变化背后隐藏了其他问题。

同样是一次性下跌，如果相同事件下，跌得越来越厉害，就说明隐藏有其他问题。有些看似一次**件，带来的影响可能持续发酵，最后演化成持续性下跌。持续性下跌中，可能每一期跌幅都不大，但放长线看，就会发现累积跌幅特别大，这时候问题严重性就更高。

很多业务部门会在这里犯错误。比如一说为什么二月份销量下降，就理所当然地认为是春节影响，没有认真计算其实今年春节后恢复速度大大慢于往年。一看上促销有销量，就急着庆功，没有计算促销前的蓄力期和促销后的**期越来越长，很有可能平台的用户已经出现了结构性变化，忠诚用户越来越少。这些都是一味凭经验办事，不细致看数据的恶果。

做数据分析的同学们，往往会犯相反的错误，还没有判断轻重缓急，听到要分析XX指标下跌就急着提取一大堆数据。既浪费时间，又没有什么分析假设，结果大海捞针一样空费气力。

赶紧打电话向相关部门确认，之后向领导汇报。如果真的短时间内发生重大问题，慢慢写代码分析本身就是贻误战机的行为，就像火灾来了不去打119，还在这认真分析哪里起火了，火大不大一样脑残。这时候赶紧先确认数据有没有问题，不能报假警。之后抓起电话赶紧向相关部门反馈。

对于长期存在的重大问题，要深入分析才能找到症结，这时候就得慢慢来，做多角度多维度的分析，而且分析结论要放回到市场调查、一线走访、行业研究里去相互验证，这样才是从根上解决问题的办法。不然分析完一版，业务并不觉得好用，最后还是白费力气。

不严重但是突发问题，先锁定问题点。因为问题本身并不严重，如果全面做检查，很有可能被淹没在平均值的计算里。去平均化，把真正问题严重的点暴露出来，这样后续分析才能深入。

这时候不用急着取一堆数据，问题本身不严重，取了也对比不出来所以然，可以再观测一段时间再说。

要注意的是，到目前为止我们没有谈到任何专业的分析方法或者技术，只要盯着一根销售曲线或者用户数曲线，做一些简单的同比，环比就够了。这就是传说中的数据敏感性。看到指标曲线开始下跌，敏感性高的话会先对走势进行解读。这一点后续我们还有专门的分享。

有了轻重缓急的判断，下一步就可以缩小怀疑范围，建立分析假设。之前我们说了，单纯依靠数据很难把原因搞清楚，但当我们缩小问题范围的时候，就更容易找到问题源头。而建立假设，有助于去伪存真的进行验证，进一步逼近真实原因。

往往重大的变化都伴随着重大事件的发生。因此反映在数据上，往往表现为在事件发生后，指标应声而落。这样即使不需要严谨的分析，只要在指标走势图上标识出事件发生的先后顺序，都能看出事件的影响。

严格区分两种事件的影响是个很巨大的分析工程，而且很有可能压根区分不了。但内部外部事件对指标的影响方式与效果是不同的。

外部宏观事件我们常用PEST来分析，P影响一般是致命打击，直接把指标打崩，把业绩搞停。而EST的影响更多是渐进的、缓慢的、基础的、结构性的，因此表现在指标上，更多是阴跌不止。

内部事件往往能短期内快速改变指标，所以在解读指标变化的时候，可以按这个简单原则进行：