外部环境的影响评估，是所有人都很头疼的问题。往往业务部门倾向于甩锅给外部环境，而老板总觉得是业务部门不努力，外部都是小意思。作为数据分析师，很容易被夹在中间，腹背受敌。

本篇本来准备写：《如何评估外部环境对业务的影响》的，无奈最近疫情话题太火，很多同学强烈要求看这个，所以就用了这个标题。严格来说，本次疫情发生时机、持续时间、影响范围、影响力度都不是普通的外界环境变化可以比的，讨论起来会非常复杂。我们可以先看个情况类似，但破坏力小的多的场景：狂风暴雨，街上没行人了。用这个简单的场景，看看评估外部因素的基本思路。

01

如何确认天灾的影响

我们想确认外部因素是天灾，那它至少需要具备五个条件：

1. 在业务逻辑上，事件该有影响

2. 事件发生时，业绩应声而落

3. 事件持续时，业绩持续受打压

4. 事件过程中，业绩受到明显打击

5. 事件结束后，业绩恢复正常

比如狂风暴雨，街上没人，在业务逻辑可能有四种影响：

1. 对酒楼、实体店等是严重负影响，没有行人就没收入，预定的也可能取消。

2. 对做了外卖的小餐馆，可能有部分负影响，堂食客人少了，外卖可能还会增加。

3. 对电商业务的成交，可能没啥影响，虽然送快递会慢，但用户该买还是买。

4. 对手机游戏、视频、直播等，可能有正影响，在家玩的人多了，DAU会涨，付费也会水涨船高。

所以第一步分析，是先区分具体业务形态，从逻辑上进行判断，先对事件定性：这是个好事/坏事。但注意，仅有业务逻辑还是不够的，因为单纯听逻辑，似乎谁说的都有道理，还得看数据。数据要符合以下形态，才能坐实：“这是天灾的影响”（如下图）。

为什么要规定的这么苛刻？一来，天灾也分小灾、大灾、灭顶之灾。需要细致梳理事件影响的开头过程结尾，才能评估到底需要做多少灾备，做什么程度的应对。二来，我们总说天灾人祸，很有可能天灾三分、人祸七分。比如遭受天灾，打着“我遭灾了”的旗号毫无作为，坐视问题扩散，才是更大的问题。

02

那些伪装成天灾的人祸

有相当多的情况，都是名为天灾，实为人祸。

• 不是我们无能，是敌人太狡猾了

• 不是我不干活，是天气太恶劣了

• 天气差了，业绩自然差呀，还用解释吗

基于我们不能焚香设坛求助雷公电母，所以遇到下雨也没有办法，只能看怎么度过难关。因此，凡是都往下雨上扯，不想办法的人是非常令人讨厌的。为了避免他们推卸责任，我们可以从数据上狠狠的扇丫嘴巴子。最常见的四种鬼扯形态，如下：

形态一：遇到事件会跌，但跌的很轻

为了区分这种问题，往往我们会对事件分级，比如一二三类灾害，比如小雨、大雨、暴雨、台风，这样能细致观察，到底是天气真那么恶劣，还是有人借题甩锅了。

形态二：遇到事件涨跌不定

为了进一步分析这种情况，得区分涨跌点，细致看1，2，3点到底发生了什么。这样不会错过机会，也能找到深入分析的切口。

形态三：事件之前就已经开始下跌

为了进一步分析这种情况，得追溯回问题的源头，从整个趋势的起点找原因。下跌趋势中每一个具体事件，可能都只是在骆驼背上加稻草。有意思的是，这种多因素叠加，会在某一刻爆发，真在问题爆发的时候，人们往往会怪罪突发的意外问题，比如天气，忽视了深层次问题。

比如酒楼本身经营不善，刚好碰上了下暴雨，刚好碰上了周一，刚好碰上了某个大客户取消酒席预定，刚好碰上了录上出车祸堵车，于是那一天业绩爆低。在这个时候，往往人们会本能的怪罪：都怪天下雨了，搞得客户取消，搞到散客很少，搞到路上堵车。看似一切都是意外，可真正经营不善的问题被掩盖了。做数据的同学们要特别留意这一点，这是我们做出“有深度的洞察”的关键一环，遇事追溯起源，不要跟着别人人云亦云。

形态四：事件中表现明显比别人差

如上图，看起来下雨对问题门店带来巨大影响，但找一个同类型里标杆门店，横向对比发现：

1. 平时你就比人家做的差

2. 同样下雨，人家跌的没你惨

3. 同样下雨，人家慢慢找到办法了，捞回一些业绩

4. 同样雨停，人家反弹比你快

这根本又是人祸呀！平时不会做经营，遇到问题不会找办法。像这种情况，下雨有没有影响，有！肯定有，但更大的影响因素是人的问题。有本事的人，同样是跌都跌不了那么惨，恢复的时候，只会恢复的更快。在这种情况下，你一定能从问题门店那里，听来各种绘声绘色的描述，讲述雨下的如何如大，街上行人如何如何少。这种故事听听就算了，作为专业数据分析师，给建议前一定要看数据！

注意，做这种对比，关键在“同类标杆”找的对比标杆越接近，就越有说服力，找到的应对方法就越有参考价值。比如酒楼，可以从门店面积，位置，日常流水，翻台率等数据找相似的店。如果所有店都有问题，那可能真的一线没啥办法，作为总部就得想政策支持。如果能找到标杆，就尽快总结经验，复制下去。很多做数据的同学觉得有价值的建议很难写，其实就是对业务一线了解太少了，多看看标杆做法会很有帮助。

03

关于疫情的分析思路

以上是针对天气的分析，其实外部影响因素有很多，可以分为六大部分（如下图所示）。在识别影响上，看指标的方式大致相对，差别主要存在于应对方法上。后续同学们有兴趣，可以一个个分解来讲。

之所以选天气举例，是因为直观上看，恶劣天气和疫情带来的影响类似：出门人少，物流中断，客人少，供应不足。但疫情的影响大得多。

• 政策上：强制出行、复工监管

• 用户：全社会性集体宅在家

• 供应链：集体歇菜30天

可以说，这是个超级无敌放大版的恶劣天气

因此我们看到，在疫情里，对天气本身就很敏感的行业，如酒店、旅游、酒楼、KTV、游乐场、小商品零售、线下教育被打击的尤其惨烈。我们在朋友圈都或多或少看到过这些小老板的哀嚎。对个人蒙受的灾祸，我们可以深表同情。但反过来查数据的话，你会发现其实这些门店的换手率本来就很高，大部分本来也就活不过3个月。（如果是步行街，可以问地产中介，如果是万达一类商业地产可以去招商中心，就说自己想租铺，问一下租金，位置换手率，很容易问到）。

这是很容易理解的，因为大部分人做生意，都是凭着“咦，他能挣钱，我也能挣”。看的是最终结果数据，不是发展过程。因此对于开始多少钱，经营要做到什么水平，遇到风险如何应对，需要多少资金周转，完全没什么概念。他们只知道如果做到眼前状态，一天能挣多少，花多少。但是对于如何从0走到这一步，完全不了解，起步翻车，也是很正常事。

这也是为什么举例子的时候，陈老师都是举一条发展趋势线的例子。只有知道从头到尾的走势，才能准确判断情况。即使遇到突发情况，即时数据更新也不可能面面俱到，有可能最直接用得上的，就是一条或几条趋势线。因此连好看趋势的功夫，是非常必要和有用的。

当然，疫情里也有水涨船高的行业。比如手机游戏，比如在线视频，比如在线音乐，比如短视频，据说好几家公司的DAU，ARPU都创新高，可谓是宅经济的受益者了。然而如果据此判断：现在进入行业就能赚钱，那就又犯了上边的错误。总之多结合具体业务，多把握业务本身的发展规律，多掌握处理一线问题方法，才能真正帮助我们度过难关。

限于篇幅，其他外部环境因素不再赘述，如何应对天灾也留着后续分享。有兴趣的同学，可以点击右下角“在看”。集齐60在看，下篇我们从《如何应对突发危机》和《如何识别竞争对手影响》里挑一个分享。

猜你想看：

基于数据分析给出运营建议，咋整？！

手摸手教学之：梳理数据指标体系

B2B行业，数据分析该怎么做？（基础篇）

用户细分，该怎么分才最见效果

扫描关注，更多超棒分析思路及职场经验分享

数据分析师如何分析外部因素对业务的具体影响，从菜鸟成长为分析高手，掌握独立做出优质项目的能力，点击下面“阅读原文”了解《数据分析师八大能力》视频课程。学习课程可加入学员群，接受陈老师本人一对一指导。