先分清哪些是数据说的，哪些是你说的

很多数据解读的毛病，不是算错了，而是把“数据事实”和“个人判断”搅在了一起。看一份销售分析，前面写“华东区域销售额环比下降”，这是数据说的；后面接一句“说明华东团队执行力出了问题”，这就是人说的。两者混在一段话里，读者很容易把后者也当成前者接受下来。江南在协助企业梳理分析报告时发现，凡是经得起追问的解读，几乎都把这两层分得很清楚。

做法并不复杂：每写一条结论，先问自己一句——这句话如果拿掉业务背景，光看数字还成立吗？成立的部分是证据，不成立的部分是推断。把证据放在前面，推断放在后面，并明确标注这是推断，读者自然知道该在哪里保留意见。

解读顺序：先看口径，再看变化，最后看原因

数据解读跑偏，往往是因为跳过了前两步直接奔原因去了。一个比较稳的顺序是：

  • 先确认口径。这个指标统计的是下单金额还是成交金额，含不含退货，统计周期是不是自然月。口径不清，后面所有解读都是空中楼阁。
  • 再看变化本身。变化幅度多大，是单点波动还是连续几期同向，和整体大盘比是同步还是背离。这一步只描述，不解释。
  • 最后才谈原因。原因要给出可验证的线索，比如分渠道拆开看、分客户类型拆开看，而不是凭印象下判断。

江南在分析技术栏目中反复强调这个顺序，是因为它能把“我觉得”压缩到最小空间。口径和变化是共有的，原因是可以讨论的，讨论才有意义。

表达结构：把结论写成可以被反驳的句子

好的数据解读，结论应该是可以被反驳的。比如“本月复购率下降主要来自新客首购后的二次转化走弱”，这句话可以被验证：拆新老客、拆二次转化率，对不上就能推翻。而“用户黏性不足”这种话，谁也没法反驳，也就没法指导行动。

具体写法上，可以遵循一个简单结构：现象加拆解加待验证的判断。现象用数字说话，拆解给出维度，判断标明是假设。江南服务过的客户里，有位做连锁零售的数据负责人林致远，他要求团队每条解读后面必须跟一句“如果这个判断成立，我们应该在哪个维度上看到什么”。这句话逼着人把结论落到可检验的地方，报告返工率明显下降。

数据解读不是把数字念一遍，也不是借数字讲一个好听的故事。把证据和判断分开摆，把顺序理清楚，把结论写成能被检验的句子，这三件事做到了，解读的可靠性就有了底。江南会继续在这个栏目里，把这类可操作的方法拆开讲透。