什么样的数据分析，才算「有高度」？

• A产品周销量100，库存还有400，还能用4周

• A产品补货周期为3周，可继续观察

• B产品周销量100，库存还有200，还能用2周

• B产品补货周期为2周，建议本周开始着手补货

点评：做数据分析工作和上学做作业的最大区别，就是“实际工作中没有标准考题，只有待解决的问题”。

因此并不是说业务部门甩一个数据，就只能看这一个数据的！并且，产品生命周期、自然周期、是否稳定销售，是不需要业务部门叨叨，数据分析师可以自己通过数据来发现的。所以想发现问题，没必要等着业务来教，完全可以自己主动出击。

从业务常识和数据表现两个角度，发现数据背后的规律。季节性商品：比如冬季保暖防寒、夏季降温解暑的产品，应季销量才好，并且如果今年冬天没这么冷/夏天没这么热，销量会打折，表现在数据上如下图所示：

生命周期性商品：比如电子产品、每季新款服装，上市后卖得价格最贵、销量最好，越往后越不值钱，等季节一换，新款一出，只能降价清仓。表现在数据上如下图所示：

稳定销售型商品：比如米、面、油、蛋，纸巾、洗发水、沐浴露，日常生活都需要，可能每周跟着整体销量（比如门店客流、网站流量）有波动，但大体上不会大起大落。表现在数据上如下图所示：

这些可以在平时日常数据中就发现规律，积累经验，不用等业务方叨叨才动手（很有可能，业务方自己清楚这些差异，所以自己动手算了数，也不会再问）。

需处理的2个小细节

细节一：如果不是经常补货的产品，而是新款产品，如何预测未来走势？最简单的做法是根据产品品牌、价格段，对产品定级别，根据过去同级别、同价格段的产品表现做参考（如下图）。

细节二：如果周期性销售产品，受到外部影响，比如下雨了，没生意，如何评估走势？最简单的做法是看影响因素的持续时间，根据过往影响，直接在未来持续时间内做调整（如下图）

当然还可以用更复杂的预测方法。有趣的是，这种预测会改变业务方的行为，因此不见得需要特别准地预测，比如二分类预测：2周内能销完/不能销完，就已经能促使业务方决定清不清货了。

这就又涉及到一个关键问题：精确度多少能接受。企业里数据分析工作和做作业的第二大区别，就是：“真实工作需要和各部门沟通，不是完了卷子等正确答案的”。

特别是在本案例的场景里：业务部门自己都稀里糊涂，没有明确目的！此时更不必强行追求计算结果的准确度，而是有了初步结论以后，就能开会沟通一轮，提示风险，了解内情。

除非遇到库存成本特别高且保质期很短的，比如生鲜中进口水果、海鲜，医疗用品中的冷柜存放的疫苗一类的特殊产品。

一般的产品都有一定周转空间，因此控库存的最终目标不是100%压点清仓，而是把库存控制在安全范围内即可。

所以与其自己纠结要死，不如看看目前市场部的库存压力是否能承受。那么，是否有更有高度的分析呢？

更有高度的分析

问一个简单的问题：市场部身为运转中枢，为啥销量、库存这么核心的数据还要跑来问呀！市场部的人跑上门问，这个动作本身就是大问题。

敏感度高的数据分析师，在跑数之前就应该感觉到不对劲了。事出反常必有妖，事前沟通很重要！具体情况可能有很多，但有个核心问题要首先解决：业务方到底是真不懂，还是假不懂！

不要笑！不要以为核心数据业务方就真的了如指掌。很有可能之前业务发展顺风顺水，所以大家都习惯拍脑袋了；也有可能之前吃了行业红利，真的是母猪飞上天。总之，如果是真不懂的话，就需要：