到这里，大家已经有一个数据分析的思维框架了。之所以是框架，因为还缺少具体的技巧，比如如何验证某一个维度是影响数据的关键，比如如何用机器学习提高业务，这些涉及到数据和统计学知识，以后再讲解。

　　这里我想强调，数据分析并不是一个结果，只是过程。还记得“如果你不能衡量它，那么你就不能有效增长它”这句话吗？数据分析的最终目的就是增长业务。如果数据分析需要绩效指标，一定不会是分析的对错，而是最终数据提升的结果。

　　数据分析是需要反馈的，当我分析出某项要素左右业务结果，那么就去验证它。告诉运营和产品人员，看看改进后的数据怎么样，一切以结果为准。如果结果并没有改善，那么就应该反思分析过程了。

　　这也是数据分析的要素，结果作导向。分析若只是当一份报告呈现上去，后续没有任何跟进、改进的措施，那么数据分析等与零。

　　业务指导数据，数据驱动业务。这才是不二法门。

　　——————

　　解答上篇文章的思考题，可能大家等急了。

　　你是淘宝的数据分析师，现在需要你预估双十一的销量，你不能获得双十一当天和之前的所有数据。只能获得11月12日开始的数据，你应该如何预估？

　　因为是开放题，所以没有固定答案。

　　大家的回答分为两类：

　　一类是通过后续双十一的销量，判断16年，缺点是需要等一年，优点是简单到不像话。

　　二类是通过11月12日之后的销量数据，往前预估，期间会考虑一些权重。缺点是双十一属于波峰，预估难道大，优点是可操作性好。

　　因为题目主要看的是分析思维，目的是找出可能的思路，所以有没有其他的方法呢？

　　我们尝试把思维放开，因为销量能反应商品，有没有其他维度？我们可能会想到：退换货率、和商品评价率。因为双十一的商品只能在12日后退换货和收货后评价，我们就能根据这两个指标平日的平均比率，以及双十一商品的后续退换和评价总数，预估卖出总量。退换货率肯定会虚高一些（毕竟双十一退货不少），那么商品评价率更准确。

　　还有其他方法么？当然有，比如会有不少人用蚂蚁花呗支付双十一，那么后续还款的比率能不能预估？

　　如果再将思路放开呢？虽然我不知道淘宝当天的数据，但是可以寻求外部数据，比如京东，京东的双十一销量是多少，是平时的多少倍，那么就用这个倍数去预估淘宝的。

　　整体的分析结构就分为：

　　外部数据：

京东等其他平台双十一销量

　　内部数据：

商品数据：商品评价率、退换货率、商品销量

支付数据：蚂蚁花呗支付比率等