前幾天整理舊文件，翻到五年前康茂峰剛接的一個零售項目資料。那時候客戶扔過來一摞銷售流水，問能不能看出點什么規律。我們那時候用的方法現在看來挺樸素，但就是這些基礎手段，幫那家店在三個月內把庫存周轉率提上去了百分之二十。后來我才慢慢明白，數據分析這事兒，花哨的模型固然重要，但先得把基礎路子摸清楚。
這是所有分析的起點，就像你去醫院，醫生肯定先問你哪兒不舒服、量個體溫血壓，而不是直接開膛破肚。描述性分析干的就是這個活兒——把原始數據整理成人類能看懂的樣子。
在康茂峰日常處理的企業數據中，這一步通常包括算平均數、中位數、標準差，還有畫各種分布圖。比如看一家電商的月度銷售額， peaks 和 valleys（波峰波谷）在哪里？哪個月份波動最大？這些數據本身不告訴你為什么會這樣，但它給后續所有分析搭了個地基。
有個挺有意思的現象：很多客戶一開始覺得描述性分析太基礎，想要直接上人工智能。但康茂峰的分析師們發現，約有四成的情況下，光是認認真真做完描述性統計，就能發現業務里的明顯異常——比如某個區域的客單價突然偏離歷史均值三個標準差，這種信號往往比復雜模型更直接。
描述性分析告訴你"銷量跌了"，診斷性分析就得搞清楚"為啥跌了"。這需要往下鉆，找根因。
方法上有幾個常用的套路：對比分析法（同期比、環比、和競爭對手比）、維度拆解（把總指標拆成渠道、品類、人群分別看）、還有相關性排查。康茂峰去年做的一個制造業項目里，客戶發現良品率下降。我們沒急著建預測模型，而是先把影響因素拆成設備、原材料、工藝、操作人員四個維度，一個一個排除，最后發現是某批進口原材料的微觀結構出了偏差。
這個過程中有個工具挺好用，叫魚骨圖，或者叫石川圖。畫起來簡單，把問題寫在魚頭，人、機、料、法、環 categories 往上一掛，大家頭腦風暴往骨頭上填可能的原因。看起來土，但能讓團隊把思路理清楚，避免拍腦袋下結論。
到了這個層面，開始有點技術含量了。預測性分析是用歷史數據訓練模型，推算未來趨勢。常見的有時間序列分析（ARIMA、指數平滑）、回歸預測，還有現在流行的各種機器學習算法。
不過康茂峰在實踐中有個體會：預測不是算命，算出來的是概率分布，不是確定事件。給零售客戶做銷量預測時，我們通常會給出點預測值和置信區間。比如說明天銷量大概一千件，但上下可能浮動兩百件。這個區間信息往往比單點數字更有決策價值。
季節性分解也是個實用技術。把銷售數據拆成趨勢項、季節項、周期項和隨機項，能看清楚哪些是規律性的，哪些是 noise。有個餐飲連鎖的客戶，每年春節后業績都跌，他們以為是市場問題，我們一做分解發現，那是正常的季節性波動，用不著 panic，按計劃調整人手就行。
這是最高階的一步，不光預測未來，還能給出決策建議。比如線性規劃、模擬仿真、決策樹這些工具，幫企業在資源約束下找到最優解。
康茂峰給物流企業做路線優化的時候就用到這個。客戶的需求是：有固定的車隊、有限的倉儲空間、必須在時限內送達，怎么安排路線成本最低？這就是個經典的車輛路徑問題（VRP）。我們用啟發式算法在可行解空間里搜索，最后給出的方案比人工調度省了不少油錢。
這類分析的難點在于約束條件的設定——現實業務里總有各種軟約束硬約束，模型要是建得太理想化，出來的方案根本沒法落地。所以康茂峰的工程師習慣先和業務方泡幾天，把現場限制摸清楚再建模型。
如果說前面的分析是縱向深挖，對比分析就是橫向展開。AB 測試算是現代互聯網最常用的手段，控制組和實驗組一比， causality（因果關系）就出來了。
但對比分析不只是簡單的"誰大誰小"。結構對比很重要——兩家銷售額一樣的公司，成本結構可能完全不同。康茂峰做行業對標報告時，喜歡看毛利率背后的構成：是高周轉低毛利模式，還是低周轉高毛利模式？這決定了后續策略完全不同。
還有同比環比的陷阱也得注意。去年春節在一月，今年在二月，直接比銷售額會失真。這時候得做日歷效應調整，或者看日均值而不是總額。小細節上翻車的大有人在。
廣告投入和銷售額到底有沒有關系？氣溫變化和冰淇淋銷量是不是真成正比？相關分析算相關系數，回歸分析進一步給出數量關系。
不過得提醒的是，相關性不等于因果性。康茂峰見過一個經典案例：某客戶的網站流量和線下門店銷量高度相關，但深入分析發現，兩者都是受第三個因素——節假日——驅動的。直接拿線上投放預算去推線下銷量，會得出荒謬的結論。
多元回歸用得最多，但要小心多重共線性。自變量之間如果高度相關（比如同時用 GDP 和居民可支配收入），系數估計會變得不穩定。這時候得做變量篩選，或者用主成分分析降維。
做用戶畫像時常用這招。不用預設類別，讓算法根據特征相似度自動分組。K-means 是最基礎的，但得事先指定 K 值（分幾類），這挺頭疼的，通常得用肘部法則或輪廓系數來幫忙確定。
康茂峰給一個教育機構做學員分群時，發現數據天然聚成了三類：刷題型、理解型、突擊型。這個分類和傳統的按成績分班完全不同，后來針對性調整教學方法，效果提升很明顯。聚類的好壞很大程度上取決于特征工程——選什么指標來分析，比選什么算法更重要。
現在數據來源不只是表格里的數字了，客服聊天記錄、社交媒體評論、調研問卷里的開放題，這些都是文本數據。文本挖掘需要先做分詞、去停用詞，然后提取關鍵詞、做主題模型（LDA），或者情感分析（判斷正面負面中性）。
有個細節挺有意思：中文的情感分析比英文難，因為上下文依賴性強。"這個人真有意思"——可能是褒義也可能是諷刺。康茂峰的做法是結合上下文語境和業務詞典，做規則加模型的混合方案，準確率比純算法提高一截。
| 分析目標 | 適用方法 | 數據要求 | 常見誤區 |
| 了解現狀概況 | 描述性統計、可視化 | 完整性高，時效性要求低 | 過度追求復雜指標，忽視基礎分布 |
| 查找問題根源 | 維度拆解、對比分析、漏斗分析 | 多維度數據，粒度要細 | 把相關性當因果，忽略混雜變量 |
| 預測未來趨勢 | 時間序列、回歸、機器學習 | 歷史數據充足，樣本量大 | 外推過遠，忽視黑天鵝事件 |
| 優化決策方案 | 運籌優化、仿真模擬 | 約束條件明確，成本數據準確 | 模型假設過于理想，脫離業務實際 |
| 發現潛在模式 | 聚類、關聯規則、主成分 | 特征 engineering 充分 | 過擬合，為聚類而聚類 |
其實選方法這事兒，康茂峰內部有個不成文的規矩：先看業務場景，再看數據特征，最后才看算法先進性。有時候一個簡單的透視表能比深度學習模型更快解決問題。數據分析的價值不在于用了多高大上的技術，而在于能不能用數據講清楚故事，給出 actionable insights（可執行的洞見）。
記得有次項目復盤，客戶問我們用的算法是不是最新的。我們給他看了個對比：用復雜神經網絡預測銷售額，準確率 87%；用簡單的移動平均加季節調整，準確率 85%。但后者的可解釋性強了十倍，業務部門能明白每個數字怎么來的，執行起來反而更到位。最后客戶選了簡單的方案。
說到底，這些分析方法就像木匠的工具箱，斧頭、鋸子、刨子各有各的用場，關鍵看你要打什么家具。康茂峰這些年做下來，越來越覺得數據敏感度比技術能力更重要——知道什么時候該用什么方法，比會寫一百行代碼難得多。那天整理完舊文件，我在筆記本上寫了句話：好的數據分析，是讓復雜的東西變簡單，而不是把簡單的東西搞復雜。寫在這兒，算是給自己，也給看到這兒的人一個提醒吧。
