数据分析师如何预测2020年业绩指标？

接到老板的预测任务该怎么做？直接扔模型？不，你应该考虑业务问题，分情况进行分析。

临近年底，企业都要做2020年预算，这个任务往往和数据预测业绩指标有关，于是很多同学留言想看：2020指标预测该怎么做？今天它来了。

一、指标预测的错误做法

在来年的指标预测上，一直以来有两种观点：

投降论：我说了又没用！问老板！您老说是几就是几。

速胜论：我有人工智能阿尔法大狗子模型，一模一个准。

两种做法都有问题。

投降论往往会引起老板不满：“你是做数据的，我都说了要你干什么！！！”

而速胜论开头死于数据太少，手头翻来覆去也就GMV、PV、UV、转化率、客单价几个数，预测模型没准头。

结尾死于业务口水：“你考虑业务情况了吗？你一天业务都没做过瞎哔哔啥！！”

本质上，投降论和速胜论是两个极端。一个极端自暴自弃，完全没有发挥数据该有的作用；一个极端自高自大，自以为有一堆代码就天下无敌，忽视了业务的参与。

想要解决好这个问题，既要懂得预测方法，又要懂得如何做年度预测这个工作，双管齐下才能解决问题。

二、指标预测的基本方法

预测常用的方法有三种：业务推演法（拍脑袋法）、时间序列法、因果关系模型。

三种方法的操作流程、适用范围不太一样。因为本篇不是专门讨论算法的，所以先归纳如下，有兴趣的话我们单独分享。

注意：一提预测，往往大家都本能联想到算法模型。可算法模型有个天生的短板：业务参与太少。

业务参与太少，结果就很难被认可。本质上，业绩不是算出来的，而是产品、销售、运营、供应链努力做出来的，谁掉链子都会让业绩出重大问题。

所以，单纯指望一个模型搞定，往往会被业务用各种细节问题打趴下。想破局，就得首先理解：业务做年度预测的目的是什么，这样才能看如何让他们参与进来。

三、结合目标做预测

年度预测，与其说是预测真实值，倒不如说是帮老板圆梦。老板们往往倾向于给出“我想达到”的业绩值，而不是“可能达到”的业绩值。

这也就是为啥老板们一边让数据去做预测，一边自己默默在心中拍一个数字的原因。一方面，他有自己想达到的目的；另一方面，他也想知道自然状态能去到多少。

所以，遇到预测问题，第一时间不要急着搞模型，也不要“老板想什么就是什么”。而是先搞清一个关键问题：老板是否已经有了明确目标，无目标和有目标，有两种完全不同的处理方式。

四、无目标下的预测

比如老板说：预测一下明年的业绩指标，然后没有任何指示。或者干脆说一句：你先预测预测看看。

这就是典型的无目标预测，很有可能是老板自己还没想法，想先看几个数据找找感觉。这时候数据分析师自由发挥的空间很大，但要注意几个原则：

原则一：预粗不预细

当我们用杜邦分析法拆解的时候，可以把一个核心指标拆解成一堆二级三级指标（如下图所示）。

原则上，要预测的指标越少越好，越宏观越好，最好是只预测GMV、销售额这种一级宏观指标。拆得越细，越折腾人，而且汇总起来误差非常大（还不如直接拍脑袋呢）。

原则二：尽量上模型

因为预粗不预细，所以尽量用模型解决战斗。如果不用模型，而是用推演法，就会涉及大量业务假设，反而把预测拖进无穷无尽的细节，最后因为某些细节业务上无法达成一致，吵架吵到预测流产。

所以，尽量一个模型搞定。当别人问“预测数据怎么来的时候”，就回答“假设条件不变情况下，基于过往趋势预测”。

原则三：结果带条件

回答中“假设条件不变情况下”这句话特别重要，一定要讲。因为所有的模型，都是基于“过去的规律未来会重现”的基本逻辑进行预测的。

如果业务看了预测，“哦，原来能做这么多呀”就放松了工作，那什么业绩都没有了！我们至少要假设：业务不掉链子。

相应的，千万不要说什么：“这是人工智能预测结果”。一般这么说的，都会被业务喷得一脸“人工智能能卖多少货！”。

基于以上原则，一般预测总量用时间序列法比较多。

一来，它需要的数据非常少，只要1个指标就够了（当然需要这个指标较长时间的记录）；二来，常见的业绩走势，比如生命周期型走势，自然周期型走势，它都能模拟形态；三来，短期内业务很难巨变，所以模拟趋势往往是离当前时间越近就越准。