数据分析一方面自己要会将数据制作成图形便于他人解读，另外一方面，我们自己也必须学会解读别人的图形，或者解读自己过去曾经制作的图形。每个数据图形背后都是数据，而不同水平和能力的人在同样图形上看到的东西可能会不同。 解读数据会有很多方法，我们这里给大家提示性介绍十个方法。 ①辅助线 ②找差异、找变化 ③找奇异点、特殊群体 ④找转折点、拐点 ⑤找特征 ⑥找问题 ⑦找源头Root Cause ⑧找关系 ⑨找驱动 ⑩找规律

1、辅助线——强化差异的辅助线让我们更加清楚认识事物的规律性、特征性 我们举一个例子。 上图是一家快速消费品公司的月度销售额曲线图，总共是2年半左右的数据。从图形上我们可以看到这家公司的月度销售额在不断地上升，呈现稳定增长的态势，多数月份都是小幅波动，只有部分月份波动幅度比较大一些。 如果仅仅停留在这个层级的解读上，我们可能还没有看到这个公司销售管理的问题。我们添加一下“辅助线”，将上面的图形用下面的方式来“辅助解读”一下。 添加辅助线之后，你会发现在每年的11-12月份销售额不增长或者呈下降趋势，而每年的1-2月份实现井喷式增长，而到了3月份有大幅度下滑。这个带有春节的特征，但作为快速消费品来讲，消费者年前大幅度购买存年货是一种可能。而在这种可能下，业务人员为了达成年度销售目标，在每年的12月份做好促销，从而让本年度的销售目标超额完成。为了追究原因，数据分析人员需要去查看市场，了解具体情况。 实际考察发现，这个公司每年的12月份，货架上的产品几乎空了，是销售团队“技术性断货”。是因为销售团队完成了当年的任务目标，担心今年完成的太多，明年的销售目标定太高，给自己带来完成目标的压力，所以技术性断货。而产品是非常受消费者欢迎的，当消费者发现自己喜欢的产品断货了，等到产品重新上架的时候，消费者会一下子购买很多，以免下次断货不好买到，所以造成1-2月份的销售额大幅度提升了。这种现象我们称作“压货”，压着货物惜售现象。 压货会造成公司营销费用的浪费和销售机会损失，会阻碍公司的发展速度，影响公司市场占有率的提升。同时，因为供货不及时会造成渠道和终端抢货，无形中形成过高的库存，甚至让公司对终端销量的预测失效，影响决策的准确性。 压货现象的存在是公司在销售目标制定上的不科学，武断地将去年的销售额作为基础，