数据分析方法怎么选？对比分析和归因拆解这2类先用对

数据分析方法没有高低，关键在分清你手上的问题是"要比"还是"要解释"。要比，用对比分析；要解释，用归因拆解。选错方法最典型的症状是：数越算越细，结论越来越自信，动作却一直没动。

2025年秋天，王姐准备再开几家店。运营给她拉了一叠报表，结论是"客流在跌，所以要加大投放"。我看完只问了一句：跌的是客流，还是客单价？她答不上来，因为两个数被画在了同一张图上，谁也看不出是谁拖的。那叠报表我翻了两页就放下了，每一页都在讲同一个总数，只是换了颜色。

先分清两类问题：要比，还是要解释

方法就这两类：一、对比分析，回答"谁比谁高、高了多少"；二、归因拆解，回答"这个变化是谁造成的"。剩下那些名字听着更高级的，多半是这两类的工具，不是并列的第三类。把它们当成三种方法并列着学，越学越乱。

分不清的表现很具体：想解释原因，却一直在做同比环比；想做对比，却拿两个口径不同的数硬减。前者算得再细也只是描述，后者算出来的差值根本不成立，还容易被当成结论拿去开会，开完就变成预算。举个最常见的：月度营收涨了一点，有人说是新品带的，其实那个月多了两个营业日，先把时间窗对齐，这句话就没了。

我给自己的判断标准是一句话：要写"因为"，就必须做归因；只写"比谁高"，对比就够了。写"因为"却只做了对比，是最常见的错，也最不容易被发现，因为图表看起来都很专业。

还有个更快的判断：看你手上的数能不能拆。只有一个总数，只能做对比；能拆成两三个因子，才谈得上归因。拆不动就别硬归因，那种归因叫猜，猜对了也没有下一次，猜错了要赔一个季度。

落到图上也不一样。对比用柱状、用折线，把两组数摆在一起让人看高低；归因用拆解，把一个总数拆成两三个因子，看谁贡献了多少。图画错了，会就白开了，因为大家盯着的不是同一个问题，还都觉得自己有道理。

图注：上图截自《2026年度连锁餐饮行业大数据分析报…》第3页，讲的正是「先分清两类问题：要比，还是要解释」这一块。

来源：2026年度连锁餐饮行业大数据分析报告-43页（第3页）

对比分析：口径不统一，比出来的都是假的

对比分析的第一件事不是算，是对口径。分子分母各是什么、时间窗多长、含不含退款、含不含加盟店，四项对不上，差多少都没意义。这四项我一般写在报表第一行，谁改谁签字。四项里最先被忽略的是"含不含退款"，因为它藏在最下面。我见过最离谱的一次，两个部门各算了一个存活率，会上差了一大截，吵了一小时才发现，一个含加盟店，一个不含。

那份连锁餐饮的报告里，门店存活率的算法写得很清楚：以每年 1 月活跃门店为基数，看 12 月还有多少仍活跃。这句话就是口径。没有这句话，"存活率 77.6%" 可以被解释成任何意思，包括"我们活得挺好"。

同一份报告里，2025 年门店存活率是 77.6%，2024 年是 77.3%，2023 年是 83.6%。三个数放一起看，结论不是"一年比一年差"，而是 2024 年砸过一个坑，2025 年只回到了 2024 年的水平。

这就是对比的价值：它不解释原因，但能告诉你哪一年是异常的。异常年找出来，归因才有对象。对着一堆平稳的数讲原因，讲的全是想象，而且越讲越顺，最后自己都信了。

对比还有个纪律：比同类，不比跨类。新店和老店比、商圈店和社区店比，都比得出东西；拿新店去跟全公司平均比，只能得出"新店还嫩"这种废话。废话听多了，人就懒得再看数。

同比也有坑。去年同月有促销、今年没有，同比就是假的；去年同月只有一家店、今年五家，同比也是假的。看同比之前先看两个日历对不对得上：大促、开业、装修、搬迁，任何一件都能把数掰弯。口径对了，数才有资格被比较。

时间窗也要对齐。拿 8 月的数与 4 月的数比，比的其实是季节，不是经营。报告里写得很明白：8 月是营收旺季，4 月是传统淡季，11 到 12 月还有年底分流。这三个月的数放一起，只能说明日历。两个日历对不上，先修日历再谈结论，否则整场讨论都在给季节找原因。

比法也有三种：跟自己比看趋势，跟同区域比看位置，跟行业比看天花板。三种比法用的数不一样，结论也不一样。混着比最危险，容易把"行业在退"说成"我们没做好"，把团队冤枉一遍。

归因拆解：把一个跌幅拆成两段

归因拆解我常用的切法是乘法：营业额 = 客流 × 客单价。营业额跌了，先看是哪一段跌的，再看这一段里还有没有别的变量。拆不动，往往说明你的指标设计有问题，不是数据不够。拆之前先把三个数摆在同一页上，谁掉了一眼能看出来。

报告里的数正好能演一遍。2025 年店均营业总额 631.1 万元，2024 年 645.8 万元，同比 -1.04%，跌幅不大。同期店均客流从 68111 人降到 67112 人，同比 -1.47%。

客流跌 1.47%，营业额只跌 1.04%，说明客单价在往上顶。报告里也写了，2025 年 10 到 12 月人均消费连续高于前两年同期。人少来了，但来的人花得更多。

这个拆法直接改变了动作。只看到"营业额跌 1%"，很容易去加大投放拉人；拆开之后你会发现，问题在人数，而客单价已经在兜底，该做的是把人留住，不是把人拉来。一个动作错，预算就白花半年。

图注：上图截自《2026年度连锁餐饮行业大数据分析报…》第4页，讲的正是「归因拆解：把一个跌幅拆成两段」这一块。

来源：2026年度连锁餐饮行业大数据分析报告-43页（第4页）

归因还有一条纪律：一次只改一个变量。同时换菜单、换价格、换活动，最后涨了也不知道是谁起的作用。我吃过这个亏，三个月白干，连复盘都复不出来，只能归功于"运气回来了"。改一个变量，也要给它足够的时间，三天看不出结果，三个月才勉强算数。

拆到第二层就够了，再往下性价比很低。客流还能拆成新客和老客，拆到这一层通常就能定动作；再拆到"周几来的""几点来的"，多数时候只是让自己更安心，动作并不会因此变。

新老客一拆，很多争论会自动消失。老客少了，是复购出了问题，得看产品和频次；新客少了，是获客出了问题，得看投放和门口。这两件事花的钱不一样，负责的人也不一样。拆之前先吵，拆之后各干各的，这就是归因的实际用处。

扩店前最该看的不是营业额，是存活率

扩店这件事，最容易被营业额骗。一家店营业额高，可能只是位置好、盘子大；能不能活过 12 个月，是另一回事。这两个问题用的数，根本不是同一套。

报告里那条存活率的曲线值得看细节：1 月是 100%，逐月往下掉，到 12 月剩下 77.6%。这条曲线的形状说明，关店集中在前半年，不是慢慢磨死的，而是开局没撑住。同一张图还能按店画：谁在前半年掉得陡，谁就该派人去扶。

前半年关店，通常不是"不好吃"，是现金流没接上。所以扩店前要算的不是"这家店能不能赚钱"，是"最差的那个月，账上的钱够不够撑"。这一个问题的答案，比三年预测都实在。我自己还会多算一个数：最差月的现金缺口除以单店投入，得出要撑几个月。

顺手说下，我这些模板大多来自运营动脉——一个专门攒运营资料的站，方案、PPT、行业报告都有，能直接下载改着用。

还有一组数能佐证旺季在变弱。8 月一直是营收高峰，但高峰在往下走：2023 年 60.8 万元，2024 年 60.1 万元，2025 年 58.9 万元。按三年前的高峰去算回本周期，一定算乐观。

客流也一样，8 月店均客流从 6684 人掉到 6482 人。营业额和客流同时往下，说明不是价格问题，是人真的少了。这两个数必须一起看，只看一个，很容易得出相反的结论。

存活率的年度对比还有个用法：把它当成扩店节奏的刹车。行业存活率连着两年在 77% 左右，就说明开十家关两三家是常态，你的扩张计划里得先留出这两三家的钱，再谈开几家。

图注：上图截自《2026年度连锁餐饮行业大数据分析报…》第2页，讲的正是「扩店前最该看的不是营业额，是存活率」这一块。

来源：2026年度连锁餐饮行业大数据分析报告-43页（第2页）

扩店的测算表我只放五行：单店投入、最差月流水、最差月固定成本、现金缺口、可支撑月数。五行填完，开不开就清楚了，比看十页行业报告快。填不出来的那两行，就是你还没弄明白的部分，先别签合同。

另外补一个角度，这类做法电商运营有更细的版本，值得一起读。

常用数据分析方法里，漏斗和同期群排在后面

常用数据分析方法不只两种，但漏斗模型和同期群，都得排在这两类后面用。它们解决的是"哪一步"和"谁跟谁比"，前提仍然是你知道自己到底在比什么、要解释什么。

漏斗适合回答"人是在哪一步走的"。它要求每一步的人数都能数出来：进店、点单、加购、付款。数不出来的时候硬套漏斗，只是在图上画几个凭感觉的数字，画完还挺有成就感。真要做，就先把每一步的取数口径定下来，谁取、从哪张表取、几天更新一次。

图注：上图截自《2026年银发消费的现状与趋势-基于…》第10页，讲的正是「常用数据分析方法里，漏斗和同期群排在后面」这一块。

来源：2026年银发消费的现状与趋势-基于银发消费专项调查的数据分析报告-中国老龄协会（第10页）

漏斗真正有用的地方是绝对人数，不是百分比。每一步掉多少人，乘上单客价值，就是这个环节每年损失的钱。这个数一出来，先修哪一段就不用吵了。百分比好看但没用，因为它不告诉你损失了多少。漏斗的价值在顺序，不在精度。

同期群适合回答"新店和老店是不是一回事"。按开业月份分组，看每组的第 1 个月到第 12 个月，两条曲线一比，就知道新店是天生弱，还是最近才弱。这一个动作，能省掉很多争论。分组界限也要写清楚：按开业月份分还是按首个完整月分，结果不一样，写清楚了别人才复现得了。

假设验证是另一个常被跳过的动作。先写一句能被推翻的话，再去找数，比"先拉一堆数看有什么发现"快得多。后者我试过，看了三天，什么也没看出来，因为心里没有靶子。假设还要带数，比如"老客频次从每月一次掉到两月一次"，这种才验得动。假设写不出来，说明你还没开始分析，只是在收集。

样本量的问题也在这里解决。分母太小的对比不要看百分比，看绝对数。三家店和三百家店的增长率放在一起比，是耍自己，而且这种错在汇报里出现得特别频繁，还特别有说服力。

顺着这个话头，这条线还有同一链条的下一篇可以接着读。

数据分析怎么做？先写结论，再回去找数

数据分析怎么做，我的顺序是先写结论再找数。具体是：先在纸上写一句"我认为 X 是因为 Y"，再去找能推翻这句话的数。找不到能推翻的，这句话才算站得住。

这个顺序有个好处：它逼你提前想清楚"什么数能证伪"。想不出来，说明这句话本来就不是可验证的判断，只是感觉。感觉可以写进周报，不能写进方案。

图注：上图截自《2026年度连锁餐饮行业大数据分析报…》第5页，讲的正是「数据分析怎么做？先写结论，再回去找数」这一块。

来源：2026年度连锁餐饮行业大数据分析报告-43页（第5页）

依据《2026年度连锁餐饮行业大数据分析报告》，行业层面的判断也是这么来的：2025 年"营收分化加剧""旺季增长动力减弱"，都是先有一个判断，再拿三年数据去对。你信不信这个判断，取决于你认不认它的口径。

报告里那组人均消费的数据也能说明这点：三年都稳在 90 到 102 元之间，波动小于 5%。这种平稳的数，不值得写一页分析，写一句"客单价稳定，问题不在价格"就够了。

可视化只服务一件事：让人一眼看到差。同一张图上放两组口径不同的数，是故意的误导，哪怕你自己没意识到。图是给人下判断用的，不是给人欣赏用的。一张图里我最多放三条线、两种颜色，多了没人分得清，也没人愿意问。

结论要写成能被执行的样子。我的格式是：一句话 + 一个动作 + 一个观察点。比如"客流在掉、客单价在顶，先把老客的到店频次拉起来，看下个月 8 号的客流"。观察点必须带日期，不然没人回头看，下个月照样从头吵。格式固定下来，团队写周报会快很多，也更难糊弄。

反例是"整体承压、需持续优化"。这种话谁都能写，写完谁也不知道明天干什么。判断标准很简单：这句话能不能直接派给一个人去做，派不出去就重写，重写到能派为止。能派活的结论，才是结论；派不出去的，都是气氛。

报告里的结论也要挑着看。那份报告讲的是行业，不是你的店。落到自己身上，还得用自己的数验一遍，行业结论只能当参照，不能当结论，更不能当预算理由。口径不同，结论可以完全相反，这不是数据骗人，是人没说清。

一页纸的结论我给老板看的时候只留三块：结论一句、支撑两个数、下一步一个动作。他要追问，我再翻附录。能把结论压缩到一页，说明你真的想清楚了；压不下去，通常是还没想清楚。

数据分析方法选对，结论才有分量；选错，越算越自信，动作越走越偏。方法不是越高深越好，是越贴问题越好。这一点我踩过太多次，才慢慢信。方法换不来判断，只能让判断有据可依。

你可以拿手上最近一个结论试一遍：把它拆成"比"和"因为"两句，看哪一句你其实没有数支撑。那一句，就是下一步该补的。补完再开会，会短一半，也没人再问"这个数哪来的"。两句都站得住，那就别改方法了，改执行。