运营分析里最容易被问倒的三个问题

做完一份月度分析，最怕的不是数据算错，是会上被问住。

算错可以改，被问住了是当场失语。而真正能把你问住的，来来回回就那三个问题。

第一个：为什么涨？

这个问题看起来最好答，其实最容易答错，因为人天然会把自己做过的事当成原因。

上个月推了预约诊疗，这个月门诊量涨了，于是结论写「预约诊疗带来增长」。可这两件事可能只是同时发生。要验证，至少得排除另外三种可能：季节性（每年这个月都涨）、外部变化（同级机构停诊、政策调整）、统计口径（统计范围扩了、补录了）。

我的归因顺序是三步：

拆。把总量拆成量和结构。门诊量拆成号别（普通／专家／专病）和科室；收入拆成工作量 × 次均费用，次均费用再拆成项目结构和单价。

比。同期比、环比、同类科室比、同类机构比。四个比法至少做两个，只做一个容易被单一视角骗。

查。查政策文件、查人事变动、查流程变更的时间点。时间点对不上，因果就不成立。

还有一个自检问题很好用：如果这个月我们什么都没做，会不会也涨？如果答案是「会」，那增长的功劳就不该归给某个动作。

这个问题最能看出一个人是不是真的懂业务。因为方向不等于好坏。

平均住院日降了，听上去是效率提升。但也可能是把还没好的人提前送回家了。要判断，得同时看三个反向指标：再入院率、非计划再手术率、出院后短期内急诊就诊率。这三个不动，才是真的提效。

门诊量涨了，听上去是好事。但如果是同一个人一个月来四次，那不是需求增加，是诊疗没一次解决。所以要看人均就诊次数，而不只是总人次。

收入涨了，听上去更是好事。但要看结构：是服务性收入涨，还是耗材和检查涨；是价格调整带来的，还是工作量带来的。同样的增幅，含金量完全不同。

我自己有个习惯：任何一个指标变好，都要同时找两到三个「应该跟着变」的指标。如果它们没动，这个「好」就可疑。

这个问题最狠，因为它逼你承认预测的边界。

「预计下月增长 8%」这种话是危险的。它听起来精确，实际上把一整套假设藏了起来：基数正常、政策不变、人力不变、没有突发。

更稳的说法是把假设摆到台面上：

基数。去年同期有没有异常？有没有疫情、搬迁、停诊、集中体检这类一次性因素？基数不干净，同比例算出来的增长就是假的。

驱动。这个涨靠的是什么？靠新增人力、靠新项目、靠政策窗口，还是靠季节？靠人的部分，人一走就没了；靠季节的部分，季节一过就回落。

边界。这套逻辑在什么条件下失效？说清楚失效条件，比给一个点值有用得多。

我现在的做法是只给区间，不给点值，并且明确写「以上假设若不成立，区间失效」。听起来不够漂亮，但比被打脸强。

为什么涨、涨了是不是好事、能不能持续——说到底都在问同一件事：你这个数是怎么来的，能撑多久。

答得出来，报表才有用；答不出来，报表就只是一堆好看的颜色。我最怕的不是被问住，是有人看完一张图就做了决定，而那张图背后没有人问过这三个问题。

说明：本文只讨论分析方法与口径，不涉及任何具体机构与真实数值。文中所有指标均为通用示例。