数据分析能力可以说是产品经理的必备技能，无论是在需求发起之前，用来评估需求的必要性，还是在需求上线之后，用来评估需求的提升效果，都需要有一套完整的数据分析方法论来加持。
本文将介绍一种数据分析中常用的一种方法，DOSS分析法，同时给出现实中的案例给予分析。
DOSS分别是四个步骤的首字母，缩写而来。
Detailed question（具体问题）
首先面对复杂的业务背景，必须要在琐碎的细节中，抽象出一个具体可感知的问题。确定了具体问题，其实也就确定了优化的目标，究竟我们的数据分析工作希望达到的效果是什么。
Overall influence（整体影响）
对于这个具体问题，放在全局中会有怎样的整体影响，需要在进行评估。问题点是在一条转化链路中的一环，还是多维影响因素中的一个。找到问题点在全局中的位置，也就明确了该问题点需要分析的方法，以及需要评价的指标体系。
Single answer（单一回答）
根据上步的指标体系，我们可以找到一张完整数据比对表格，用以分析问题点的具体影响因子，而在众多指标中，分析的最终目的是能够找到核心的一个或几个改进指标，用以解决问题点。
Scaled solution（规模化方案）
找到这个核心指标，要给出最终的解决方案，提升指标的方法需要可复制、能批量，这样最终解决问题点，提升整体目标。
这样干巴巴的描述可能是比较抽象，我来举一个例子。
前两天被老板丢来一个任务，搜索品牌广告位，这个广告位置一直不温不火，让我来把它做起来。（类似于淘宝首页的banner位）
第一步，具体问题。
什么叫“做起来”，首先就要抽象出一个具体的问题。是把曝光量提升起来，还是把成交量提升起来。当然都不是，对于广告业务来说，只有一个目标是最核心的，那就是收入！所有广告位的第一考核标准都是你在这个广告位上挣了多少钱。那我们首先得到了一个明确具体的问题，“如何提升搜索品牌广告位的收入？”
第二步，整体影响。
所谓整体影响，首先要有整体的概念，才能进一步评估影响。对“整体”的感知，需要你能够对业务足够理解，并能抽象出一个完整的指标体系，针对这个指标体系把问题套进去，找出影响因子。对于广告业务来说，主要分为流量侧（toC）和商家侧（toB）。流量的影响因素有消耗和用户体验，商家侧则会有活跃、定向、账户、KA等几个方面。
针对我们的具体问题，如何提升广告位的收入，主要考量的就是消耗这一方面的因素。所以接下来，我对该广告位的曝光量、CPM（曝光价值）、点击率、点击单价和转化率分别做了分析，拿该广告位的数据与大盘平均值进行对比。
第三步，单一回答。
经过对消耗各指标的对比，曝光中的问题最为显著。在特定的请求数下，广告的返回数十分有限。搜索品牌广告位的填充率（返回数/请求数）只有45%，而其他的广告位均可以达到98%左右。可见要提升收入，就要提升曝光；要提升曝光，就要提升填充率。那单一回答就十分明确了，提升填充率。
第四步，规模化方案。
找到了问题的关键指标后，这一步需要提出提升指标的方法，并能够规模化实施。提升填充率的本质就会提升物料的返回数，如何提升返回，一方面提升物料储备的数量，一方面优化召回广告的算法。对应的措施，1.让运营能够包时间段售卖品牌广告，直接填充满广告位，不存在请求无返回的问题；2.把定向召回的方式从用户的历史行为数据，优化到实时数据，提升用户感兴趣的商品与广告库中商品的重合度，从而提高返回率。
经过以上一整套DOSS的数据分析，我们从一个模糊的业务问题出发，剥茧抽丝，最终找到了明确具体的解决方案。下次再碰到业务问题，你也可以从你的兵器库中，拿出DOSS来分析解决了。
