数据取数到商业决策：深度解析数据分析与商业分析的差异

前言

自2015年正式工作以来，时间已匆匆过去10年。在过去的10年中，有6年互联网行业数据分析的经验，以及4年乙方咨询的经历，主要服务于下线传统行业（如网鱼网咖、美妆、汽车等）。工作内容中有来自业务的数据分析需求，也有专项的商业分析需求，基于这两方面的工作内容，谈谈我对数据分析和商业分析的理解。

数据分析

数据分析的第一步，是拿到原材料（取数据）。记得刚开始工作那会，老板（师父）首先让自己先熟悉数据库里面常用的数据表（如流量数据、交易数据、资产数据等）、表字段的含义、及常用的取数口径（如某类支付方式、某类人群、各类转化率等）。这些准备工作是否充分，意味着之后的取数过程是否顺利，是否高效。取数需掌握的技能基本上都是数据库语言SQL，不管他是SQL Server、MySQL、Hive还是ODPS，语法逻辑并无太大差异。

第二步是满足业务或老板的数据需求。这个需求可能是数据现状的描述（如用户的年龄分布、各渠道用户的留存、不同分层下的交易增速等），可能是各种维度之间的对比（如业务的AB测试需要验证效果情况、不同人群补贴差异的表现、用户偏好的差异等），也可能是对未来的预期（如接下来半年交易将达到什么规模、用户的频次会提升多少等）。这一步有一个非常关键的节点，一个是沟通。

沟通：主要是为了明确需求的用途或目标，例如业务方需要用户偏好的差异数据。作为合格的分析师，肯定不能基于字面意思一通操作，然后交付，最后业务又抛来更多的数据需求。为了避免拉锯的局面，就需要好好的跟需求方沟通。了解数据需求的背景或动机（如针对用户的偏好做差异化的营销），判断需求的合理性（加大用户A类偏好的营销，而降低B类偏好的营销，这样的营销方案是否会降低A偏好捆绑B偏好的组合交易或用户多偏好的交易述求，如果影响，其他补救策略是什么），明确核心输出/输入指标（输出指标是结果指标（如交易量），输入指标是过程指标（如广告投放、营销补贴、活动策略等）。

第三步是数据结果的交付。以什么形式将数据呈现给业务需求方，这个主要取决于需求是临时性的还是长期性的。如果是临时性的需求（如对比各终端的用户比例趋势变化），可以将数据结果以Excel或PPT的形式呈现（如数据表格、数据可视化），方便演示和说明；如果是长期性的需求（如不同用户偏好的差异化营销，需要长期监控业务动作背后的数据变化），就需要从长远的视角看核心输出/输入指标，并以产品化的方式呈现数据，方便业务自行查数，实现截面数据或趋势数据之间的对比。

商业分析

商业分析的第一步，是深入思考或脑暴。商业分析通常是针对某个具体的业务问题或痛点展开的专项研究，例如近4周的用户留存率逐步下降，该采取哪些手段阻止留存下降的趋势。针对这个问题，就得深入思考用户留存下降的原因有哪些？这个思考过程可以是个人也可以是集体脑暴。

第二步是假设验证，思考或脑暴的过程，往往是提出问题出现（如留存率下降）的可能因素，即哪些假设是导致问题的原因，然后基于这些假设使用数据进行校验。这里以留存率下降为例，提出一些假设供读者参考：

第三步是给出原因之后的建议，这也是商业分析师最具价值的地方，不仅能发现问题，找到原因，还能给出解决方案，并引导业务付诸行动。例如新客过量的涌入导致整体留存的下滑，建议给出新客更多的玩法，如购后返红包、打卡签到得红包等方式黏住用户，引导下单。例如供给或物流等原因导致留存下降，对于供给不足问题需给到前线商机清单，增加供给的丰富度；对于物流体验不佳问题需借助红包安抚用户，同时加强配送管理改善物流体验。例如价格竞争优势不足的情况，可以考虑爆品的方式进行突围（如毛利高需求旺的商品，例如某爆款图书，某爆款饮品，某爆款白酒等）。

第四步是产出商业分析报告，一份高质量的商业分析报告需要兼顾严谨的逻辑、有力的数据和可落地的建议，这样可以帮助决策者快速理解并达成共识。接下来就介绍一下分析报告的几个核心部件

总结对比

最后，针对上面内容的描述做一个简单的对比，方便读者了解数据分析和商业分析的差异，以及各自的侧重点

欢迎关注