数匠访谈 年薪50W+的商业分析师是怎样练成的？来听这份独家分享！

　　原标题：数匠访谈 年薪50W+的商业分析师是怎样练成的？来听这份独家分享！

　　10年+数据分析及数据运营工作经验，先后任职埃森哲、1号店、阿里巴巴等公司，主要从事经营分析，精准营销、数据挖掘、数据化运营等相关工作。涉及电信、保险、零售、生活服务多个行业。

　　我毕业后先去了一家咨询公司，做的是电信及保险行业里面相关精准营销的项目，在咨询项目里面负责数据分析和数据建模的工作，在咨询公司干三年之后就去了互联网公司。

　　当时互联网公司的数据量比较大，且贴近业务，让我更深入理解数据在业务中的价值。我选择的是一家电商类的公司，主要做C端用户分析，这样能跟我前面的咨询公司的精准营销经验连起来。最开始我主要做用户的经营分析及留存分析，发现业务经常需要描述用户特征来探索用户运营策略及基于标签去筛选人群做营销的痛点。因此想到基于平时的分析经验，帮助公司沉淀了一套用户画像标签库，并基于这个用户画像库开发一个应用到的CRM精准营销的数据产品。功能包含用户画像圈选的分析，也可以做用户画像圈选投放，包括push、优惠券，短信。

　　后来又去了O2O 本地生活领域的公司，最主要是做零售方面的分析，从0到1搭建了一个业务的商业分析部，对人的要求更高，设计指标体系及分析框架搭建，周月经营分析诊断业务，帮助业务重点项目落地拿结果，以及团队搭建及培训，来到分析师最高层级的要求。

　　对这些商业模式的关键因素要有理解。第一层是对专业性的更高要求，通过数据分析看清楚业务，第二层对商业模式的一个理解，通过数据分析帮助业务拿结果，第三层是带领团队从各个解读帮助业务拿到结果。这不同阶段也对这三个层面都有不同的要求。

　　①都是通过数据一定的框架去分析问题，并通过图、表的形式展示出来，推导最后的结论，可以是趋势分析、维度拆解、漏斗分析等，最后给出一个分析结论。

　　①商业分析更懂商业，需要结合业务给出分析结论；数据分析一般主要从数据涨跌及异常给出结论，发现问题；而商业分析要结合业务的策略动作，季节性变化，外部竞争环境及经济趋势和数据判断数据的异动是否正常，如果异常判断是哪个内部原因导致，最后要给出改进建议。

　　②商业分析的结论不一定完全用到数据，商业分析可以基于企业专家访谈、调研、外部行业报告等非数据的材料，再结合常用的咨询方法论如金字塔原理、SWOT、波士顿矩阵等管理咨询方法论给出结论，分析的广度和维度更多。

　　③商业分析不仅仅只是分析给出建议，还需要帮助业务把改进策略落地，助力业务获得增长。这里需要分析师充当产品经理，PMO、运营的角色，商业分析要在策略落地的过程中，不断修正以前的方法论，同时结合内外部数据敢于做预判，才能帮助业务拿结果，真正助力业务。

　　企业做精准营销的目标有两个。首先企业的资源永远是有限的，应该高效配置资源。其次现在全社会注重个人信息保护，营销时需要注意个人信息保护，因此根据用户的需求准确触达用户变的尤为重要。

　　我觉得精准营销的核心是营销，而不是精准。因为精准性可以通过各类数据收集及好的方法实现，而营销重要的是根据人群需求匹配合适的营销策略+精准的触达渠道。准确定位用户需求不难，难得是在准确的时间和空间精准满足用户的需求。

　　做好精准营销的第一步是通过精准模型准确定位用户画像，确定好用户需求，这个只要掌握足够的数据和机器学习方法不难实现，第二步是建立用户画像和营销策略，触达渠道的一一匹配关系。如果没有匹配关系不充分，这里还需要返回去把用户画像进行调整，找到最匹配营销策略和用户画像。第三步是要有建立好的评估机制及AB测试流程，前面2步只是把竞争营销理论侧面搭建清楚，后续还需要通过AB测试验证理论，并根据结果不断迭代前面用户画像及策略匹配关系。最后一步是把前面这一套方法论系统化自动化，形成一个闭环的迭代系统，提效企业的竞争营销效率。

　　4、如何进行业务指标体系的搭建？业务指标体系的搭建的关键点有哪些？老师可以分享一下吗？

　　首先要对业务的商业模式有理解，比如电商业务我们就要用人、货、场，外卖业务就用商家、用户、物流三要素，酒旅业务用PACEN。就是首先把你对接的业务的核心业务要素抽象出来。

　　比如电商业务从人、货、场三个方向搭建指标体系。首先确定评判业务好坏的核心结果指标（即输出指标），如电商业务是GMV。其次就是拆解影响结果指标的核心过程指标（即输入指标）。这里可以用上面的三个视角来拆，我们先用人的视角，即搞清影响交易结果GMV的跟人相关的过程指标，这里可以用A*B*C的模式拆解就是GMV=流量*转化率*客单价 ，也可以用A+B+C模式拆解GMV=新客数*客单价+老客数*客单价。后面还可以找跟货、跟场相关的过程指标。最后确定每个指标的口径定义，让各个业务方在同一个定义下表述指标。

　　经营分析的价值相当于形成一个周期的分析模式，就比如日周月的经营分析，形成一定的周期性去观察业务的涨跌情况是否符合预期。一般有以下个四个方向的分析：第一，通过指标体系快速定位结果指标涨跌是那个过程指标的问题，第二，和业务方沟通确认过程指标是否是业务相关动作造成的正常涨跌，如果不是正常涨跌开一个专题分析，挖掘这里面异常的原因。第三，结合外部行业的数据，查看目前这个业务与行业的增长趋势是否一致，如果发现行业有增长较快的公司，及时了解竞对信息，研判是否是新的增长计划。第四，需要预估一下核心结果指标未来的涨跌趋势如何，未来是否有异常，提前给予业务警示，提前准备措施避免问题爆发。

　　其次，了解行业动态，确定竞争态势是否落后，并研判是否有新的机会或者威胁。

　　数据的价值一方面是企业记录业务的经营状况，记录企业经营流程的每一步环节的数据，相当把企业的运转数字化了，另一方面这里的数据不仅仅是数字，还包括图像、文本、语音都可以被数字化。

　　数据对企业的价值一方面是对内的价值，可以监控企业的经营现状，诊断问题，即总结过去，发现问题，还可以对未来做出一些预判；同时可以基于数据进行挖掘及应用，改进现在的经营流程，使得企业经营更加精益，如精准营销，自动化定价，预测销量来预估库存。另一方面是对外的价值就是数据变现，基于企业内部的数据，你可以总结出一套方法论，这个经验推广到其他公司使用，同时你也可以收集行业数据，判断行业趋势。例如评分卡模型，你这里有很多数据，可以帮助其他公司判断用户信用是否好。

　　因此数据应用至关重要，他可以让数据存储起来，并在企业内部流转，一方面帮助企业的精细化运营，又可以帮助公司数据变现，合理利用数据赋能外部公司。

　　数据化运营指通过数据分析及数据挖掘指导业务运营决策，驱动业务增长。当一个企业数据较多，且数据存储、研发系统较为完善，公司的经营渡过了初期的野蛮生长期进入稳定的平台增长期，就可以通过数据化运营帮助企业高效决策及提效。

　　当企业管理层有数据驱动思维，同时数据分析及建模应用到企业的流量、用户、产品、内容运营中，数据底层完善，有专门团队进行维护，我认为就可以逐步开始把数据运营的方法论产品化和系统化，这样可以把数据化运营应用到更多的经验决策中。

　　②策略产品化后选择什么时机迭代策略，策略不是一成不变的，需要根据外界变化的数据进行迭代，才能始终保持最优。

　　③选择合适人来搭建一个合适团队也非常重要，或者能力协调到技术团队的开发资源把分析师的理论产品化。

　　④有时候数据会失效，这个时候需要企业管理人员根据经验做预判来帮助企业制定合适的策略。

　　③会一些财务及经济学知识，看懂公司财务报表，了解竞争对手，也可以从企业经营者的角度思考问题。

　　④了解一些常用商业分析方法论，如 SWOT，RFM，波士顿矩阵、金字塔原理等常用方法论提升自己做战略分析的能力。

　　2、深入理解业务。了解数据代表的业务逻辑及业务相关策略的落地如何导致核心数据指标的变化的过程。任何数据的变化都是业务经营状况的反映。只有理解业务并结合业务才能让你的分析结论更接地气，才能帮助业务决策。

　　3、提升沟通能力。分析师有30%的工作是沟通，提升沟通既能帮助你和业务快速建立连接，了解业务现状，帮助你理解数据和业务的联系；也能帮助你发现业务的重点，帮助你的分析结论更容易让业务接受。最后还能及时收到反馈，迭代现在分析的忽略的因素，产生准确的分析结论。

　　4、提升协调资源的能力，数据分析最难的一层是把数据化运营的方法论产品化，这个需要分析师有强的协调能力，这里分析师角色变成了提需求者类似产品经理或者PM，这里就需要分析理清楚自己分析的价值及详细的需求说明，给不懂分析的人讲清楚。

　　5、以客户为中心，分析师的客户是业务，不能以专家自居，写出分析报告自己认为方法高深逻辑合理就好，其实应该帮助业务决策，帮助业务拿到业务增长才是好的分析产出。分析结论沟通中也要业务为中心，通俗易懂讲清楚结论最重要。才能成为最接地气的分析师。

　　最后，分析师的这些能力不是一蹴而就的，大家要在不断的实战中练兵，虽然不是每次都能成功，但是要在意每一次分析报告的成败，进行及时总结，才能不断进步。最后现在各个公司对分析师的要求不断提升，分析师的边界不断被打破，分析师需要具备运营、财务、PMO、产品经理的职责，大家要不断打破边界，主要能助力业务增长的事情，分析师都应该积极参与，才能获得更大的成长，同时拓宽自己的职业道路。

作者：admin

抖音快手 站点 QQ交谈