什么是理解业务？

什么是 业务 ？

做数据分析，经常听到“业务”两个字：

• 数据分析师要懂“业务”
• “业务”部门的要求是什么

• “业务”方到底有什么期望
• 全面评估“业务”发展的情况 岗位职责

• 针对“业务”问题提出分析建议

所谓业务，就是企业经营的各种事情，如生产，销售，服务等。然而，结合企业实际情况，业务就会分三级呈现：

由于这么多复杂的细节存在，很多看起来相似的活动，背后的运行逻辑可能会有很大区别。比如“买一送一”，超市里牛奶买一箱送一箱，和星巴克刷信用卡买一杯送一杯是不一样的逻辑。

• • 超市：薄利多销；新品上市，占领市场。
  • 银行（星巴克受益相对较小）：带动高端用户办卡。每一个高端用户意味着一年530元收入。

什么是 理解业务 ？

业务能力等级

对数据分析师而言，做到“理解”就够了。

常见的误解：

• 极度推崇业务。一定要下场才会懂分析。“你都没做过，你分析啥？你才干了几年？我干了几年？”
• 极度鄙视业务。数据分析师不需要懂业务，只要懂算法，代码就好了。“销售、运营、管理、人生、宇宙无非就是那点事。”

为什么数据分析师不一定需要亲自下场？

因为本质上，业务部门有自己的独特能力，这些独特能力不一定是数据分析师所需要的，因此 做得好 不一定能 分析得好 。以销售业务需要的能力为例：

• 制定销售计划
• 不畏艰难地拜访客户

• FAB技巧

这些能力当中，最核心的是 不畏艰难地拜访客户 ，和数据分析无关。

为什么数据分析师不能不理解业务？

不懂业务，会变成浮于表面的玄学。自以为高明，实则不接地气。

宇宙万物一句话，周易心中含八卦。

阴阳结合明道理，虚实相配懂天下。

什么都能说得通，就看嘴巴大不大。

要是别人不理解，就是玄妙太伟大。

不理解业务的恶果

1. 入不了数据分析的门

“为啥我面试面不上呢？”

“你懂风控吗？”“不懂”“你知道社区类APP咋运营吗？”“不懂”“你知道线下销售队伍分析哪些指标吗”“不懂”那你去面试互金公司风控分析，某社区APP运营分析，XX集团X分公司业务分析肯定面不上啊！！！

“为啥到处都要懂数据挖掘啊”

“因为你的眼睛只看到数据挖掘四个字”

1. 无法发现真正的业务问题

粗浅地理解销售为 客户 订单 客单价

“销售额 = 客户量 * 购买率 * 客单价，本月购买率下降了，所以业绩不达标。”

数据分析师：日报显示昨天业绩没达标

销售部门：早知道了*1

数据分析师：周报显示昨天业绩没达标

销售部门：早知道了*2

数据分析师：月报显示昨天业绩没达标

销售部门：早知道了*3

数据分析师：月度分析表明不达标是因为客户少

销售部门：早知道了*4

业绩不达标在数据分析师那里只是个带负号的数字，而在销售那里意味着收入降低。

1. 无法给业务部门有用的建议

数据分析师：可以推出爆款产品吸引客户，你看XXX就卖的很好

销售部门：卖的好我当然知道啊，调货都调不到啊，库存不够你倒是想想办法啊

数据分析师：那客户数少，客单价提起来也行，你们可以推XX+XX组合

销售部门：但是人少对谁推啊！我们能促成一单已经很不容易了好吧！还推大单？用你的直筒子脑袋想想，单价上去了，成交率肯定会往下跌啊，还作分析的呢！

1. 数据分析师被当成跑数机器

因为没有专业性，对业务没有帮助，业务部门就只会丢具体的“我需要一个XX数”这类需求过来。

倒霉的是，这种活即使干完了，也是你应该干的。一旦干不完，还会被嫌弃：“你看都人工智能大数据时代了，我们的数据只会跑个数字，还跑不完！”

模型 救不了 不理解业务

算法主要用于路线规划，仓储管理，人脸识别，语义分析等工业级应用，而不是数据分析。

案例一：做不了模型

老板：“你看，我们的运动服，既能专业运动穿，也能休闲穿。能不能通过算法模型，分析出我们的服装适合哪些那些场景穿？”

分析师：“老板，除了POS单上的销售数据外，还有其他字段吗？比如有没有特定的分场景广告，会请顾客留言，会跟特定的渠道专柜合作销售？”

1. 没有其他数据，先采集数据。
2. 要理解数据来源，才能知道有哪些数据采集点。

案例二：短时间搞不定模型

老板：“我们是个互联网金融公司，需要人工智能客服，借助最新算法提升客服效率，给你50万年薪，你来做算法吧。”

客服有承担销售任务吗？

没有，纯咨客。

客服有多少人力？

很少，才100多人。

客服考核KPI是什么？

没KPI，省钱就行。

3个月后，老板：“我都给你50万了，你为啥3个月都搞不出来？你一个人就应该全干了啊！”

老板想用50万年薪，裁掉100个客服，省下500万工资。这显然是个大坑。

要理解他们的业务模式。

案例三：老板对模型不满意

老板：“你看，手机销量是可能受到很多因素影响的，比如季节因素、价格因素、市场需求、舆论热度，你们做个模型综合预测一下，以提高市场部备货准确度。”

市场部对预测结果意见很大，总是认为不准，导致老板因此炒掉建模人员。

解决办法：市场部可以提意见，但需要实名留下字据。

要理解他们的组织架构。

本质上，业务是在跟人打交道，模型不能解决人的问题。但是在工业应用领域，算法模型可以解决很多问题，因为这些问题跟人没有多大关系，有客观标准：

• 比如图像识别：识别人脸、物品，是/否
• 比如路线规划：路线畅通、时间最短、换乘最少

• 比如语义识别：型号、款式、数量
• 比如搜索算法，也是做在输入了搜索词以后的（纯机器动作）

必须 自己 去理解业务

数据分析师必须 自己 去理解业务，是因为：

1. 业务知识几乎没有企业会教，得自己学业务部门只招两类人：懂业务的老手，不懂业务的打杂的（应届生）。规范的企业会有SOP（ Standard Operating Procedure）。然而，不是每个地方都有SOP；正如名字，这是标准操作文档，不一定是实际操作文档；即使有，看文档也是个很头大的事。
2. 单纯从数据部门很难接触到业务通过数据只能了解部分业务（结果），大部分业务（流程）是潜在现有数据背后的。也正因为如此，有多个部门在做分析工作。市场部调查顾客对广告的接受情况；渠道管理监督成交现场；数据部门分析交易结果。

1. 讲到业务，业务部门关注点的和数据分析师不一样

1. 1. 业务部门往往会关注两大问题
2. 1. 本职工作中的问题
   2. 本职工作中的重点
3. 1. 直接问业务部门，估计能听到最多的抱怨，其次是鸡汤
   2. 完整的流程，他们已经习以为常，不一定能说的出来正如同一讲到销售，大家习惯性地讲段子、鸡汤，大谈心态、理念、激情，没几个认真讲FAB的

理解业务的目的

数据分析师理解业务，为的是明白三个关键问题：

1. 哪些业务流程会 产生 数据（数据来源）
2. 哪些业务流程会 使用 数据

1. 哪些业务流程会 影响 数据

关键一：理解了数据来源，才能脚踏实地地分析

数据本身就是在业务流程中产生的。本质上，只有三种数据来源：

• 外系统同步
• 用户操作（点击、输入、支付）

• 员工操作（登记、填写、录入）

理解数据来源，才知道有什么菜下锅，才能考虑如何利用现有数据，改善未来的数据收集过程。

关键二：理解了业务用途，才能方便助力业务

业务并非时时刻刻需要数据分析的帮助。比如销售：

• 做销售计划的时候才需要数据；但是拜访客户时，他需要的就不是数据，而是沟通技巧。
• 讲FAB的时候，不需要数据，需要的是察言观色和口齿伶俐；但是涉及到哪个FAB版本效果更好时，就需要数据帮助。

关键三：理解了业务效果，才能形成分析思路

具体到毎个部门，业务能做的事情非常有限。比如销售，他们不能选择产品，不能擅自改价格政策。因此，可能更依赖坚忍不拔的毅力与个人技巧来完成任务。

• 坚忍不拔→陌生拜访数量/线索跟进次数→销售额增长
• 个人技巧→个人（出身，外貌）技巧（话术、辅销工具）→销售额增长

这就是分析思路的来源。没灵感，可能是对业务理解的还不够。

数据分析师理解业务，核心就是五件事：

（业务部门）

（业务动作）

（产生什么数据）

（哪些环节需要数据）

（哪些行为对数据有影响）

起点：业务形态

在甲方，数据分析师处于辅助地位。

• 传统企业中，销售>市场>财务>营运>数据。传统企业发家大都靠着渠道的垄断，数据并不重要。
• 互联网企业中，产品>运营>市场>开发>数据。但由于大部分互联网公司的圈钱本质，数据分析能够为此背书，因此地位相对传统企业中的较高。

在乙方，数据分析师处于核心地位。

• 乙方的销售懂数据。
• 乙方的产品主要是数据产品，所以做数据就相当于互联网公司的产品经理。

然而，乙方以服务甲方获利，在甲方面前，数据分析师依然还是辅助。