商业分析能力是怎样炼成的？

能干雇佣扼焊 · 2021-6-13 13:14:39

作为一个从一线摸爬滚打上来的老兵，补充一些个人心得：

曾经数据分析师是一个被严重低估的岗位。在我12年前本科毕业的时候，做分析是件相当没前途的事。我本人读的是应用数学系。那时候一流的学生做金融，二流的去宝洁、IBM这种五百强，三流的进各大银行三大运营商的IT部，四流的做软件开发，不入流的人才去做什么数据分析。在那个年代，腾讯还是一个年收入30亿的小公司，百度刚刚崭露头角，阿里还不知道在哪里。华为，好像华为和数据没啥关系……

在这种大环境下，我果断的读了研究生。不争气的转了管理学。进入文科生的世界以后才发现，原来本科读个数学专业是这么霸气，想水个管理学/经济学的论文简直太easy。只需要找到一篇底稿，修改一下研究假设，派个问卷，然后几十行代码往lisrel里一丢，就基本大功告成。如果输出模型检验值通不过，还能通过数据加权，合成变量等手段合理合法的改数据，改到OK为止。以上做法虽然为正儿八经学习的同学们所不耻（确实很无耻，同学们勿学），但是却是应付差事的利器。类似的还有利用SPSS做因子、聚类分析，用Eviews做经济学模型，虽然过程经不起推敲，结果却看起来像那么回事。

那个年代还没有调参侠这个称呼，因此没有人当头棒喝给我那么一下，告诉我这种二半吊子做法会有什么危害。两年水来水去的生活，让我饱受同学们好评与老板们喜爱。于是不知天高地厚的，以为做分析真的就是模型一套数据一堆就搞掂了。在找实习的时候恰逢经济危机，甲方企业普遍缩减用人，于是找了个咨询公司试试伸手。没想到一试效果还行，很受领导同事的喜欢。就这么阴差阳错的绕了一个大圈以后，我又回归了数据分析的行列。

真正工作以后做的数据分析，和目前流行的数据分析基本是两个概念。确切的说，应该是更偏“分析”而不是数据。基础的数据整理、跑SQL、问卷统计等等并不需要我处理。一来当时有技术小哥帮我做这些事情，二来当时的任务是要面对客户老板。在2010左右，大企业的ERP系统已经很普遍，有条件的企业已经有了BI系统，他们所面临的问题，不是没有数据，而是没有结论。到底这些数说明了什么，到底我要怎么做，是最迫切需要回答的问题。

最初还没有自己负责项目的时候，还感觉这些东西很简单。如同所有咨询公司的同学一样，我也收藏了一套《麦肯锡七大手册》，SWOT，PEST，5w2h什么的背的滚瓜烂熟，没事就把杜邦分析法拉出来用过往项目数据撸一遍。感觉真的很简单yeah，从模版库捞ppt然后把数据往里填就好了。而且只是帮着别人撸报告，会觉得项目之间都很像。你看营销分析框架就是这一套，先诊断再找标杆最后出结论，换我我也会写。真不明白领导们在纠结什么。

出来混的，迟早是要还的。当我自己独立面对客户的时候，我终于明白领导们在纠结什么了：他们在纠结如何不被客户操死，活着把尾款收回来。因为寻找答案，比寻找数字难的多。客户花了几十上百万不是来听《管理统计》或者《市场营销》课的，而是结结实实的需要答案。到底数据背后说明了什么问题？到底这个数据能得出什么结论？我早知道这个情况了，你又分析了什么？是最常被提起的三个问题。而且，相信我，没有一本书能告诉你答案。请务必相信我，因为我真！的！试！过！

“我知道销售在这几天少了30%，所以又怎么样？”“模型预计增长30%，所以我只要坐着不动听模型的就对不对？所以我的销售要干什么？”“寻找高端客群，说的容易，我到哪里找？我要找多少？光找高端就够吗？”客户类似的咆哮，如同春节的鞭炮，在我耳边噼里啪啦啪啦霹雳炸的不停。以至于养成了一个习惯：但凡有新人写报告的时候附上：“我们一要提升销售连带率，二要优化产品品类”这种结论，我都会把这些爆竹拉出来再点一次，炸的新人魂飞破散为止。

当我很困惑的时候，我的领导用一种最简单的方式破开了我的困惑。某天在街边吃饭，他指着对面桌某个正在吃饭的小哥，说：“你注意到没有，他是我们某个客户的业务员，你现在告诉我，你可以怎样帮到他做业务”。我愣了半天，完全想不到该做什么。话说，要是我会做销售早就去做了好吧，为什么还要在这做分析写报告啊！我就是没有能力死皮赖脸的求人买东西啊。我只会找自己的熟人啊，介绍产品也含羞带臊啊。而且，这种基层业务员的动作，和数据有什么关系？我们分析的不是销售额，客单价，转化率这种抽象的东西吗？我们的分析和具体的业务离得很远啊。具体到一个个销售动作？有没有一个监控探头24小时拍摄业务员动作，数据都没有，分析个啥？

领导说：“这就是问题的关键了。你没有能力帮助基层的业务员，你怎么有能力帮助他的老板？他的老板下边有无数的这种人要管，他要烦的事本质上还得通过这些人搞掂。你不能帮助这些人做出业绩，你凭什么认为你能帮助他的老板搞掂业绩问题”。这一刻，我突然明白了为什么数据分析在企业内不被重视。

因为值钱的是数据，不是数据分析。比如对面的业务员小王，如果你能马上给他500个对我们产品感兴趣的顾客电话，那他怎么着也能把业绩做出来。如果你只是给500个电话，他还得辛辛苦苦打上一天，看有没有机会碰到一个订单。如果你给的只是：“我们的目标客户是年薪30-35岁，年收入2万以上喜欢在高端商城逛街女性”他估计能气到吐血，这他妈都是什么？你是让我去商城门口拦人吗？会被保安痛扁的好吧。如果有优质的数据，比如银行，可以拿到用户真实的个人信息，资产情况，通过银行卡记录用户消费情况，那么即使没有什么复杂的模型，也能轻松判断用户价值和需求。如果像大部分传统零售快消耐用企业那样，只有少量订单数据，就只能做一些不接地气的经营分析。对基层而言，有用的从来都是数据，而不是分析。

决定我职业发展的重大时刻，在这里来到了。我反问了领导一个问题：是滴，我是不会教小王，可是如果我能用数据追踪到一个优秀的业务员，让他去教呢？领导笑笑说：“你小子终于开窍了”。然而这个窍依然开的很艰难。当我真的在这个项目里找到了销售团队Ace以后，发现这他妈的根本复制不了。因为那哥们不是一个人，而是一个“人精”。无论外貌、着装、言语、谈吐、思维速度，根本不是一般人可以比的。而我既不能建议客户把剩下的200个销售都炒了换成这种人精，又不能建议销售们集体再投一次胎。感觉这标杆树的跟数据分析没什么关系，应该归入《投胎学》范畴。

这时候再经过领导提示，我才真正理解了流程梳理的含义。梳理销售流程不是简单的列4个P然后填做填空题，而是真正深入到业务当中。观察每一步细节。到底这个行业销售过程分作几步？最原始的名单从哪里来？工作计划如何安排？拜访客户时间表怎么定？FAB先怎么讲后怎么讲？不同类的客户是否有区别？如何探测需求成熟度？多少天、多少频次、什么理由、什么形式做跟进？最后投标价格如何比拼？一步步，一个个细节去理解销售场景，去观摩业务员行为。去剥茧抽丝，哪些是所有人可以执行的，哪些是个人特性的；哪些是可以量化的，哪些是主观能动的；哪些需要系统工具，哪些需要人工考核。

详细的梳理之后，有限收集的数据和无限复杂的业务场景结合起来，数字忽然变得有意义。这个时候开始理解为什么一个行业销售数据会有自己的波动形态；才开始理解为什么在这个行业中销售波动5%不是问题，波动10%就是问题；才开始理解为什么客户看到A类用户75%流失率也不为所动，看到B类用户10%流失率就开始发飙。虽然这样理解以后只能和客户对行业的认识打个平手，但是客户往往没有系统全面的看过数据，只有零散的凭经验的认识。逻辑性+行业理解，可以让顾问赢得客户的认可，至少能和客户平等的探讨问题，而不是被人呼来喝去了。

之后就是无数的项目积累，接触的行业越来越多，被操的次数越来越多，能力也成长了很多。到现在我都坚信：好的数据分析师都是被操出来的。被人反复质疑：你这个数据说明了什么？看到数据又能做什么？我早知道了，你又分析了什么？这三大问题以后，就会越来越思考数据分析的价值，就会越来越聚焦于分析的意义，就会抛弃那些刻板的公式与理论，找到真正对企业经营有意义的分析结论。这些才是客户愿意花钱买的东西。“如果只是看数，人家的BI系统早就有数了，为什么要花钱找你们这些人”每次培训，我都会这样给新兵们强调。

But，题目是《一个优秀的商业分析师》，所以到底优秀体现在什么地方呢？在我看来，优秀就是赚钱。如果做科研的话早就读博去了，我们出来打工就是为了赚钱，对不对。赚到钱的才算优秀。而在这一点上，陈老师有一点小小的心得可以分享。就是当我开始和销售一起打标的时候，我得到了第二次分析能力突飞猛进的机会。

这个机会叫弄死竞争对手。因为我只是广大乙方公司中很普通的一员。每次客户招标可能要看几份甚至十几份详细的方案。对面也是电脑E盘工作资料文件夹里收藏了几十G ppt的小哥小姐姐，怎么能脱颖而出呢？某次我去打标，做的方案太四平八稳，被客户吐槽：“你们分析都是这些套路，有什么新意思吗？”我很不服气，回来的路上一路吐槽：“净TMD扯淡，我TM就不信他TM能找到更TM厉害的，做市场进入研究不就TM这个套路其他公司还TM能玩出花来”。骂完之后我忽然有个想法：为什么不把这些常见套路直接展示给客户呢？我还就不信了谁还能比谁强多少。

某次客户初步和我们沟通意向，只是抛了个很常规的新品研究与上市策略的需求。眼看着又要被人吐槽：老一套。我主动出击了：“通常市场研究公司或者咨询公司都会先看目标群体再看市场份额最后做竞争态势。输出到您面前的一个条形图，您的对手bar大概这么长，您的大概这么长。然而我们早知道了啊。这个领域我们两家独大，且我们落后于竞争对手，这是个基本事实。我们的用户画像，即使没有明确的数据大家心里也八九不离十。与其花大力气重复这个事实，不如提炼出发展新用户的逻辑。这样就能真正找到切入市场的办法”。

我边说边在白板上画出图表的形态。我看到客户那边手下小弟很认真的看着我画的然后微微一笑，我看到领导表情很沉重如有所思，我知道这鱼基本上上钩了，他们应该看过类似的报告，而我正在赢得这场游戏。领导听完愣了一下，缓缓的说：“那你的建议呢？”我知道我的机会来了。我坚定的说：“既然明知道处于下风，就不要分散投入。我可以在完成基础画像完成后，快速切入竞争胜利与失败的用户群体，把更多项目费用用在测试竞争效果上，这样后续落地建议将更具体和有效”。客户领导认可的点了下头。当天晚上就发了中标通知。这是我第一次用竞争分析法搞掂客户。

之后我便更常使用这个方法。当然，之后应用的更灵活，没有那么激进的直接抨击对手（因为发现太过直接的抨击别人，会显得自己太过高调，会引起客户反感）。而是站在客户的角度思考：“到底这样做有什么用”。当我自己把自己当成评标委员，自己怼自己一顿以后，差不多如何打赢竞争对手的思路也差不多有了。

当然，赢得客户靠的不止有专业性，还有关系、费用、品牌大小等等，陈老师也并非一路战无不胜。但是这种自我diss，站在需求方角度看问题的思维方式，使得我至少超过了平均水平。即使没有赢下单子，客户至少认可我的个人能力。直到脂肪肝把我赶离咨询行业以前，我都能保持很好的工作状态。

最后总结一下，一个优秀的商业分析师是如何炼成的：第一，摆正位置，从理解如何做生意开始，理解商业问题；第二，理清流程，了解商业过程的完整流程；第三，探索规律，从优秀/差劲案例中总结商业经验；第四，提炼假设，总结出可以定性/定量分析的维度；第五，总结经验，从具体的问题分析中总结出适用于一个行业，一个企业的经验；第六，挑战经验，不断反问自己，除了这些经验以外还有没可能性，还有没有更多办法。这六个过程不断迭代，最后自己会在梳理问题逻辑，理解行业运作上越来越深入，自然也越来越优秀。

本质上，商业分析为的是解决商业问题，商业问题是盈亏利损，不是加减乘除。能理解商业运作本质，具体问题具体分析，才是商业分析师真正该做的事。把《管理统计》和《市场营销》两本书订在一起，只是证明一个人手劲很大而已。与大家共勉。
<hr/>更多个人分享，可以关注公众号：接地气学堂
扩展阅读：如何着手分析一个行业？
扩展阅读：如何着手商业数据分析？

无陌灬小纹丿 · 2021-6-14 00:47:07

分享一个可以快速帮助你以系统的视野来看待公司，甚至行业的基础模型。前面很多大神都已经用了很多不同的案例来描述商业分析是怎么样的，那作为一名商业兴趣者，我们从哪里入手比较好呢？来分享最近帮助我很好的完成了分析项目的一个模型。

商业分析，从数据分析的角度来谈，则是通过数据驱动业务，那作为一名数据/商业分析师，很多时候的困扰是面对很多数据、场景，我要从哪个点切入找到价值点呢？很多案例会告诉你：“细节决定成败。”

面对新行业时，只要你愿意，可以有无数细节让你发现，没有定义清自己的目的就陷入无数的数据或是场景中，回过头来做的一系列分析或许都不在我们的业务边界里面。当你陷入细节或者数据的噪音，后面所做的事情都只是在噪音中优化了。

所以第一步，先不要这么快陷入细节，站在足够高的视野，看清系统的整个流动。

如果你很有经验，那么或许你很快就能找到问题所在，在面对一个新行业，或是不了解的业务时，我们也可以通过使用这个模型梳理清楚。价值点并不会凭空的出现，通过下面的这个模型，可以快速的帮你理清你所面对的业务流程是怎样的，进而找到解决问题的切入点。

先举个简单的例子，炒鸡蛋大家有吃过吧～

炒个鸡蛋的流程
（1）在炒鸡蛋前，我们需要准备：鸡蛋若干、油少许、锅及锅铲各一个；
（2）在炒鸡蛋时，我们会经历下油、打蛋、翻炒最后出锅的过程；
（3）最后交付的是一碟炒好的鸡蛋，到你的面前；
（4）你在吃鸡蛋的过程中，发现没放盐，反馈又反哺回我们炒鸡蛋前的准备，以及炒鸡蛋的过程。

那么我们把这个模型转换为通用的描述则是：

快速了解业务流程的一个模型

这个时候大家可能会尤其的关注：诶？那我就通过反馈部分来提升不就好了？说得很对，对于有明确且大量反馈记录的业务来说，反馈可以说是最直接可提升业务的方式了。但是在实际的业务过程中，很多的业务流程不一定是有反馈机制的，同时如果只关注反馈信息时会让我们忽略很多更容易实现的因素。

就好比如说我所在的IT行业的SaaS业务，我们的业务目标是更高的销售额，更多的利润。（大概是每个公司的目标）。通常我们的客户会反馈，例如：

等等，各种各样的反馈。

通常的做法是，我们会把反馈中有价值的部分筛选出来，有先后顺序的进行改善。但在反馈中，其实还有很多没有体现出来的因素。为什么这么说呢？我们关注客户的反馈，是因为我们希望改善他们的顾虑，进而让更多的客户买我们的单。假如我们把业务边界定义为：销售 - 客户，输入为销售接单，那么这个环节，其实是等同于模型中的“输出-客户成单”。在实际的业务流里，输出是最后一步，整个模型中的其他部分对达成业务的目标有没有帮助呢？
商业分析能力是怎样炼成的？-3.jpg

我们再来看看这张图
那来用这个模型实际的套用到真正的业务场景中，试想一下，我们需要通过完成这个业务流程来实现我们的业务目标，要怎么做才能在一定的时间里更好的达成我们的业务目标呢（更高的销售额和更高的利润）？

这时你可能会想到：

（1）只要有更多的销售订单进来，那一定好似离我们业务目标更近的；
（2）每次成单，我们需要迅速的走完这一整条业务流程，提升完成效率，才能使我们在有限的时间里完成更多的销售额；
（3）每次成单，客户都不需要我们返工；
（4）有效的反馈可以优化整体的业务流。
不仅有效反馈，整体的考虑增大输入，降低流程时间，提高输出良率几个因素，才是整个业务流程让我们更好的达成业务目标的重要因素。

到这里，其实你已经基本梳理清楚你所面对的业务流是怎么样的，你可以向这个业务流发问：如果我们没有达到理想的业务目标，那到底是哪个环节出现了问题？咦，此时你不是已经知道该从哪个点进行切入了吗？那接下来就是大家专业表演的时间，用你懂得的数据，你懂得的商业模型来给出改善这个问题的方案/答案。

总结一下：

1、通过模型梳理清楚你所面临的业务流程是怎样的；
2、定义清晰的业务边界；
3、根据流程，梳理清晰这个流程中的输入和输出分别是什么；
4、向你所梳理的这个业务模型发问，它现在还没有达成目标的原因是出于哪个流程？
5、聚焦一个或几个你所发现的问题，给出解决方案。

这个时候，相信你已经大概感受到了这个模型，那么这里提及的业务边界、输入、输出，到底该如何定义呢？先卖个关子，下周我会继续更新关于如何定义这几个维度，并分享我是如何运用这个模型来完成一个汽车后市场数据分析项目的。

Share一下来自 @空白白白白的数据分析组织Point发布的数据源，我用Tableau制作的一个分析项目的其中一张图，最近不少同学来问关于这个分析报告，我会在下周更新时，和大家分享如何应用这个模型完成这次的项目分析。
商业分析能力是怎样炼成的？-4.jpg

本文没有学术支持：）
知乎首答，谢谢大家。

社区服务蒋立成 · 2021-6-14 05:22:32

总共三步！
1.发现机会——建立资讯情报收集系统
2.分析机会——从信息里面挖掘机会，寻找切入点，分析资源匹配程度，预估成功可能性

3.把握机会——小规模测试，运营调整，大规模投入

分享篇文章——《普通人如何洞察并抓住真正的财富商机》

1.发现机会——建立资讯情报收集系统
先讲一个关于炒股的故事。
家里有个亲戚，姑且叫他老吴吧，炒股很厉害，我们跟着他买也能赚不少钱。
老吴的思路也很简单：大盘低迷的时候抄底，大盘见顶的时候清仓。
这个思路当然没什么大不了啦，就是所谓的逆势操作。妙的是老吴判断大盘到顶和见底的方法：老吴在他的朋友圈里面选定了十个股友，这十位股友的炒股水平非常一般，基本能代表中国绝大多数股民的平均水平和普遍心态。老吴定期会和这十位股友聊天。
当这十位股友里面有七位以上已经进入股市甚至重仓加持，老吴就判断这是大盘快到顶部的信号，就准备撤离了。当这十位股友有七位以上都处于清仓状态，甚至对于股市不闻不问，老吴就判断股市已经到底，跌无可跌，可以进入抄底了。
当然，这篇文章重点不是教大家如何炒股。我举这个例子主要是想说明：建立一个情报收集系统的重要性。
在中国赚钱，很多时候就是依靠信息差。
当你掌握到别人没法掌握的信息，或者领先一步掌握到重要信息，你就有可能从中发现赚钱的契机。
那么，如何建立一个情报讯息的收集系统呢。
以下我以公开渠道能获取到的信息做例子，要是有内部渠道当然是更好的：
行业网站：行业网站能够提供一些行业大势的走向。通过看谁的报道比较多，可以判断出当前和短期创业和投资的热点走向。
微博、微信里的自媒体人：关注你所在行业自媒体人的微博微信号，能够看到他们对于很多业内信息的预测和判断。
行业内微信群：多加一些业内的微信群，定期去看看他们在讨论什么。当然需要过滤掉很多垃圾信息，但是一定是可以收集到一些新的讯息。
其他还有一些信息来源，比如身边的人和事、脉脉、公司内网等，我就不敷述了。
总之，你需要建立一整套信息收集系统，确保它们能输出足够的有用信息，然后你定期扫描系统，提取有用信息。

2.分析机会——从信息里面挖掘机会，寻找切入点，分析资源匹配程度，预估成功可能性% I$ L0 l: ~, ]1 \
当你完成好第一步，即提取到有用的信息后。接下来就需要进入第二步：
从信息里面挖掘出可能的机会，然后分析一下这个机会跟自身资源的匹配程度，然后预估成功的可能性，要是可能性足够大，就值得一试。
举个例子：
最近我发现这样几个现象：
年前一个月内，我的好几个下属找我请假，理由是眼睛疼，去医院看眼睛。
我过年回家，我年迈的父母，虽然不太懂最新的科技，但是智能手机也是不离手。睡前醒来第一件事情就是看手机玩手机。
我有好几个朋友向我抱怨，得了一种慢性病，叫干眼症，就是眼睛很容易发干，而且这种慢性病并没有很有效的治疗方法。业界大佬周鸿祎、雕爷也得了同样的病。
微软出了一款水墨屏幕，能够有效缓解眼部疲劳。
那么从以上信息，可以分析和挖掘出怎样的机会呢？！
事实上，随着移动互联网的发展，智能手机的普及，各个年龄段的人使用手机电脑的时间都大大延长。眼部问题在未来会成为一个越来越突出的问题，对眼睛护理、保护、医疗的需求将在未来持续增长，这样的趋势就是一个机会！！
机会发现了，那么需要寻找合适的切入点。
那么什么叫合适的切入点呢？！
就是和自己的资源比较匹配的切入方式。
比如刚才说的眼睛问题：
如果你是做医疗器材的，那么能不能去国外代理一些平价的眼部护理仪器，或者防辐射眼镜之类的东西。在淘宝京东开个店，在百度刷一下关键字排名，把流量引到淘宝店里，是不是一个机会。（我还真搜了一下，现在这样的店确实不多，相关行业的朋友真的可以一试）
比如你是做食品行业的，做一做防护眼睛的食品，比如胡萝卜干、绿茶什么的，打一打“护眼”的概念，也许也是一个机会。
在你选择好合适的切入角度后，你要预估成功的可能性。成功的可能性太小就不要试了，都是成年人，不要逞匹夫之勇，更不要做那个不知天高地厚的唐吉可德。
我的建议是：有六成以上把握才值得一试，因为实际做起来困难只会比预想的要大。

3.把握机会——小规模测试，运营调整，大规模投入
当你认准机会，准备大干一场的时候，也切莫太心急。
每临大事有静气，先要小规模测试一下，初步验证一下这个模式走不走的通。切莫直接把身家性命直接押进去。
比如上文所说的代理国外防辐射眼镜品牌的例子。
代理品牌估计是成本比较高的，你可以先买几件产品回来，看看卖不卖得掉；要是一个都卖不掉，很可能这个模式就走不通，需要放弃掉，或者换一个思路切入。
当小规模测试的结果反馈是良性的，那么就要逐步增大规模，在商业的各个环节进行优化了。
还是上面这个代理国外防辐射品牌的例子，如果你发现这个产品在国内很脱销，准备大干一场的时候，那么每个环节你都需要通过运营来优化。
比如寻找优质又低价的品牌供应商，多挑一挑，一定能寻找到更优的。
比如推广渠道，是通过seo外部引流，还是招些代理用微商的形式卖，甚至是和微博网红合作实行销售分成，都是需要通过运营不断优化的事情。
优化得差不多了，你的生意也就慢慢上正轨了，可以考虑做大，就可以在人、财、物几个方面大规模投入了。

想要阅读更多超级有用的商业干货，欢迎在公众号：whdkad，回复“干货”，即可查看超级有用的系列文章。

http://weixin.qq.com/r/VkyRiUjEoxXcrQzq9xlE (二维码自动识别)

傻傻得爱你得q · 2021-6-14 15:55:28

商业分析能力=商业理解+事实分析能力（主要依靠数据资源）。
关于商业理解，千篇万律，大家已经讲了很多了。
这里，『帆软』想谈谈如何利用数据事实，分析商业问题，也就是如何练就“商业数据分析的思维能力”？

阅读提示：
全文10000+字
案例故事+方法论，建议点赞+收藏，慢慢品读。
--------------------------------------------------------------
先讲一个完整的商业分析案例：

PAS是一家销售企业管理软件的公司，虽然整个行业欣欣向荣，但是这家公司的业务却陷入泥沼，销售额连续八个季度出现下滑。为了扭转此局面，PAS花重金招聘了过往销售业绩极为出色的老李担任CSO（Chief Sales Officer），直接向CEO汇报。
上任伊始，老李为了摸清情况，召集销售、产品、售前、人事、市场部门一起开了一个沟通会议，没想到这个会议变成了吐槽大会。
销售部门报怨人事部门给的候选人素质不高，经验太少。人事反击说是你们管理不善，有经验的老员工频繁离职，新入职的员工培训不够，不能快速成长。销售又抱怨公司产品功能不完善，在市场上的竞争力不足。而产品则回怼，已上线项目的客户反应良好，是你们销售能力不行。还有销售抱怨售前顾问不给力或者支持力度不够，还说市场部门组织的活动效果太差，获得的销售线索太少等等，不一而足。
商业分析能力是怎样炼成的？-1.jpg

在决定接受PAS公司的Offer时，老李已经做好接受挑战、迎接困难的准备。但是没想到实际情况比预想的更严重。虽然老李在销售方面有丰富的经验，但是PAS公司目前的问题貌似是全方位的，各个部门的说法听起来都有一定道理，但是哪些才是关键的问题？要想改变现状，又该从何处破局呢？老李不禁限入深思。
在思路不畅、需要灵感时，老李喜欢到星巴克坐坐。在公司附近的星巴克，老李看到一个年青人正在写商业计划书，于是找这个年青人攀谈起来。原来这个青年叫小白，毕业于斯坦福。小白学成归来打算回国创立自己的商业数据分析公司，并且向老李介绍了数据分析在商业决策中的作用和案例，尤其是描述性分析、诊断性分析、预测性分析和处方式分析这四个层次和所用的具体方法。
听完之后，老李觉得或许在PAS的事情上小白可以提供帮助，于是向小白介绍了自己面临的困境，并希望接下来在改造销售团队和提升销售业绩的过程中，小白能通过数据分析的方法提供有力支撑。当然他也想考校下小白，看他说的数据分析方法是不是有那么神奇。公司还没创立就接到了第一单生意，遇到这种好事小白欣然答应。
1、描述性分析
在进入PAS公司后，小白先对公司的业务现状和数据情况做了初步调研。PAS公司上线了CRM、ERP、HR等系统，针对商机、合同、付款、客户、价格、销售员的入职时间、接受过的培训等信息都是有详细记录的，这就为后续的数据分析工作打下了坚实的基础。

在做描述性分析时，最重要的是结构化思维，即要把分析的问题或指标进行逐层结构化分解，直到无法分解为止。

比如，总体销售收入=销售漏斗中所有销售机会的数量 * 每个销售机会的交易金额 * 胜率
而每个销售机会的交易金额=每个销售机会包含的产品 * 每个产品包含的模块数量 * 每个模块的平均单价
根据上述思路，小白首先对去年销售员整体的业绩情况做了分析：总体销售指标为 1亿2000万，已签单 1个亿，指标达成了83%，目前有100个销售员，平均每个销售员的签单金额为100万，这样看起来貌似还不错。但是再看下一项数据就会发现比较大的问题，仅有20%的销售员完成了销售指标。
商业分析能力是怎样炼成的？-2.jpg

通过查看去年销售员签单金额分布，这个问题体现的更明显，销售业绩主要是靠几个明星销售员来达成的。
商业分析能力是怎样炼成的？-3.jpg

再看去年整体销售漏斗的表现，整体销售漏斗金额高达5亿，而每个销售员平均的漏斗金额有500万，但是平均签单金额仅有100万，也就是说胜率仅为20%；另外，去年已完结的交易数量为1000，而销售员平均完成交易数量仅为10个，数量偏少；同样，平均的交易金额仅为10万，平均客户价值仅为20万，在企业管理软件行业，这两个数字都是偏小的。
商业分析能力是怎样炼成的？-4.jpg

接着分析新老客户平均交易金额及胜率，可以看出新客户虽然单子大，但是赢单的概率较低；反之，老客户虽然单子小，但是胜率很高。
商业分析能力是怎样炼成的？-5.jpg

下面再看新老客户对收入的贡献，可以看到老客户虽然平均交易金额较小，但是对整体收入的贡献还是远远高于新客户的。
商业分析能力是怎样炼成的？-6.jpg

再看交易金额分布及其胜率，可以看出单子金额越大，胜率越低。
商业分析能力是怎样炼成的？-7.jpg

以及不同产品的收入分布和胜率，A、B、C这三种产品收入贡献较高，并且胜率也相对较高，证明在产品、价格等方面在市场上有较明显的竞争优势，可以重点突破。
商业分析能力是怎样炼成的？-8.jpg

2、诊断性分析
经过初步的描述性分析，对现有CRM、ERP、HR、售后、市场等5大系统或数据源中的数据做了梳理，共137个变量或KPI。如此之多的变量想通过传统的数据分析方法分析是很困难的（如通过散点图分析这些变量与销售业绩的相关性），只能使用机器学习的技术；通过此项技术，可计算出不同变量（机器学习称为特征）对结果值（即销售业绩）的影响到底有多大。具体结果如下：
商业分析能力是怎样炼成的？-9.jpg

去年销售员业绩达成率分布如下图所示：
商业分析能力是怎样炼成的？-10.jpg

根据上图把销售业绩分为三类：平庸，中等和优秀；
其中平庸为业绩完成不到50%的；中等为业绩完成50%-99%的；优秀为业绩完成100%的。
下图可以看到优秀组和平庸组在这12个关键KPI的差异：
商业分析能力是怎样炼成的？-11.jpg

可以看到：

3、预测性分析
再细致分析不同销售人员这12个变量表现：
商业分析能力是怎样炼成的？-12.jpg

通过上图可以看出，尺有所短，寸有所长。比如，85号销售员看起来大部分变量都处于平均水平或之下，但是其也有闪光点，这些人里只有他每季度创造的销售机会超过平均水平，那其他人就可以向他学习如何提升这一点。
上图虽然可看出不同销售员在单个变量的表现，但是很难据此直接判断出其未来是否能完成业绩指标。如果可以做到这点，就可以把可能不达标的人提前找出来，进而给予其必要的帮助。
这里就需要用到预测性分析，通过建立预测性模型，根据其关键KPI的表现情况，即可以预测其业绩达标情况。小白根据历史数据训练出的预测模型，预测的准确率已经达到了95%。
4、处方式分析
预测模型完成后，即开始发挥作用。根据模型预测，刚入职一年的销售员小王很难完成今年的业绩指标，虽然其很努力，每月创造的销售机会比均值高不少，销售漏斗金额与销售指标的比率也OK，但是在部分关键指标表现不佳：
商业分析能力是怎样炼成的？-13.jpg

对销售业绩影响最大的因素之一就是合同的平均金额，目前均值是180K，但是其只有25K。
另外，看起来他不怎么和合作伙伴一起合作，公司平均60%的合同是和合作伙伴一起打单打下来的，而他的比率是0；而有合作伙伴参与的订单金额是没有合作伙伴参与的订单金额的6倍，胜率也更高。
因此，小王的直属主管找他沟通后，建议他着重提升合同的金额，并给出了以下改进措施：

尾声
经过一年的时间，PAS公司的业绩得到了明显的提升：
商业分析能力是怎样炼成的？-14.jpg

-------------------------------------------------------
理论+方法论

在上述案例中，反复提到了一个商业数据分析框架：

这是著名的咨询公司Gartner于2013年总结、归纳、提炼出一套数据分析的框架，可以很好地解决企业内部的商业问题。
商业分析能力是怎样炼成的？-15.jpg

商业数据分析的根本目的就是要洞察数据背后的规律，基于此，企业可以制订决策、并采取相应措施和行动，进而达成想要的结果。这是商业数据分析的最大价值所在。
描述性分析——发生了什么？
故名思义，该层次主要是对已经发生的事实用数据做出准确的描述。比如某企业本月订单签约额比上月增加100万，至1100万，但是订单履约率从上月的98%下降到了95%，库存周转率从上月的0.8下降到了0.7。
诊断性分析——为什么会发生？
知道到底发生了什么，对我们的帮助不大，更重要的是，我们要明白为什么发生。比如经过分析，发现上文提到的订单履约率下降的原因是成品生产不出来，无法完成交付。而成品生成不出来的原因则是部分原材料的供应商未能按时送货，导致原材料不齐套，无法开始生产。
预测性分析——什么可能会发生？
基于上述两个层次的分析，我们发现了其中的规律，即原材料供应商的送货及时率会影响成品订单的履约率。假如上月某原材料供应商A送货及时率只有70%，通过建模，我们可以预测本月该供应商会使我们的订单履约率下降2%。
处方性分析——该做些什么？
有了预测性分析的结果后，我们无需再做事后诸葛亮，而可以运筹帷幄，在事前就采取措施。上例中，供应商A会导致本月我们的订单履约率下降，我们可能采取的措施就是把A换掉，但是现在有B和C两个供应商供我们选择，该选择哪个呢？通过分析和计算得出：选用供应商B会比选C的订单履约率高1%，因此建议选择供应商B。这就是处方性分析。
四个层次层层递进，经过这四个层次的分析以后，可以对企业的决策和行动提供有力支撑。接下来具体讲讲，这4种分析对应的商业分析场景。
描述性分析

描述性分析做为商业数据分析的第一个层次，主要回答『发生了什么』的问题，接下来将对如何通过数据发现、描述和回答『发生了什么』的方法和工具进行介绍。
一、方法
1、了解业务场景
如果想通过数据发现和回答『发生了什么』的问题，第一步并不是急急忙忙的直接去分析数据，而是首先要了解和还原数据产生的业务场景，包括：数据涉及到的部门和岗位有哪些，这些部门和岗位之间的业务流程是怎么样的，在不同业务流程中有哪些输入，对数据做了什么处理，又是如何输出和传递给下游部门的。如果不了解业务场景就去做数据分析，就如同盲人摸象，因此这一步至关重要。
2、探索性分析
探索性分析又细分为以下三个步骤：
①提问，理顺初步分析思路和目标
在了解清楚数据产生的业务场景后，可试着问自己一些what happened的问题。比如，本月销售额是多少？环比和同比变化分别是多少？本财年销售的变化趋势是怎么样的？通过相应问题，可以理顺初步的分析思路和分析目标。另外，在上一步了解业务背景的时候，也要注意和相关业务的关键干系人沟通，获取他们想知道的what happened的问题有哪些。
需要注意的是，这里说的是初步的分析思路和目标，因为在随后做分析的时候，新的灵感可能会被不断激发，分析的思路和目标也在不断调整，这是一个循环往复的过程。
②收集数据
有了初步的分析思路和目标以后，就可以确定需要收集哪些数据了。比如上文提到的销售额分析可能用到的数据为销售订单数据、销售开票数据。
③选择相应分析方法
根据分析的思路和目标，就可以对收集到的数据选择相应的分析方法了。具体的方法包括：

3、提炼指标
对数据做探索性分析后，可对数据反映的事实有一个直观的感受，比如，通过分析一个仓库的月度收发存数据，可以大概知道这个仓库的货物周转情况。但是要想更准确、简洁地描述发生了什么，还应该提出更高的要求：即总结和提炼出相应指标。比如描述库存周转的整体情况，库存周转率、库存周转天数等指标更有效。这些指标可以做为企业日常经营管理的KPI，让相关人员快速、准确地了解到企业当前的经营情况。

二、工具
1、个人使用
描述性分析中最常用的工具就是Excel，但是随着商业环境中产生数据的增多，Excel的运行效率变得相对低下，并且Excel主要侧重于表格中的数字分析，但是因为人类对图形的敏感度和理解力天生就比数字高，正所谓一图胜千言，因此近年来可视化分析工具逐渐流行起来，此类工具主要是通过图形去对数据产生洞见，发现其中的规律，而不仅仅是用做结果的展示。
FineBI就是其中之一。其上手比较容易，很多功能设计的也比较便捷和人性化，运行效率较高（10万行以上的数据FineBI较Excel有明显优势），输出的可视化图表也很美观，可直接用在数据分析报告dashboard里（Excel默认输出的图表都很丑，后期还需要做不少调整和美化，才能放到数据分析报告里）
商业分析能力是怎样炼成的？-16.jpg

2、企业使用
对企业来说，描述性分析的工具主要是报表和BI。
报表一般是嵌入至各专业系统中，如CRM、SRM、ERP、WMS、MES等。
BI一般是单独的系统，其从各专业系统中抽取数据，经过处理后，通过表格或图形展示出来。过去Oracle的BIEE，IBM的Cognos，SAP的BO曾经在企业数据化建设上一度受欢迎，太犹豫这些工具过去庞大且上手难度大，在企业业务部门难以推广。后来出现了新一代的自助式BI，目前最受欢迎的有Tableau、Qlikview，PowerBI，国内还有一家帆软（没错就是我们）也被写入Gartner报表市场推荐指南。这类自助式BI之所以受欢迎是，商业智能分析平台市场的主流已经从IT部门主导的静态展示分析转向业务部门主导的动态探索分析，这样才能激发员工的主动性和创造力。
报表目前最受欢迎的是帆软的FineReport，能制作各种复杂报表、以及数据可视化大屏。在报表和BI的基础之上，可增加预警系统，如对异常的指标进行邮件或微信预警，让领导仅对这些指标进行关注，而无需把所有的指标都看一遍，以节省时间，提高效率，有必要时再查看相应报表或BI展示，这也是企业描述性分析的应用方式之一。
关于描述性分析的方法和工具，涉及到的知识主要是统计学的内容，这部分知识需要大家自行找相关书籍进行补充阅读。
诊断性分析&预测性分析

明确为什么发生以及未来会发生什么，这就是诊断性分析（Diagnostic Analysis）和预测性分析（Predictive Analysis）的作用。如何对问题做这样的分析：
1、寻找相关特征(feature)
在诊断性分析中，首先需要知道和结果可能相关的因素（在数据分析里，这些因素被称为特征）有哪些，这个过程一方面依赖于我们对业务的了解程度，另外也要多和业务人员进行头脑风暴，只要是可能相关的，都纳入考虑，也可以基于现有特征构造新特征，至于是否相关可在后面的分析中进行验证。
比如和汽车油耗可能相关的特征包括：车重、排量、轴距、变速箱类型（手动、自动）、驱动方式（两驱、四驱）等。
2、相关性分析(Correlation Analysis)
列出和结果可能相关的特征后，下一步就是要验证这些特征和结果到底是否相关。具体方法包括：
2.1 定性分析
2.1.1 二维散点图
若分析的仅是一个特征与结果的相关性，则可以通过画二者的二维散点图进行分析，通过图形描述，可以初步且直观判断二者的存在何种相关关系：正相关、负相关、无关；如果相关的话，是线性相关还是非线性相关(抛物线、指数等)。下图为不同性别年龄与身高关系的散点图，可以看出在青少年时期，这二者是呈线性正相关的。
商业分析能力是怎样炼成的？-17.jpg

2.1.2 矩阵散点图
在现实中，仅有一个特征与结果相关的情况是少之又少的，大部分情况都是存在多个与结果相关的特征，此时需要矩阵散点图进行分析。矩阵散点图样式如下：
商业分析能力是怎样炼成的？-18.jpg

其实质就是针对每一个特征与结果分别做二维散点图，以分析其相关性。当然，在矩阵散点图上也可分析特征与特征之间是否有相关性，专业上称呼为多重共线性，多元线性回归要求模型中的特征数据不能存在有多重共线性，否则模型的可信度将大打折扣，此时需要排除部分特征消除共线性才能建模。
2.2 定量分析
上述的散点图分析仅能通过图形看出特征与结果的大致关系，即定性分析；但是无法对它们的关系做精确性描述，即定量分析；定量分析主要分为如下两个步骤：
2.2.1 特征选择
当我们列出可能和结果有关的多个特征，并通过散点图获得大致的直观认知后，还需要更精确的判断到底哪个特征与结果的相关性更高，为了降低计算的复杂度，我们应该只把那些最相关或者最重要的特征放到模型中，主要的方法有两种：
单变量特征选择方法：常用的手段有计算皮尔逊系数（即相关系数）和互信息系数，相关系数只能衡量线性相关性而互信息系数能够很好地度量各种相关性，但是计算相对复杂一些，不过很多toolkit里边都包含了这个工具（如sklearn的MINE），得到相关性之后就可以排序选择特征了；
基于模型的特征选择方法：部分模型本身在训练过程中就会对特征进行排序，如逻辑回归、决策权、随机森林等；
特征选择不仅有助于简化计算，还可以帮助我们对特征与结果的关系有更好的理解。
2.2.2 模型建立
2.2.2.1 回归（Regression）
若结果为连续值，则应用的模型为回归模型，包括：

若仅有一个特征与结果相关，并且其是呈线性关系的，则可以进行一元线性回归，即建立回归模型y=a+bx计算出截距a和斜率b，x为特征（自变量），y为结果（因变量）；

上文中已经提到，在现实生活中，仅单个特征与结果相关的情况是不多见的，大多数都是多特征共同作用导致的结果。若通过矩阵散点图判断，各特征无多重共线性，且与结果呈线性关系，则可以进行多元线性回归分析，建立回归模型y=a+b1x1+b2x2+...+bnxn；

如果回归模型的因变量是自变量的一次以上函数形式，回归规律在图形上表现为形态各异的各种曲线，称为非线性回归。常见的非线性回归模型包括：双曲线模型、幂函数模型、指数函数模型、对数函数模型、多项式模型等；
那么如何获得上述的回归模型呢？常用的回归算法包括：最小二乘法、支持向量机（SVM）、GBRT、神经网络等。
2.2.2.1 分类（Classification）
若结果为离散值，则应用的模型为分类模型。比如人的年收入、日平均运动时间、日平均睡眠时间与人的寿命的相关关系是回归模型；而人的年收入、日平均运动时间、日平均睡眠时间与人健康与否（健康或者不健康）的相关关系则是分类模型。
常用的分类算法包括：决策树、逻辑回归、随机森林、朴素贝叶斯等。
2.2.3 监督式学习（Supervised Learning）
上述回归模型和分类模型均是机器学习的监督式学习模型，它主要指通过学习历史的真实数据，找到其中的规律（即模型），并假设「历史总是惊人的相似」「太阳底下没有新鲜事」，通过找到的模型对未来进行预测。这一种学习方式相当于既包括了诊断性分析，也包括了预测性分析。但是，通过历史数据找到真正的规律是比较难的。在现实生活中大家应该都有这种感觉，回顾过去好像清清楚楚，但是展望未来时又是一片迷茫。这是因为实践和未来才是检验规律的唯一标准，但是在未来还没有发生的情况下，检验只能依靠历史的数据，这样非常容易出现机器学习中常说的过拟合和欠拟合的问题。如何评估机器学习模型的效果，避免过拟合和欠拟合的问题，找到那个真正的规律，业界提出了很多的方法，限于篇幅的原因，只能在其他文章中下回分解了。
3. 因果性分析
诊断性分析的隐含意思就是，要找到事物的因果关系，即因果性分析。所谓因果性，假设X是因，Y是果，则只要X出现，必然会导致Y的发生，其是百分之百的概率。
虽然我们在上文中介绍了相关性分析，但是需要特别注意的是，相关性分析并不等同于因果性分析，相关性分析可达不到百分之百的概率。比如，虽然收入与个人的健康有很大的关系，因为收入高的人可以享受更好的物质和医疗，但是并不意味着有钱人就一定健康，现在有钱人英年早逝的新闻经常见诸报端，因此我们只能说收入与健康是呈相关性，而非因果性。
但是，在现实世界中，很多事务的因果性是很难被证实的，因为其追求的是百分之百的概率，一点差错、一个反例都不能出。「吸烟有害健康」这句话听了很多年，现在听起来貌似这两者之间存在因果性，但是其实它们也是相关性，只不过是强相关性。因为要证明所有吸烟的人健康都受到了影响，这件事是很难的。
所以，回过头来，做诊断性分析时，我们依然要从相关性分析出发，并结合相关领域的知识，通过逻辑推理，对分析的结果进行合理解释。因此，在使用机器学习的模型时，也要注意其可解释性。
另外，在大数据时代，我们看问题和分析问题时，也要转换自己的思路，从以往的寻找确定的因果性改为寻找强相关性。
最后，这里要特别推荐著名计算机科学家吴军博士所著的《智能时代》，对本节内容解释的更精彩，推荐大家阅读。
处方式分析

处方式分析回答的问题是：为了解决这个问题，我们该做些什么？或者说，为了达到某个目标，我们该朝哪个方向努力？
那么如何通过处方式分析给出相应问题的解决方案和行动建议呢？
首先，还是要进行描述性分析。通过描述性分析明确现状和问题，及业务人员和管理人员的需求，这样才能做到有的放矢。
其次，进行诊断性分析，寻找和当前问题相关的特征，并对其进行建模。
上述两个步骤在前面的文章中已经做了详细介绍。
最后，根据不同的业务场景和需求，给出具体的解决方案和行动建议。具体方法又分为以下三种：
1. 预测性分析
有一些情况，仅仅使用诊断性分析和预测性分析的模型，即可以给出建议，比如银行可根据申请人的基本信息，包括学历、收入、是否有车、是否有住房、存款金额、是否有违约记录等，去建立模型预测其信用违约的风险有多大，进而给出建议是否要给这个申请人发放信用卡，如果要发放，信用卡的额度又该是多少。
2. 仿真（Simulation）
仿真就是通过建模模拟真实世界的系统或流程，并通过不同的输入参数或条件查看其对结果的影响，据此制订相应决策。仿真在各行各业已经有广泛的应用，比如军事上初级的沙盘推演、中级的电脑模拟对抗、高级的实战演习，都是仿真。再比如飞机设计时初级的软件CFD（计算流体力学）仿真、中级的风洞实验、高级的试飞，也是仿真。当然，越高级的仿真付出的成本就越高，所以在商业环境中，主要是通过在电脑上做数学建模仿真，进而根据仿真结果给出相应的解决方案和行动建议。比如企业的成本支出和客户服务水平是一个两难问题，往往成本的削减意味着客户服务水平的下降，那如果说企业要制订年度成本削减目标，通过仿真发现成本降低5%，但是客户服务水平仅下降1%，属于可接受范围，但是当成本降低10%时，客户服务水平下降达6%，可能对公司的经营、商誉等产生重大影响，则此时成本降低5%是相对合适的，而10%就不是那么合适了。
3. 最优化( Optimization)
最优化是应用数学的一个分支，主要指在一定限制条件下，选取某种研究方案使目标达到最优的一种方法。最优化问题在当今的军事、工程、管理、商业等领域有着极其广泛的应用。比如，企业都希望利润尽量高，那如何在现实的约束条件下，达到上述目标就是一个普遍的最优化问题。最优化常用的方法为线性规划、非线性规划、凸优化、整数规划、网络流优化（物流、电网、通讯网络应用）等。
处方式分析是数据分析方法的最高阶形态，也是在商业环境中对企业最有用、产生价值最大的方法，因此希望大家未来不管是在做数据分析时，还是在设计数据产品时，都能以此为目标，我们一起共勉。
-----------------------------
内容摘自：

作者：李应龙" d2 d4 F9 c$ A! G" T
微信公众号：leeyinglong。
% I1 \6 x- S! `; C9 I8年供应链管理相关工作经验，现在杭州一家通过机器学习和数据分析的方法，解决企业供应链问题的创业公司负责产品设计的工作

2021-6-15 00:11:48

商业分析中最通用的，其实数据分析。而数据分析很简单，简单到只需要3个步骤+3个模型。

《3个步骤+3个模型，极简数据分析法》

原文发布于公众号「金龙聊运营」。
数据分析很简单。
技术流的老司机，左手SQL右手BI，溜的飞起。其实SQL、Python是数据挖掘；PPT、BI是数据展示。学会了当然很棒，不会也没关系。
数据分析不是技术流，是一种思维习惯。能帮你梳理业务，找到方向，达成目的数据分析，才是真的数据分析。而建立这种思维习惯，你只需要记住3个步骤，掌握3个模型。
这就是极简数据分析法。
建议收藏以便翻阅，也可以分享给想要提升数据分析能力的朋友和运营萌新。
以下，enjoy：
一、3个步骤

这三个步骤是，确定目标、列出公式、确认元素。
我们以某互联网金融公司A为例。
假设A公司正准备上市，当前核心目标为利润。
针对利润，我们列出公式。上面公式中，利润拆解成了 付费用户数、投资金额、投资时长、对应利率 四个元素。其中对应利率取决于资产端，跟用户侧关系不大。

商业分析能力是怎样炼成的？-1.jpg

因此，如果我想提升核心KPI—利润，就要尽可能的提升付费用户、投资金额和投资时长。
恭喜你，已经找到了发力点。
注意，核心目标会随着业务发展不断变化，比如用户运营，App初期看重新增，中期看重转化，后期看重留存。如果仍然难以确定，看看你的核心KPI。
二、3个模型

确认需要提升的元素后，问题来了。

你需要掌握3个模型。
A. 漏斗模型

适用范围：需要多个步骤达成的元素。
比如投资用户数。
达到投资用户的状态，需要多个步骤。每个步骤都存在转化率，放在一起就成了层层缩减的漏斗。

商业分析能力是怎样炼成的？-2.jpg

漏斗模型作用：提升量级。
通过提升转化率，提升单个元素量级。
有了漏斗模型，就可以分析每层漏斗衰减的原因。有些原因显而易见，有些需要做A/B测试。你可以逐层提升转化；也可以改变用户路径，减少漏斗层级。
比如，支持H5内投资的理财产品漏斗，要比下载App投资的漏斗少2个层级，转化率要高很多。

商业分析能力是怎样炼成的？-3.jpg

盈利还是亏损，有时只取决于一个漏斗。
注意，优化漏斗是个长期过程，需要每天关注。
B. 多维坐标

适用范围：具有多重属性的单个元素。
比如，本文公式中的投资用户，就有投资金额和投资时长两个属性。可以将其作为横纵坐标轴，把所有投资用户分成四组。

商业分析能力是怎样炼成的？-4.jpg

电商品类运营有个经典坐标，按流水和利润划分品类。

商业分析能力是怎样炼成的？-5.jpg

用户运营也有个经典坐标，叫RFM坐标。

这里的行为指和你的核心目标密切相关的行为。比如在本文的金融产品中，就是投资。

可触达

忠实度

价值

多维坐标作用：精细化运营。
通过多维坐标将用户分组，对不同组用户采取对应的运营措施。
首先，一定有一个象限是好的。
比如下面的坐标图，高金额、高时长的A象限，就是好的。

商业分析能力是怎样炼成的？-6.jpg

A象限的用户，是核心用户（俗称爸爸），公司的现金牛，你的重点运营对象。
A象限往往占整体流水的80%。你的活动效果好不好，运营策略给不给力，往往要看这些爸爸们的反应。你甚至可以建立一个微信群，把爸爸们都拉进去，多多交流，做好服务，时不时发个红包啥的。
接下来，你要把B、D两个象限的用户往A象限拉。
D象限，是高潜力用户。可以定向发一些大额度长期标的优惠券，比如投20w，6个月，送3000元红包。提升他们的投资时长。
B象限，是高忠诚用户。虽然可能没什么钱，但使用频次很高。可以定向发送梯度优惠券，比如投资1000送10元，投5000送投资80元，投10000送200元，逐步拉升他们的投资额度。
A是现金牛，D是A的孵化器，B用户价值低但忠诚度高，产品开拓新场景后也有可能进化成现金牛。
重要性，A>D>B。
资源有限时，请参照此排序。
时刻牢记，投入产出比！忘了的都去复习《高级运营需具备的7个核心素质》
多维坐标的适用范围非常广。比如我的公众号「金龙聊运营」里的文章，也可以按阅读量和点赞率做一个二维坐标，分析下如何写出叫好又叫座的文章。
比如你可以按事物价值的精力投入和价值衰减速度建立二维坐标，优化你的精力分布。
C. 分组表格

适用范围：随时间变化的用户属性元素。
比如投资用户数。
分组表格的原理，是将某一周（或一天，一个月）进入App的新用户，作为单独的一组用户。

商业分析能力是怎样炼成的？-7.jpg

上面的表格，就是投资用户分组表格。
横向看，是某组用户的投资用户数，随时间变化的留存情况。
比如第一行，第一周共新增200名投资用户，到第二周留存100名，到第三周留存80名……
纵向看，是某一周投资用户的构成情况。比如第三列，显示第三周的730个投资用户，是由第一周进入的80个+第二周进入的250个+第三周进入的400个构成的。
通过投资用户分组表格，我们还能计算出留存率分组表格，只需将每一行，每周的留存用户除以对应的新增用户数，即可获得下表：

商业分析能力是怎样炼成的？-8.jpg

这个表格也可以做适度变形，比如将所有数据向左对齐：

商业分析能力是怎样炼成的？-9.jpg

作用：监测&验证。
分组表格可以帮你分析清楚一个复杂元素的变化。
比如你发现投资用户数在提升，你其实很难判定原因，因为投资用户是由很多组用户构成的。因此提升的可能原因有很多，比如：

这时候，把留存率分组表格掏出来瞅瞅。

先看新增用户数这一列，发现新增用户量级确实在提升；
纵向看每一列，比较不同组用户留存。发现次周留存确实上升了，说明运营策略可能起到了一定作用。但后续的留存情况都在下降，可能是渠道质量在下降。
横向看，留存始终没能稳定在一个值，说明产品的粘性还不够。
是不是很溜？
三、总结

确定核心目标，通过公式拆解成元素，找到发力点。
用漏斗模型提升元素量级；用多维坐标进行精细化运营，更好的分配精力和资源；用分组表格检验效果，监测数据。
以上，就是极简数据分析法。
注：

最后，欢迎关注我的公众号「金龙聊运营」（id：tikuapp）。里面有n多干货，随便下载的PPT、电子书，和我的微信号。留言100%回复，有问必答。
别光顾着收藏，记得点赞！ (*•̀ㅂ•́)
转载请联系公众号。

相关回答：
王者荣耀告诉你，什么是营销？
你设计的活动/产品/文案，用户为什么不买账
想做好内容运营，学会定位还差得远呐！
所以，运营到底是不是一个好职业？
缺钱少资源，运营如何破局？
最实用、最简略的运营实战数据分析法
公众号运营的10个大坑，别踩！
万字长文｜UGC的所有秘密都在这了
高级运营和普通运营的7个区别

2021-6-15 10:16:39

这个问题下的回答已经很多了，好回答也说得很详细，我这里就从财务咨询和尽职调查的角度来提供一些建议，希望可以帮助到大家。
首先，商业分析和写文章、做软件一样，目的不同决定了形式和内容的不同。有些文章是发知乎上的，那就要写得好玩、有趣、涨知识，有的文章是写在报告上的，那就要严谨、规范、有条理。有的软件就是玩游戏用的，那就不用把好玩放在第一位。而有的软件是给银行用的，那就必须把安全放在第一位，丑一点也没事。
商业分析也是这样，做之前就要搞清楚目的，你是做给别人看的，还是做给自己用的，你是要拉高估值用的，还是降低风险用的。如果你是做给别人看的，而且是要拉高估值用的，那可能就要做些报喜不报忧的操作了，把优势数据突出出来，把商业模型搞得漂亮。在这个时候，PPT 、Word 和 PR 的使用可能比 Excel 更加重要。
商业分析能力是怎样炼成的？-1.jpg

我不是做这类商业分析的，我的主要工作是财务尽职调查，是帮 PE 和 VC 等投资机构去排查被投资对象的财务风险的。
被投资对象的PPT做得再好看，在专业投资机构的眼里也只是些纸上谈兵的东西，真到了投资决策的关键环节，很多时候还是要拿财务数据说了算。这并不是说一定要在财务上盈利（这对创业公司往往很难也不必要），而是说你要真实，要给投资机构一个起码的交代，以便他们进行风险管理。可就是这么个起码的交代，也不见得是投资对象可以做好的，有的是能力不行，有的是成心骗人。于是就有了我这种做财务尽职调查的人来对付他们。
那好了，我们这样的商业分析该怎么做呢？
大致可以总结为以下几点：
第一，理解商业模式；
第二，抽象经济模型；
第三，基于事实进行数据分析，并评估商业模式和目标企业的价值。
<hr/>理解商业模式
什么是商业模式，学术点讲，就是利益相关者在一起进行交易的结构。如果用简单的一句话来讲，就是搞清楚这家公司是怎么做生意的。我们在探讨商业模式的时候，通常会问到几个问题：

创业者可以自己问问自己要如何回答这些问题，这都是财务尽职调查人员在初次见面时会问到的一些重要问题。
这些问题指向商业模式的几个关键要素：

其中业务系统是最核心的概念，它是整个商业模式的核心架构，决定了交易中各个利益相关体分别是谁、分别是什么角色、如何交换资源进行交易。
下面我们就以一个SAAS行业的例子，来对这几个要素做些分析。大家可能觉得SAAS行业模式很简单，就是软件厂商开发出产品，销售给企业使用，收取订阅费（有些情况下可能还有提供实施服务费）。但我们不妨仔细分析下，看能不能得到更深入的认知。
1）业务系统：
业务系统通常是指，在交易中拥有实质资源能力的各利益相关者之间的关系，以及他们由他们之间的连接方式所决定的网络结构。
对于SAAS企业来讲，业务系统比较简单，交易中涉及到的利益相关方是：
SAAS厂商：负责提供产品/服务；
最终客户：产品/服务的接受者；
销售渠道商/代理商：帮SAAS厂商销售产品/服务给最终用户，通常处在SAAS厂商和最终用户之间。
2）定位：
这里说的定位是指企业满足需求的方式。之前我经常举例说，滴滴和美团对我来说是一样的，为什么呢？因为他们都是平台企业，提供服务、满足用户需求的方式是一样的，都是一边连接服务提供方，另一边连接客户（也就是服务需求方），由平台来撮合交易并向一方收取佣金。所以，虽然两家公司是不同行业的，但从满足需求这个方式来看，他们就是同一商业模式的。
回头来说SAAS公司，先看它要满足客户的什么需求？SAAS要解决是企业客户在业务运营或管理上的问题。针对这个需求，SAAS企业为客户提供的是工具，还是整体解决方案？不同的方式就对应着不同的定位，也会影响到盈利模式（后面我们会说到）。
如果是定位为提供产品，就很简单，无论是通用SAAS还是行业的SAAS，软件厂商的任务就是开发标准产品销售给客户，有些情况下要根据客户的需求提供定制化的功能模块，收取软件订阅费即可。这种定位比较直接，但也有个很重要的条件，就是产品质量决定了企业的盈利能力和价值，同时也让企业价值仅被限定在产品销售额的范围内。当然作为产品提供方，SAAS厂商可以在软件系统上不断的打磨，甚至可以进一步发展为PAAS平台，但这对技术要求比较高，持续的研发投入也很大，据我了解，目前也只有一些比较成熟的通用型SAAS厂商做到了这一步。
如果定位为提供整体解决方案，这是什么意思？就是不仅为客户企业提供产品，同时进一步下沉到客户行业的业务层面，帮客户一起挖掘业务价值。比如有些行业的SAAS软件，通过帮助客户在平台上完成交易，根据交易额的一定比例收取服务费用。
通过这里可以看到，企业本身能提供到什么层级的产品/服务，很大程度限定了企业的定位。如果企业对自己的能力没有清晰的认识，从而给出了过高的定位，其结果很可能因为无法交付所承诺的产品/服务，而最终失败。
3）盈利模式：
盈利模式是指交易中的各利益主体如何对收支进行分割以及如何计价；直观地说，就是交易中谁投入成本、向谁收费、计费方式如何。
还是回到SAAS企业来看，“谁投入成本、向谁收费”这两个问题比较容易，因为交易主体就是SAAS厂商和企业客户，显而易见的就是厂商向企业客户收取费用。但是以什么为计费基础、如何计价就是个值得探讨的问题了。
上面我们谈到了SAAS企业可以有两种不同的定位，提供产品或者是整体解决方案。在不同的定位下，计费方式也有差异。
只是提供产品的情况下，SAAS企业是针对软件收取订阅费，有时候可能会有定制化开发的费用，但仍然是针对产品本身收费。与传统软件厂商一次性收取软件使用费不同，SAAS的这种订阅制收费能够促使SAAS厂商不断的提高产品的质量、持续的服务好客户，才能保持客户的“续费率”。
如果SAAS厂商对客户来说，除了提供产品价值，还有业务价值的话，那就可以从客户的业务增长中分一杯羹。这种模式下，SAAS厂商除了从产品角度持续服务好客户之外，还要想办法不断帮助客户提升业绩，给客户带来的价值也更高。当然，这种模式实现的门槛也很高，它要求SAAS厂商对行业有深刻的理解，并且有能力依托技术资源对行业进行创新的改进。
所以大家可以看到，盈利模式同时受企业的定位、在交易中的资源能力的影响。
4）现金流结构：
现金流结构就是企业的现金何时流入、如何流入、何时流出、如何流出。
前面提到的SAAS行业，它的现金流入主要来自于软件订阅费。在国内，订阅费通常按照年度收取，合同签订后可能还有一定的账期才能收回订阅费，如果存在定制开发的需求，应收款的账期会更长，但这个过程中公司内部的开发成本、维护成本、销售成本都已经发生了。一年订阅到期后，客户是否续费（“续费率”）在很大程度上也会影响到公司未来的现金流状况。所以，应收款的账期、续费率、销售提成的安排，都会影响到SAAS的现金流。
从前面的分析我们也可以看到，如果SAAS公司不光提供产品、收取订阅费，而是能切入到客户的业务中，能够从客户的业务增长中获取收益的话，则将在订阅费之外获得额外的现金流入。
我们可以看到，现金流结构也是企业商业模式的综合体现，一个不可持续的现金流结构，最终很可能是业务模式出了问题。所以在企业价值的评估中我们通常会充分考虑到现金流结构，DCF模型也是企业估值中很常用的方法。
5）核心资源：
在现实的商业案例中，首先重要的是如何判断什么资源是核心资源，是支撑商业模式的关键。只有找准了关键点，才能说如何获取和把握核心资源。
那怎么找到核心资源？通常我们考虑两点，第一是否具有稀缺性，第二是否难以复制。
回到SAAS的例子，我们前面说了两种不同的定位，其实这两种定位对应的就是两种不同的核心资源能力。定位在提供产品的SAAS企业，核心能力应该是强大的技术优势，与之相应的就是持续、高额的研发投入。如果定位在整体解决方案，不是说此时技术能力就不重要了，而是相对来说，这种定位下SAAS企业更应该具有的核心能力应该是对行业的深入理解和在行业中特定的资源。
只有核心资源与定位匹配的时候，企业的商业模式才能完成。
<hr/>抽象经济模型
我们把商业模式解释清楚之后，就需要把这些要素、概念抽象成可量化的指标，才能做进一步的分析，尤其是数据分析。既然是量化指标，我们就要先搞清楚商业模式中的影响最终价值的关键变量有哪些，他们受什么因素影响。
仍然延续上面例子中提到SAAS企业的商业模式：
1）变量：
从前面对SAAS企业商业模式的分析，我们可以归纳出来影响SAAS企业价值的关键变量：服务的用户数量、单个用户的价值。
当然还有一点是现金流结构，这个是估值计算中的重要影响因素，但以为在所有模式中都要考虑，这里就不再单独说了。
2）变量受什么因素影响：
用户数量，受提供的产品/服务的价值、市场营销能力影响；市场营销能力受营销渠道和获客成本影响。
单个用户的价值，受产品/服务价值、计费方式的影响；而产品/服务价值受企业的技术能力、团队管理能力、产品/服务定位的影响。
我们简单用下图表示：
商业分析能力是怎样炼成的？-2.jpg

根据上图，我们可以将用户价值、用户数量有关的数据作为衡量企业价值的直接指标。当我们针对这些数据指标进行分析的时候，对于数据结果，就需要考虑图中下方所列示的这些因素的影响。
3）关键指标的拆分：
用户价值、用户数量还是比较笼统的指标，在实务中我们对这两个指标做进一步的拆解，便于在运营中做具体的跟踪，才可以进行及时的数据分析。
关于用户数量，通常我们会用：

关于用户价值，我们使用：

具体的计算公式这里不再阐述，网上都有很多说明了。
有了这些具体的指标，我们才能走到第三步，数据分析并评估价值。
<hr/>基于事实进行数据分析，并评估商业模式和目标企业的价值
在很多实务项目中，我们具体可见的工作是从这一步才开始。因为很多时候前面的分析、拆解关键指标可以通过借鉴行业里的通用标准或者以前的项目经验完成，只有在碰到新的商业模式时，我会按照前面的步骤来进行分析和逻辑推导。
到这一步，我们已经确定了关键的指标，那么要做的就是收集数据然后计算、分析。在收集数据的时候，需要注意一点，就是数据来源和数据口径的问题。这个我在很多次线下课程中都提到，数据口径定义不同，将影响到最终分析结果的准确性，所以一定要确定把你的数据口径说清楚，不会对数据结果的使用者产生误导。
数据处理和分析的过程，又是一个专业的活，这里不赘述。我要强调的是对数据结果的解读。大多数情况下，数据结果没有绝对的好或者坏，而是要考虑“合理性”。数据只有合理了才能令人信服，否则就要继续解读下去，直到合理为止。
<hr/>上面花这么长的篇幅讲了我在实务中理解的商业分析是在做什么，那么总结下，完成这样的商业分析需要具备几方面的能力：

这些能力并不是仅针对商业分析的，而是我们在很多工作中都会用到。所以，平时碰到一些商业案例多思考，不要仅看表象，多问这个现象背后是什么逻辑在起作用，为什么是这样的逻辑，而不是另一种逻辑。
最后一点，也是最重要的一点，目标清晰、以终为始。始终清楚自己要解决什么问题，再去安排具体的工作，不要被庞杂的表象牵着走而迷失了方向。

股吧聊股缕 · 2021-6-15 11:21:06

最可怕的商业凶器莫过一口箱子。
13铁器*13拼凑=169杀招，炔刀割断咽喉，枪予刺穿心脏，斧头砍下大好头颅……电石火花间，在这商场如屠场，将对手牛羊般审判。

商业分析，
即从商业案例拆解出铁块，铁管，铁片；之后拼凑为不可招架闪避抗拒抵御的那口箱子。
无非框视与因果。
框视出铁器，以因果拼凑。

先看框视，

铁器的特性？杯水沧海，彼此独立。: a3 |/ F- U! }
铁器的分类？沧海杯水，完全穷尽。3 B' u. y1 Z$ Y: ?& t8 L

框视，即将商业案例MECE，拆解出本来面目。
以俯拾即是的淘宝店铺为例，亦有广阔天地：
商业分析能力是怎样炼成的？-1.jpg

框视之后，铁器遍地，未完待续。

再看因果

因果，即从商业案例梳理出因缘果报。
以朝夕相处的身边企业为例，实则危机四伏：
商业分析能力是怎样炼成的？-2.jpg

因果了然，得意，忘形，一口箱子初见雏形。

回到原点
答题，
1
问
如何从产品外包装，分析供应链？
答
首先，框视产品外包装细节，厘清特征；框视行业供应链特点。
其次，因果分析，对比产品外包装特性与行业供应链特点，得出结论。
（不细说，承认在这一块0铁器*0拼凑=0杀招……）
2
问
从一个货架的摆放设计，从利润率、消费率、人流量的角度分析出这样做的原因。
答
首先，框视货架摆放设计的影响因素：

其次，因果当前货架摆放设计是否合理：

货品码放：7 Y) P) A- h4 `3 b% @ C
如，早餐时段是否将便利食品陈列在显著区？3 p- V4 Z( \$ \4 I) T6 Z" A# M
如，上架费高、利润高的商品是否陈列在与胸同高的黄金货架位置？' p: \5 |; F) [4 [7 `+ t
货架位置：
0 G& _$ W# |) H如，是否考虑洛伦兹力影响消费者行为，将女性化商品摆放在入口右边，方便选购型顾客；将男性化商品摆放在入口左边，方便目的顾客？如，是否将购买频繁的日用消费品放在最内侧货架，以拉伸动线？
# i/ f( Z {( N/ |' t( N7 _$ M……等等2 t0 T ~8 a4 `. N# o0 j; k

将上述3铁器*3拼凑=9杀招，继续丰满更佳。
3
问
从一款彩虹糖果上，分析为什么只设计有5种味道，为什么偏偏选这5种。
答
首先，框视彩虹糖味道分类（草莓，橙子，青苹果，柠檬，葡萄），及每种味道的特性（视觉、听觉、嗅觉、触觉）；框视消费者偏好（通过感官评定技术实现）。
其次，因果当前各彩虹糖味道分类的各特性，是否契合消费者偏好。
……（应生无所住心，应生耐心，应生耐心，因生耐心……）

END
问
如何学习、进阶和炼成商业分析能力？是否有书籍推荐阅读？
答
《创造商业头脑的7种框架力》仅限入门；
但进阶，除不断框视与因果，将铁器拼凑为杀招外，别无他法。
从
1铁器*1拼凑=1杀招
到
N铁器*N拼凑=N²杀招
从
一个沉默平凡的人一口陈旧平凡的箱子。
到
天下最可怕的武器，一口箱子可怕，提着箱子的这个人更可怕。
仅此而已。

星月樱花德 · 2021-6-15 13:35:50

如果我告诉大家，只要三句话就能学会商业分析，会不会被当成骗子啊？哈哈。这是我个人总结的一套方法，它的特点就是简单。

商业分析是一种很宽泛的能力，大到咨询公司、企业智囊，小到烧饼店铺老板、淘宝店主，或多或少都具备商业分析的能力。

然而商场永远是未知多于已知，失败多于成功。商业一直在变，不变的唯有变化本身。从最近十多年看，最波澜壮阔的改变，是互联网汹涌地冲击各领域的商业模式，老旧的分析思维开始逐步被淘汰。

从一个货架的摆放设计，从利润率、消费率、人流量的角度分析出这样做的原因；

题主在问题的补充描述很有意思。为什么货架要这样摆放，我也曾经很着迷这些分析。我还会想为什么在中小型超市，香烟、口香糖、安全套放在靠近门口的地方；啤酒和尿布的有趣案例，是否真的如此；超市的促销，为什么让利那么低。

我想关注本问题的知友，多少都有类似的琢磨。

可我并不觉得这是一种商业分析，或者说点没有达到。

假设你是一位是商业分析师，是否会整天坐在超市中研究货架，帮助企业提高利润？

我想不会，因为近十年来，影响超市的不再是货架，不再是超市的地理位置，不再是促销和供应链。

而是互联网，是电子商务，是崛起的大批互联网端消费者。工作一定年限的超市大妈，对货架摆放肯定比刚毕业的大学生更了解，但你不能说她有商业分析能力。

当超市经营的财务状况被网上消费群体冲击，当老百姓的购物方式改变。这种趋势的洞见，才是商业分析的最核心和本质。

这种洞见太稀少，我不是大师，这篇文章列举的是我的思维分析框架。偏方法论，对于想要学习和掌握商业分析的新手会有帮助。

我将商业分析简单抽象出三层，每一层都有对应的含义：营、盈、赢。而每一个字的核心思想也就一句话。我称它为极简商业分析。

第一层：

让更多的用户在更长久的时间内以更频繁的次数购买更昂贵的商品。

第一层的分析是商业经营模式的分析，这是商业经营的本质。任何企业、组织和产品都逃离不出这套框架的四个维度。你可以发展和引申它，但不能减少它。

这里的商品，不止是摆在货架上的糖水和洗发水，也包括一切商业服务、互联网产品、企业SaaS、游戏的虚拟商品等。

商业模式的靠谱与否，至少需要满足四个条件中的一个。如果一种商业即没有用户，又没有长久的消费动力和频次，人们还不肯花钱。这种商业模式还是趁早死了吧。

换言之，如果商业想要发展，就需要往四种方向中的一种或两种靠拢。所谓的产品定位，我更喜欢抽象理解成聚焦在四个维度上。是定位在更多用户，还是更长久的时间？

我们先详细讲一下四个维度。

更多的用户

更多用户，衡量的是市场体量和大小。这个商业模式好不好，第一个指标就是用户量或者潜在用户。堪称商业模式的金线标准。

在20年前，用户的称法实际是客户。任何一本有点年份的市场教材，都会引用［客户就是上帝］。互联网兴起后，这个称谓悄悄改变了。

因为互联网天然带着连接的使命。

想一想吧，以前我们说客流，一家咖啡店或大型商场，它的成功是和客流息息相关的。停车方便、地段繁华、地标醒目都会影响到客流的多寡。但是在淘宝京东兴起后，商店门前还有多少客流？全变成了电商平台的用户。

与线下对应，线上的客户和客流，更喜欢称为用户和流量。

客户天然具备消费属性，而用户不止是消费，用户有更广阔的商业价值。

想一下移动端无处不在的广告。用户的点击和浏览，都是广告主的商业变现；

想一下朋友圈愈发兴旺的传播，每一次病毒营销，用户都是推波助澜的营销推手；

想一下各类手机游戏，平民玩家不花钱，但是平民玩家才是最凸显RMB玩家的基础；

想一下大数据，不消费本身就是一种可供改进商业决策的行为数据，有一群不买的用户，我才能分析出什么样的用户会去买；

用户具备更加多元的商业属性。客户死，用户生。

用户在哪里，商业就会在哪里。我们用一句哲学的话概括。用户从哪里来，用户到哪里去，用户是谁？

从前，客流从商业地段、电视广播、报纸广告等地方来。

现在，用户能从微博微信、应用商店、搜索引擎、新媒体等地方来。远较过去有更多的渠道。

用户是谁？用户有潜在用户，有普通用户，有忠诚用户，有流失用户；有竞争对手的用户，有细分市场用户，有核心用户。

用户的质量和数量等同重要，商业希望有更多的用户，这没错，更希望用户是目标用户。这比更多重要。因为某次营销而吸引来一批羊毛党的垃圾流量，是得不偿失的。

用户到哪里去，就是让用户完成你预定设立的目标。超市最有价值的用户是站在收银台的用户。甚至以更严格的定义要求自己的用户，而不是注册、安装、打开等简单流程。

商业的战争就是争夺用户的战争。如果没有用户，就没有后续一切商业的基础。

更长久的时间

更长久的时间，衡量的是用户生命周期（使用产品时间服务）。换一个接地气名词，叫做客户忠诚度。在互联网行业，也有另外一个指标：用户留存率。

商业很残酷，获得了用户，不代表你能留下用户。很多商业分析师们，会错误的把用户满意度误认为用户忠诚度。

让用户满意是获得忠诚的一种方式，不是结果。

我很喜欢你的这次洗车服务，但我下次不会用了，因为你这次有优惠。

前一句话是满意度，后一句话不会用是忠诚度。

怎么获取用户的忠诚，怎么样保证用户生命周期，一直是商业家们头疼的问题。如果用户和流量，是决定市场蛋糕大小的话，用户生命周期则是蛋糕的奶油。市场的蛋糕有上限，商业实体为了获得增长，一定会掠夺其他实体的用户。在掠夺的前提下，用户忠诚度是留存增长的保证要素。

我很喜欢你的这次洗车服务，但我会用B家的产品，因为它离我家更近。这次我来参加，只是因为你们的优惠活动。

用户究竟会使用产品多长时间？只有当用户离开的时候，我们才会知道用户生命周期，但谁会希望离开的情况发生呢？商业运作会尽力防止这种情况。

一是延长用户使用时间，二是防止用户离开。分析也可以从两种角度出发，如果拥有某种功能或服务，用户会不会更喜欢我们？如果砍掉某种功能或服务，用户会不会离开我们？很多功能和服务其实处于中间态，对用户的忠诚度不甚有影响。

部分产品和服务，用户使用时间是受限制的。例如怀孕，一款孕期管理APP，最理想的用户使用时间就是十个月，商业模式也只能在十个月的范围内展开。如何延长使用时间？在APP中加入备孕功能是个不错的主意，在怀孕前，就让准妈妈们开始使用，另外则是往后推出新生儿相关的功能，那么产品的使用时间又近一步延长。备孕、怀孕、幼儿，横跨三个阶段的商业周期。

用户会使用多个产品，但只会忠诚于其一。

更频繁的次数

更频繁的次数，衡量的是用户的消费需求。不同的商业场景下，消费频次肯定不相同。

消费频次分为刚性频次和弹性频次。

什么是刚性频次？就是受各种客观因素影响，固定不变或者接近某一个固定规律。结婚就是刚性的频次，一辈子基本只有一次，任你市场营销再牛逼，婚姻类的商业变现也就一次机会。

其他类似旅游，保险等。都是进行过一次后很长时间都不会再进行，是刚性频次。

弹性频次则是相反，由用户自身的意愿决定。快到一天一次，慢到一月一次。购物、出行、社交都是弹性频次。

怎么定义商业频率，即包含重复性消费／复购，也包含复合性购买。比如我喜欢一家店的咖啡，我会成为回头客，每个月去喝一喝。这是重复性消费。我在喝的过程中，会再点一些甜品、水果等。这是复合性的消费。

更常见的例子是大型商场，用户会同时进行看电影、购物、饮食等消费。虽然不是在同一家商家，但是从商场的角度看，消费显然满足高频。在各类优惠促销中，我们既能发现满返券的回头客营销，也能发现全品类通用的复合营销。

当用户消费频次下降的时候，从一个月消费十次降低到一个月消费一次。我们有很大可能认为，他对产品的满意度、需求、期望在下降。可能是竞争对手的横刀夺爱，可能是产品不够好。

当用户消费频次上升的时候，他则有更大的倾向变得忠诚。

更昂贵的商品

更甘贵的商品，衡量的是用户消费能力。更昂贵重要，而更重要的是要产生购买的行为。

这里先理清两个概念：价格和价值。

价值是原材料、物流、研发的体现。价格是市场、品牌、公关、包装的体现。价值高的商品价格不会低，价值低的商品却可以价格高。这两点很容易理解，在商品社会，商品能卖出多少钱，往往因为我们相信它值多少钱而决定。例如水果和水果拼盘，这是营销的心智认知。

让用户买更昂贵的商品，本质是让用户更相信这个产品昂贵。

奢侈品、钻石、艺术品是传统领域营销的佼佼者。而互联网行业，则也有发烧友的手机，情怀党的手机等细分市场的杰出营销。所以价值高于价格是商业的常态。

上文说过，商品是多元化的概念。广告就是一种新的商业形态。无论用户点不点击，曝光了，就产生了商业价值。游戏的虚拟物品也是同样的道理。在互联网上，商业的价值被无限拓展了。

在更昂贵商品的维度中，不同领域有很多相关指标描述其价格或价值，客单价、ARPU、CPC等。

用户量，生命周期，消费频次，都是为这第四个维度所做的铺垫，就是从用户身上掏出钱。掏钱是很赤裸也很实际的商业问题，商业化的过程中，变现过程可以延后，但不能没有。

价格可以很低，比如广告点击，比如佣金抽成。哪怕零点几元，也是定义出了价格。有价格就有收入，就能增长，就能改进。不论价格是什么形式，它都说商业最基础的因素。

互联网行业有一种固定的思维模式，先获得足够的用户量，再培养用户习惯（忠诚度），最后思考商业变现。很多企业都倒在最后一步，变现乏力甚至无法变现。实际四个维度并不是层层递进，没有因果关系。换一种方式思考，就是产品没有价格这一因素。

任何一个商业模式，它都能以此四个维度决定，它就是我们的商业分析框架。

举个例子，小区门口有一家老王烧饼铺，生意兴旺。假设你是一位商业分析师，你会怎么分析老王的烧饼铺呢？

老王的烧饼铺，用户和客流是受地理因素影响的，辐射地就是小区周围，也就是说客源有限。烧饼这种早餐，不管小区爷爷奶奶还是白领，每天早上都可能购买，对吧，满足高频的要求。只要老王的烧饼味道好，小区住户们不会排斥，那么忠诚度能保证。更昂贵的价格？对不起，烧饼真的很难卖贵。

老王拥有的优势是高频和长久，劣势是客源和客单价。再深入想一想，应该怎么解决客源的问题？为了获得更多的客户，开分店可不可行？越多的分店意味着辐射更多的地区，那么客源，以及潜在客源，就上升了。

我之前是传统商业思维前提。我们从互联网的角度去思考，哪里有更多的用户？那就是拥有流量入口的几款APP了。用公众号推广？用大众点评吸引用户？加入O2O平台？这些都是方法，靠谱与否就需要深入分析了。

我们把四个维度列举一下，做出一个矩阵，就更清晰了。

商业分析能力是怎样炼成的？-1.jpg

因为框架足够简单，所以容易掌握。

我们基于四维度框架思考，实际上，很多成熟的商业模式，或者商业工具，都是为四维度服务的。

航空的里程数，就是实行忠诚客计划，让航空旅客持续使用自己的航空产品。不要转投竞争对手。这是针对更长时间。

CRM系统，常见的后端向企业工具，它的目的是什么呢？一样是为了用户的忠诚度。

甚至很多商业模式，会进行维度的转换，牺牲一个维度换取另外一个维度的数据提升。

沃尔玛的薄利多销，牺牲更昂贵的价格，换取用户更高频次以及更长久的消费。

团购，则是互联网行业薄利多销的变种，牺牲更昂贵的价格，换取更多的用户。

这是反向思维分析，能不能利用一个维度提高其他维度，而不是一味的增加。

四维度我赋予了一个很重要的特性，它们都是可以量化的，是指标。用户量，价格，生命周期等，都是能作为数据被分析，被观察，被对比。这是四维度的价值所在，如果你不能衡量它们，就不能增长。这也是我强调“更”的含义。

在框架上加入商业的数据，以数据的角度去分析，这是衡量分析能力的分水岭。

四维度是第一层框架的基础，实际上，你也可以增加自己的维度，例如更好的产品质量，更优质的服务等等。我不否认它们在某些商业领域会更重要，但是没有普适性，也不方便量化。其实，它们也还是能被归类到四维度中去，产品质量，是为了让用户相信花钱购买是值得的，那么属于更昂贵的购买，优质服务也可以归纳到更长久时间。

最重要的还是分析本身，除了框架，商业经验、业务理解，知识面都是不可取代的。所以我不在这里长篇大论，而是希望大家能够理解原理和应用。因为简单，所以能掌握，以及发展，让它变成每个人独一无二的思维方法论。

第二层：

用更高的效率以更低的成本抢占更多的市场并且更好地满足用户需求。

这一层不限于经营模式，而是管理模式。

第一层的四个维度，并不能帮助商业模式活下来和活得久。因为企业需要盈利，第一层框架对应的只是GMV，而不是利润。

我能通过投入重金烧钱，很快地积攒出足够的用户数，各方面的数据会很好看。但企业盈利了吗？未必。

第二层框架，就是商业管理框架，我们不仅要经营商业，还要能管理商业、控制商业。中国老话说得好，第一层是用来发江山，第二层是守江山。

2008年金融危机，动荡纷呈，很多企业尤其是金融公司陷入到了危机当中。这时候的企业应该做些什么？提高客户忠诚度？扩展第三世界新兴市场？想办法获取更多利润？

这些都是第一层分析的方法，也许有效，但是对下一刻可能就倒下的企业，它们做的都是不约而同的一个选择：裁员。通过裁员大幅降低支出，选择的是财务防守型策略。

第一层的分析，可以定义成进攻型分析思维，指标都是更多更好更强的要求。第二层再引入防守型的商业策略的思想。

更高的效率

这里的效率，不限于企业管理，也看资源的配置和运营。

传统企业有六西格玛管理。互联网企业有快速迭代、MVP。都是典型的效率应用。能否合理的优化组织架构，或者运用商业资源，都是商业指标之外的真功夫。

更高的效率是服务于第一层的四个维度的。怎么让四个“更”越滚越大。

效率是一个很难量化，也很难实施的概念。越大的企业越难追求更高的效率。

从企业组织团体的内部看，彼得原理点出了效率的悖论：在各种组织中，由于习惯于对在某个等级上称职的人员进行晋升提拔，因而雇员总是趋向于被晋升到其不称职的地位。

但商业分析不会太多涉及到这块，我们看资源配置和运营的效率。直接影响第一层的四个维度。

举个例子，我曾经不止一次拨打客服电话寻求解决方案，在那些特别大的公司，会划分出多个部门，普通用户很难只通过一次电话找到解决方案。我需要不断拨打其他部门的电话、转接，一次又一次陈述自己的问题，记住是一次又一次。这种效率对用户来说很致命。因为用户会流失，商机会错失。

以最大的努力驱动四个商业维度，却没有效率，这不得不说是一个讽刺。

更高效率地获取用户、更高效率地拉取回头客、更高效率地鼓动消费频次，更高效率地卖出高价品。可效率没有绝对，传统地面销售人员和病毒传播营销，两者有实际的优劣好坏么？嘀嘀打车获取第一批司机，也只能靠人肉地推呀，不是么。

回到我拨打电话寻求解决方法的问题，什么才是好效率？在我第一次拨打时，就应该把我的问题记录下来，在后续的转接过程中，每个客服人员都能先知晓我的问题，而我不需要重复。长久以往，用户自然会喜欢，会忠诚。

好的效率，应该是能高效地替用户解决问题和需求。这是效率的第二层含义，在日趋激烈的商业中更重要。

依旧是我拨打客服电话的例子，这次是好案例，当我第三次拨打电话时，虽然我的问题还没有解决，但至少我的基础信息被录入了，客服知道我姓什么，X先生您好是一个好的体验。

效率有很多提高手段，不同行业不一样，例如数据驱动，就是互联网企业一种高效驱动的方式。CRM、用户画像、精准营销都是其延伸的应用。

在看京东物流，京东送货快么？快。我们可以说它效率高。可是反过来想，京东都是送货，却没有收货。每次车子送货到用户家以后，回程的车基本都是空载的，这是不是一种效率浪费？所以这是京东开放其物流的一个动机。

效率是相对的，效率永远都能被提高。关键是分析时能不能发现，这也就是相关业务经验的重要性了。

更低的成本

商业成本各种各样，哪怕商学院的教科书，也无法事无巨细列出所有成本。商业模式的推行中也伴随隐形成本。

商业的成本，大致分为两类：固定成本，变动成本。

固定成本有办公费用，人员工资、差旅费用等。这些是不随产品或商品变动的部分。

而变动成本则是与产品和商品相关的产品。固定成本都差不多，区别在变动成本这块，制造业、服务业、互联网行业会有很大的差异。我们将分析聚焦在这一块。

如何分析？以第一层的框架为基础：

更多的用户，获取一个用户或客户的成本是多少。这些成本能不能降下来？

更长久的时间，为了一个忠诚用户需要多少支出，用户在使用产品和商品过程中产生了多少收益？用户用了产品两年我一分钱都没赚到怎么办？

更频繁的次数？为了促销花费了多少，ROI是多少？

更昂贵的商品，营销的费用是多少？客单价是多少？商品的生产成本是多少？这些成本后续支出能不能收回来？

市场和运营的哪个环节投入，能够获得最大的回报？

引入成本，将商业分析的视角拔高到新程度。在更多更好更高的天平另一端，压下了一块砝码，去思考一切的商业行为是否值得。一个好的商业分析师心中有一把尺子，它衡量的是无数指标背后的财务意义。

能把在用户身上投入的钱赚回来的商业模式才是好模式。

成本还有其他概念，例如时间成本。商业模式有时间窗口期的，错过机会了就是错过了。例如财务风险成本，人民币贬值，势必对海淘相关商业造成打击，但能提高外贸行业利润。

成本各种各样，但肯定是越低越好。

更多的市场份额

市场充满竞争，商业永远不会是一场悠哉的单机游戏。任何一个成功的商业模式注定会有对手，没有对手只能说明商业模式注定失败。竞争对手会掠夺你的用户、降低你的价格、转移用户的忠诚，怂恿他们放弃你的产品。

它们不仅在第一层的经营模式和你竞争。也会在第二层和你竞争。和你比效率比成本。

在现在，产品与技术已经很难构建竞争壁垒。和几十年前比，现在商业模式的建立难度比造一台电视机生产线容易得多。

竞争场中，商品往往不是在产品质量上两军对垒了，而是产品之外的层面，比如服务、比如体验店、比如更细分的用户群体、或者某个出彩的营销点。竞争在各个维度展开。

另外一方面，市场蛋糕就那么大。瓜分蛋糕的商家们，肯定希望自己吃到更多的蛋糕，那就只能去抢对手的吃。

移动互联网的下半场就是抢蛋糕吃的市场。在最初的红利期，蛋糕还足够大，公司们足够小，一切都够吃。但是如今，下半场开始，竞争变成了打死对手吃蛋糕的格局。

市场份额可以粗略地划分实体和线上。实体受地理位置影响，比如北上广、中国市场、亚太市场、北美市场等。只要涉及实体，从超级卖场到烧饼铺，都脱离不开空间属性的影响。

线上份额，即流量，是随着互联网兴起的新兴概念。流量不那么涉及空间属性，虽然有完全脱离地理的视频音乐游戏，但也有O2O。所以我用了不那么涉及这个定义。

流量有一个很明显的趋势是，随着网民数量趋于饱和，商业模式将会进入到争夺用户注意力和使用时间的战场上。几年前说的是“量”，现在说的是“流”，因为用户换一个APP的成本太低，注意力也太容易被吸引。这是第一维度更长时间的延伸。

如果分析商业的份额，一看用户量，二看使用时间量，三看金额量。如果要分析商业的竞争格局，一看份额总体预期，二看份额增量，三看竞争对手数量。

更好地满足用户需求

用户需求产品经理们爱说，商业分析中也爱说。商业上的祖师爷，福特，就是造汽车的那位，说过：消费者想要一匹更快的马，实际上我给他们更快的车。

这就是需求。

我们很容易混淆需要和需求。需要是一匹更快的马，需求是更快的代步工具，更深层次的需求是我能快速达到我的目的地。需要是明确表示得到的一个结果，需求则是驱动需要的深层价值。

很多商业模式并没有理清楚需求，用户寻求的从来不是产品或者服务，而是解决方案。用户的消费、用户的忠诚都是围绕解决方案进。你能解决我问题，我才会对你忠诚。商业上也许存在让和尚买梳子的案例，但这不是需求的常态。

用户需要出租车，但出租车不是因为满足租车需要而存在的，而是用户要达到某一个目的地。它可以是机场、火车站、酒店。工具可以是地铁、步行、自行车。出租车实际是一种现实世界的物流链接。

如果再来看市场份额，我们就会发觉，打车租车市场，竞争关系不仅是滴滴、快的、Uber之间；还有地铁、步行、摩拜，这些同样构成竞争关系。这是基于需求的解决方案所决定的。

这几类竞争，在第一层的四维度各有差异，例如摩拜和滴滴价格就不一样。但是达到在用户需求上有达到了统一。

用户会有无限的需求，需求只会增多，不会减少。

最初电视机只要黑白就行，后来出了彩色电视机，然后宽屏电视机，之后对厚度也有要求。现在则希望智能化联网化。今天满足了用户额外期待的需求，在明天就变成了人人都要的基础需求。

用户需求的分析是商业的一个难点。第一是我们容易混淆需要和需求，第二是需求在改变、在变多，在复杂。第三则是满足需求的成本和企业自身商业诉求的平衡。

基于需求，可以用反向思维的角度思考：如果我不满足用户的这些需求，用户会不会马上离开，会不会不开心，四个维度数据会不会下降？

即便企业做到最好，也不能满足所有的用户。很多商业模式就是基于细分市场去满足用户的。

最常见的例子就是航空公司的VIP旅客，能够享受优先通道，能享受商务舱服务，能进入VIP侯客厅。普通旅客的需求是到达目的地，VIP们则需要更舒适的体验。互联网企业，更近一步，将数据和技术结合，用精准运营、个性化推荐的手段解决。

这些手段，都是逼近更好的满足用户需求这一前提。可用户的需求不会一直被满足。对有价值的用户，做到超越用户所想，达到深层的需求。这是所努力的目标。

第一层的分析，聚焦于商业模式如何经营，是否能活下去。

第二层的分析，聚焦于商业模式如何管理，是否能活得久。

第一层和第二层是相辅相成的，很多小而美的商业模式，不需要考虑太多的第二层因素。比如烧饼铺，哈哈。但商业想更近一步，分析想更近一步，那么第二层就必须理解了。

第二层的核心我已经讲过了，拔高思维框架。引入成本概念，那么四个维度是另外一种看法；引入竞争概念，那么商业中的攻防思维也有了；引入需求，则不是盲人摸象而是有的放矢。

除了主要维度，还有其他因素也会影响我们的分析，例如政策影响，例如宏观市场波动。这就是商业上的黑天鹅了。

第三层

用更好的创新搭建更大的生态延伸更多的领域。
% n1 Q$ m$ G" D, \, h1 V1 T
这一层只是我的设想，这是纯粹的商业战略层，第一层能活，第二层能活得久，第三层是活得好。做吃肉的那一批商业巨头。

但是商业模式，越往上，越做大，不确定的成分越多。很多时候也不得不承认那虚无缥缈的运气。

我自身没达到这层水平，这一层只是推演的纸上谈兵，大家看到了，笑一笑也行。

更好的创新，是为了颠覆旧有的商业模式，创造出风口，创造出红利期，创造出趋势，但是创新是一种态度，是属于时代宠儿的能力。商业中更多的是微创新，在旧有的层面上做改进。

更大的生态，是平台战略，不在限于一个商业模式的得失，而是商业模式*100的状态。支付场景，流量入口这些概念，就是由无数商业模式所构成的生态。

更多的领域，是现金流充裕的情况下，用投资、收购或者自己单干，从原有的生态中跳出来开辟一个新生态。

这里说得越多，自己越虚，就当给大家一个思路吧，也欢迎大家留言补充。或许几年后，我自己都会推翻这一层。

暂时禁止转载，还要修改和补充一些内容。

起校斯必奖 · 2021-6-15 16:16:55

是在无数个尝试和反馈之后炼成的

应该说不仅仅是商业分析能力，你工作生活中的各种细节处理办法、各种看问题的角度、你的思考能力，都是经过实际动手，并得到反馈，你才具备了这个能力、或者说经验、见识的。

所以说回本身的问题，商业分析能力是怎样炼成的。说到分析，先要明确一件事情，分析是要建立在已经你做过的尝试接触上的，你要对你做过的事情的结果做一个分析，而不是从什么网站，下载一份数据报告，当个言论的巨人侃侃而谈，这不是商业分析能力，这是蛋逼能力。真实情况是，你只是一个行动的侏儒。所谓的商业分析能力，是一个结果，前提和重点是做足够多的尝试。要试才有结果，有结果才能分析。

做什么尝试？分析什么？
也就是说清楚：
你做了一件什么事＋针对谁＋让针对的对象得到什么好处

2014年底，我做了一个在线教育项目的尝试，1个月后，我验证了用户有需求这个结果，所以我做了一个网站，网站到今天，运营了1年半的时间，从不盈利到盈利，我的团队伙伴也越来越多，我们从很小很破很冷的民房搬到了有阳光大了很多很暖和的民房。当然在今天网站仍然有很多地方需要调整，并且这个优化的工作会一直持续，没有终结的一天。所以事实上，商业分析这件事情，对我来说也从来没有停止过。我只能说我记录了用户的一个又一个行为，我验证了用户一个又一个需求，在这个非常漫长的过程中，还需要不断剔除用户的伪需求，需要真金白银的验证用户会为哪些事情付费。在这个过程中，也是产品慢慢长大的过程。我长话短说，用我的经历来复盘一下，在行动中，得到了哪些结果，得到了哪些“商业分析”的经验。

2014年底
因为一直在做互联网营销的工作，人话一点说就是帮助互联网产品带来流量。所以非常清楚在这个行业里面很多人在刷数据做无效的工作，也很清楚很多公司都在关注微博转发数、微信阅读数这些最最表面一层的宣传数据，这些数字不能等同于帮助产品获得了多少实际的流量效果，所以我讲了一套免费课程。如图：
商业分析能力是怎样炼成的？-1.jpg

在课程中，我放了一个QQ群，用于学友之间的讨论和答疑，进群的人越来越多，我就和用户聊天戏言，正经系统的讲讲这个如何获得有效流量，是否有人愿意付费，大家异口同声的说：愿意。所以我用1周时间自学了一下PS，自己画了总计5个页面，找了朋友帮忙搭了网站，1个月之后，网站上线了。最初是这个屎样子，（目前网站已更名，现在名字是暖石，网址http://www.nuanshi100.com）如图：
商业分析能力是怎样炼成的？-2.jpg

你看到了，超简单的几个页面构成。
这个时间点我获得的所谓商业分析能力：有大学生在为了求职犯难，因为没有有经验的人给他们传授经验，他们也不知道该怎么做

2015年初
在网站上线后，我持续的和用户沟通，事实上我和每一个用户都做了1v1沟通，大家给了我很多很多的反馈，反馈最多的是：不知道怎么写文案；不知道怎么进入互联网行业；不知道怎么做数据分析。所以我开始把这些知识录制成课程。因为我个人非常看重课程质量和知识的有效性，所以第一我在按照用户的需求去更新内容，第二我会时时调整课程的内容，有哪里听不懂的重讲，直到一个具体的课时能让大家听明白。到今天文案部分的课程，已经从最初的十几个课时，更新到现在的几乎40个课时。
还有一点也是用户反馈给我的。大家在听完课程之后，自发写了很多文案作品，拿给我来看。我一看我靠，很多人写的文案很不合格，于是我想到，看完课程是不能做到马上用在自己的实际工作中的，需要有人来指导，来指出来大家的问题，所以我们的网站从一开始，就提供了作业批改的服务，这事儿说实话干起来挺吃力的，因为每天都有很多人提交作业，但是为了学习质量，这件事一直坚持下来。
在这个过程中，我持续的得到了商业分析能力，到今天我们也在收集用户的反馈，为什么选择了我们的产品，用户会告诉我们，因为有实操练习，因为有人指导学习。下图是我们的付费用户调查表，这是其中一个问题的截图：
商业分析能力是怎样炼成的？-3.jpg

2015年底
随着付费用户越来越多，用户的身份也在一直发生潜移默化的变化。在一开始，课程会更偏向于大学生，因为在最最初的付费用户身份是大学生，细思原因，是因为最初的课程是发布在公开课平台，公开课平台的用户大学生会比较多。当付费用户变多的时候，我们发现更多的付费用户是在职人员。因为大学生还没有步入社会，还不能足够理解，没有工作技能会有多疼，所以学习的意愿不是那么强烈。但是对于在职人群来说，要不就是在一个工作很固定、学不到知识，未来看不到前景的职位工作，要不就是已经进入了互联网行业，但是两眼一抹黑啥也不会。这些人的学习需求更刚性。

所以我们更新了更多职业发展的课程。我也自己去搜索了一下这方面的资源。发现确实市场中没有人在系统的讲解这些知识。当我们上线了这些课程后，发现大家非常喜欢，更让我们开心的是，课程上线不久后，开始有同学发来捷报，有人顺利转化、顺利入职、顺利加薪。所以我恍然大悟，一直在更新什么文案、数据分析这些硬技能，对于软技能没有涉及，所以我们有紧锣密鼓的在更新职业发展相关的各种技能。这又是商业分析能力技能点的增加。

2016年
整个上半年都在持续的更新课程、改进实操练习、增加服务项目、各种细节优化网站。5月份的时候上线了一大批课程，140课时左右。然后在10月份的时候犯了一个很大的错误。网站本身是做互联网营销知识教学的，做过营销或者产品、运营的人应该知道，产品、市场、运营工作之间，会互有交叉。但是本身的工作区别还是有。所以我希望把产品、运营的课程，变成两个新的网站。当发布这个消息的时候，整个网站的学员都炸锅了，认为在把本来一个网站应该更新的知识分开了，这属于变相收费。问题在于，我只是从知识分类的角度去思考了这个问题，没有从用户利益的角度去思考这个问题，所以导致用户非常不满，这是用户的声音，这是用户的反馈。当然我已经把这个问题解决，我们把所有的课程，都在同一个网站去更新，当然我们会对课程的内容重新分类，这样不会损害老用户的利益。这个也属于商业分析能力的技能增长点。

写着写着就多了。做个结束吧。
说到商业分析能力，我想说这个能力是一个结果而已。
商业分析能力不是聊天聊出来的，也不是看书看来的，更不是拍脑袋想出来的，而是在无数个尝试和反馈之后才能炼成的。重点在于做，做过之后就会有结果，不管是做对了，还是做错了。

所以不要做一个键盘侠，不要做一个行动的侏儒。

-------------------
更多文章，关于公众号，【张君学习圈】，mrzhangsay，持续分享让你进步的思维方式

抱布人哉 · 2021-6-16 01:06:31

有些商业分析能力是从试错中反思而来的。
商业人士最爱犯的问题就是，他们普遍认为消费者都是理性的决策者，完全知道自己喜欢什么不喜欢什么，而企业只需借助先进模型、大量调研和大数据分析，就能真正了解消费者行为。
这样的问题甚至连乐高这样的玩具公司巨头也栽了大跟头。
在乐高的困境中，他们利用人类学的一系列方法分析了乐高的现状和商业环境，检视了以往关于消费者行为和创新的 10 条错误假设。
人类学如何帮助乐高走出困境

大家应该都熟悉乐高玩具，这是今天的游戏巨头，但你可能不知道，乐高曾经在 2004 年陷入过严重的经营危机，当时，日损金额达到 100 万美元。
《意会时刻》这本书里讲到过乐高的这次困境。
在此之前，人们普遍认为消费者都是理性的决策者，完全知道自己喜欢什么不喜欢什么，而企业只需借助先进模型、大量调研和大数据分析，就能真正了解消费者行为了。
人们还认为，创新就等于稀奇古怪，创新就意味着剧变，创新有一定的套路可循。但真的是这样吗？
当时，公司内部讨论如何减少亏损。他们认为，孩子玩乐高的时间在减少，因为相比数码游戏，乐高很落伍。
所以，公司决定，提升玩具的科技感。他们花了很多钱挖来汽车公司的设计师。可是，销量依然不好，市场占有率还在不断降低。
乐高管理层感到很费解，为什么没用？
后来，他们换了一位首席执行官，组建了一个「乐高人类学研究小组」，让人类学家进入到世界大城市的家庭中，像纽约、洛杉矶、慕尼黑等，花了几个月时间，不干别的，就只是去观察孩子，了解孩子们是怎么玩的。
这里，需要提醒你，他们只是单纯地去观察，尽量不带预设。最后，这些人类学家聚在一起，得出了跟以前很不一样的结论。
首先，实际生活中，今天的孩子被保护得太好了，他们只有在玩游戏时，才能获得自己的空间，所以孩子其实很愿意投入玩玩具。这跟乐高之前的想法相反。
其次，孩子们非常喜欢通过游戏来学习技能，也会通过游戏进行人际交往。
于是，乐高抛弃了高科技路线，回归自己的核心竞争力，那就是乐高积木。搭积木要求孩子投入很多时间，让他们学会组建复杂事物，并积极跟别的孩子互动。
从此，乐高起死回生，成为了市场的王者。今天，不仅是孩子，很多成年人也热爱乐高。
乐高之所以能成功应对商业危机，就是因为它们转换了视角，是从玩具生产者的角度转到了孩子的角度。
一开始，它们想的是，「孩子需要什么样的玩具」后来才意识到，他们更应该关注「游戏在孩子们的生活里，究竟扮演了一个什么样的角色？」这就是换位思考，也就是人类学说的内部视角。
人类学家有四个步骤来不断推进换位思考。
第一步：看人与人的社会关系

第一步，理解一个现象，首先看参与其中的人彼此之间是什么关系。
很多时候，事情之所以变得这样，是因为参与其中的人之间有这样的等级地位、各自掌握不同的资源，也有不同的责任和义务。
举个例子。今天大家都喜欢比较美国和中国大学教育的差异，那么，该如何恰当地理解二者之间的差异呢？
内部视角要求把教育放到各自所在的社会中去，弄清楚参与教育各个环节的人，也就是老师、学生、管理人员之间是什么关系？
在中国，行政在教学和研究之上。制定培养方案时，有时优先考虑的不是学科的基本原则和技能，而是符合学校行政要求的表格，再根据表格安排课程。

使用 App 查看完整内容目前，该付费内容的完整版仅支持在 App 中查看
????App 内查看