发布时间：2022-09-03 04:00:02源自：https://www.it-th.com作者 ：it谈话网阅读(301)
阿北
做好业务分析的重点在于数据分析师要有良好的专业素养：一方面要有过硬的专业技能、了解业务另一方面要能够通过合作和协调，让分析策略可以落地并正向影响业务。这些内容在书中都会有介绍，本篇文章主要先带大家了解业务和数据的关系，先建立宏观的认知。
业务和数据，可以理解为映射关系，数据是业务在数字世界里的另一个它。举个例子来说：你衣服鞋子的尺码、喜欢吃什么口味的菜、爱看什么内容的文章、什么时候起床和睡觉等等，所有这些个人的数据都在云端被记录着，它就是你在数字世界里的映射。网上之前流行的一句话很有意思：手机可能比你自己还要了解你。就是因为它里面存储了一个数据的你。
我相信大家都清楚，手机用的越频繁，越多个人的数据被记录，它就会越好用，然后你就会用的更频繁。业务和数据就是这样的闭环促进关系：业务越全面、越深入的被线上化，反过来数据对业务的赋能就会越大。
业务线上化，存储业务所产生的数据，记录业务
图1 业务和数据闭环
公司在追求业务商业价值最大化的过程中，会涉及到多个部门间的合作。下面我们就按照图8-1中的数据流转链路来梳理一下不同部门（岗位）主要的职责边界，以及整体是怎么串起来一起协调工作的。
负责协调研发、测试、设计等部门，从实际业务需求出发，上线产品
建立体系的分析框架评估业务状态，定位业务问题，指导业务的发展
负责协调数据开发同学将业务数据模块化和体系化，同时将业务分析框架产品化，提升数据赋能的效率
根据业务方向，通过短期的激励活动，引导用户认识到产品的长期价值
在实际的工作中，涉及的部门会更多，比如还会有算法部门、研发部门、用户研究部门等等，这里就不一一展开跟大家讲了。具体的合作过程：首先是业务产研团队基于实际需求，上线产品，当业务数据被收集上来以后，会同步到数据仓库，数据开发工程师根据数据产品经理的需求对数据进行加工处理，数据分析师会全面有逻辑的去拆解和分析业务，并同数据产品经理一起合作把分析框架沉淀在数据产品上。数据分析师、数据产品经理和数据开发工程师一起搭建了整个业务的数据体系，然后对外输出：评估业务状态、数据支持运营活动、分析产品迭代效果等等。
接下来我们会就其中的数据分析环节展开来讲，在这之前，先宏观的了解一下从数据到决策会经历怎样的一个过程。
我们时刻都在被数据所记录着：年龄、身高、体重、消费金额、运动步数等等，如果只是单纯的去看这些数字是没有意义的，要用心去思考数字背后鲜活的业（灵）务（魂）。说到这里，阿北笑着又重复补充到：业务是有灵魂的！当我们从这些数字中发现业务背后的信息，再将这些数据和信息转化成一组规则来辅助我们决策（知识）的时候，数据就会变得很有价值。这个过程就是：从数据到信息，再到决策（知识）。
跟大家举个生活中的例子：体温39度是单纯的数字，背后的信息是发烧了，做出的决策（知识）就是需要去医院看病。
图2 数据-信息-知识
对于上面总结的从数据到决策的过程，我们往往会说成根据数据分析的结果去做决策，虽然这样的说法没问题，但不够直接，实际上我们是基于业务理解去做决策的，而数据是帮助我们加深业务理解的工具。数据赋能业务一般会经历四个环节：数据表现、业务原因、业务策略和作用方式。最开始我们通过数据去评估业务状态，发现业务表现异常，再全面的分析数据并结合一线的调研反馈，反复的进行猜想和数据验证，弄清楚数据表现背后的业务原因，然后思考解决问题的策略，再落地执行，监控后续效果并不断的迭代，直到问题被解决，业务发展进入正轨。
图3 数据赋能业务
再就刚才提到的生病发烧的例子详细解释一下数据赋能业务的过程：体温39度是数据表现，背后的身体原因是发烧了（业务原因），医生说需要打点滴退烧（业务策略），之后你就躺在病床上，护士过来给你输液（作用方式），这些流程走完之后，后续还会要求你持续的测量体温（监控落地效果），如果还一直不退烧的话，可能还需要继续去输液吃药（不断的迭代业务策略），直到最后体温恢复正常（问题被解决），身体进入健康状态（业务发展进入正轨）。
分析数据定位业务问题，基于业务理解，确定解决策略，到最终正向的影响业务，整个过程中，业务策略存在两个闭环：逻辑闭环和业务闭环。
策略在业务上的落地执行要闭环，不断的调整迭代
图4 业务策略的闭环
这两个闭环是互相影响的，首先要做到的就是论证逻辑闭环，保证结论可以站得住脚。等真正落地执行的时候，业务上可能行不通，就需要基于新的业务理解去迭代论证逻辑，形成新的逻辑闭环，再去落地执行，直到在业务上可以跑通。
所以在数据分析过程中会常出现两类问题：
策略没有落地或者落地反馈周期太长，导致业务理解只停留在当时分析数据的节点，没有得到验证反馈
2、调研判断业务假设是否成立？
举个例子：你设计了一套完整的针对B端商家的权益方案，希望牵引商家按平台的方向去做生意，假设权益方案在逻辑上没问题，但要真正落地有效的话，就会涉及到一些业务假设需要成立：
2、权益方案细节，商家真的很在意
……
接着就需要去调研这些业务假设是否真的成立？如果成立的话，那么该策略落地有效的概率就会很大如果商家理解不了复杂的权益方案，或者商家对权益根本不在意，那说明该业务策略是不接地气的，就需要及时做出调整。当然，策略是否有效的前置调研验证是很有必要的，但有时候调研结果并不能直接推导出策略有效或者无效，那就需要设计好的落地方案，快速验证迭代。
最后也类比过来，判断某个人是否懂业务：如果这个人通篇都在讲数学逻辑，没有业务判断，或者有些业务判断明显是不成立的，那大概率这个人就不太懂业务。要做出正确的决策首先逻辑上要成立，另外在业务上也要行得通。
如今不论是企业还是个人发展，整体都在往数据方向转型，数据变得越来越重要。企业需要数据资产保持行业竞争力、产品需要根据数据分析的结果来迭代、运营需要通过数据来评估活动效果等等，越往后，数据思维、分析能力会逐渐变成横向能力被大家所掌握，人人都会数据分析肯定是未来的趋势。所以我觉得大家在这个窗口期选择数据领域是非常明智的。
本文摘编自《大数据实践之路：数据中台+数据分析+产品应用》，经出版方授权发布。
-END-
欢迎分享转载→ 业务和数据-建立宏观认知
