发布时间：2022-09-22 15:50:01源自：https://www.it-th.com作者 ：it谈话网阅读(313)
编辑导读：数据分析是指过分析数据，发现业务问题，洞察商业机会点，为业务增长提供合理建议及参考依据，并输出数据报告。而现实当中，很多业务场景都可由数据体现出来。本文将从四个方面，论述业务对数据分析的重要性。你一定听到过：“理解业务，是做数据分析的前置条件和重要步骤”。那么，如何才叫做理解业务呢？怎么梳理业务呢？又应该理解到什么程度呢？很多人对这些问题的理解，可能还很模糊。在此，将主要以数据分析的视角出发，向你分享业务逻辑的梳理流程，并以层层递进的方式，来展示关于数据分析中，懂业务应该懂到一个什么样的程度。
我们首先来讨论交流一下，梳理业务对数据分析，有什么重要性？让我们在这片自留地，一起探索和交流，运营与数据的魅力所在。
“数据分析”，即通过分析数据，发现业务问题，洞察商业机会点，为业务增长提供合理建议及参考依据，并输出数据报告。而什么是业务呢？直白的来讲，“业务”泛指非技术类所有工作，是企业的销售、产品、营销、市场、运营等工作的笼统称呼，这些都是直面B端/C端用户，“业务”最终的目的是“增加销量，换取利润，降低成本”，并且数据报告里得出分析结论也是提供给业务使用。
那么，真实、可量化、可衡量的数据一定会反映业务某方面的情形。而“数据分析”在实现业务目标和输出数据报告的过程中，就需要清晰地描述、并展示业务现状，解决业务痛点，帮助业务提升业绩等。所以，“数据分析”就需要围绕业务展开。
而现实当中，很多业务场景都可由数据体现出来。通过分析业务存在的问题并解决业务问题，数据分析才能创造价值。对于公司来讲，解决业务问题可以提高收益或者降低成本对于个人来讲，知道怎么利用数据解决业务问题，对个人的技能成长和职场生涯都有很大的助力。
要理解业务，其根本上来讲就是：数据从业务场景中来，要用回业务场景里去。接下来，我们就来看一下理解业务对“数据分析”重要性有哪些呢？
了解业务痛点，多理解业务流程，才有机会分析出业务场景中可能存在的问题。刚入门做数据分析时，很容易过度关注数据、方法论、工具等，却忽略了数据背后的业务痛点以及需求。埋头苦干一通，最后业务人员一句话否定掉：“你分析出的问题和结果对我有什么用？一点也不符合业务逻辑”。
举个简单的例子，以To b 一个考勤hr产品为例。
比如某一月份产品会员购买数量下降了，对于很多做数据分析人员来说，可能马上就会去拿着数据做多维交叉分析，分析什么原因导致购买会员数量下降了，而不是主动去思考里面的业务痛点以及流程逻辑。客户购买会员下降有很多原因，产品设计问题、购买流程问题、客户公司内部政策问题、队伍销售能力问题等等。
如果你了解业务痛点，多理解业务流程，你就应该了解到业务需求关注的因素是什么？也就是聚焦客户购买会员这个点，理清购买相关的客户旅程漏斗（如图所示），识别出几个关键的行为转化节点，然后分析行为点间的转化与流失情况，结合业务以及用户痛点，去对着数据来源、口径、清洗、分析等做一系列工作，进而定位问题，指导决策。而不是遇到一个数据指标出现异常，就直接去从数据中找答案，实际上答案就藏在背后的业务逻辑里面。
了解相应的业务阶段侧重的关注点是什么，才可能设计出更符合业务视角的数据指标监控体系，通过相应的专题分析，解答出现异常的状况。因为业务发展一定是「萌芽——起步——快速发展——成熟——衰退」。这是规律，也可以说是产品的生命周期，我们需要判断出产品业务线所处的阶段，才能针对性设计出数据监控数据体系。
而在产品业务线不同的生命周期阶段，其数据分析侧重的关注点不相同：
萌芽期阶段：侧重监控用户行为数据等，优化产品迭代。
起步期阶段：侧重监控用户新增、渠道数据等，筛选优质渠道，扩大客户基数。
快速发展期：侧重监控用户活跃、留存数据等，提高各个关键环节转化率。
成熟期阶段：侧重监控会员，成单数据等，提升盈利点。
衰退期阶段：侧重监控内容、市场品牌数据等，品牌驱动，设计出有效的营销策略，找出第二增长曲线或者二次创新。
了解行业内相应业务流程和规则，才可以使数据分析的结论和建议更加落地。还以To b 一个考勤hr产品为例。该产品的业务模式很简单，无非是以引导客户购买会员变现为主，以广告变现为辅，从而实现从投入到盈利的商业闭环，这个模式得有渠道（市场推广）有内容（打造品牌），有产品（满足客户需求），有运营（提升日活和客户转化），有客户（购买会员）等。
如果你了解了行业内相应业务流程和规则，就不会在tob产品的日活出现下行趋势时，单纯提出加大投放费用这样谁都知道的建议，还可能是企业规则特殊情况的周期性活跃就不会在客户出现流失苗头时，只是说一下同环比数据情况就不会在关于广告流量减少时粗暴建议业务侧全局增加广告频率……
了解相应业务中所有角色KPI以及如何协作，才可以快速有序的推进数据工作。明确各个业务环节的责任人，如何协作以及分别承担什么职责，就可以看出部门需要的数据是什么，并对其进行可视化，通常来说，都会异常关注当下的kpi指标，并从中提炼涉及到的侧重指标，帮助业务解决痛点。
还是以To b的考勤hr产品为例。划分了几大角色：产品、运营（包括销售，市场，渠道，内容）、客户、客户成功等。
产品：为了获得利润，企业必须要先有产品，这个产品不仅指实物产品还包括服务、互联网产品。（如产品经理岗）
运营：有了产品，就要把产品推广出去，通过不断的优化渠道组合，提高销量，连接产品和用户，把产品带出去，把客户的钱带回来。
客户：产品最终会到用户手中，客户是产品的最终使用者，最终的目的就是为了让客户尽可能多的去使用产品。我们也要了解客户画像（这里就不展开讲了）。
客户成功：有了用户购买了产品，那么我们要去维护用户，留存，转化。
运营根据所支持的角色不同，类别有很多种，如互联网产品运营，主要是优化产品体验，app这个功能没有什么用户使用，就要考虑哪里出问题了，怎么改进。支持渠道的运营，需要在销售前，做品牌公关，打响产品或品牌知名度在销售中，进行活动策划运营，折扣、营销活动等在销售后，吸引用户再度付费。支持客户的运营，如微信群、售后服务等。
了解各个部门在四大角色，每个人的职责所在，如何协作等，结合遇到的问题，可以有序的推进数据工作。
现在我们来总结一下理解业务对“数据分析”重要性有哪些呢？
第一、了解业务痛点，多理解业务流程，才可能有机会分析出来符合业务场景中存在的问题。
第二、了解相应的业务阶段侧重的关注点是什么，才可能设计出更符合业务视角的数据指标监控体系，通过相应的专题分析，解答出现异常的状况。
第三、了解行业内相应业务流程和规则，才可以使数据分析的结论和建议更加符合实际，精准落地。
第四、了解相应业务中所有角色KPI以及如何协作，才可以快速有序的推进数据工作。
总的来说，我们不能脱离业务去看“数据”，而是要时刻从业务角度去理解数据、分析数据。也可以说，没有业务指导的数据分析是无意义的。这一点对于刚刚入门数据分析的新手来说，甚是需要注重和积累培养的。
-End-
欢迎分享转载→ 理解业务对数据分析有多重要？
