聊聊业务数据分析那些事儿

这一期的分享的主要内容有：业务数分的常规思路和三个分析模型。为了更好的准备这次交流会，需要您帮忙做两件事情：第一，您这次为什么想参加这一期的交流会，以及希望在交流会中希望收获到什么？第二，在交流会结束后，请和我说一下您的收获和感受。（可以在公众号留言交流）

做一个对世界充满好奇的人！在分享之前，我们可以先思考几个问题：

★如何看待业务数据分析的？如何理解的？

★业务数据分析好不好？

★业务数据分析前景如何？

在这过程中，建议全程认真听，带着思考来听（去看），有任何问题都可以随时交流哦！

接下来，我们正式开始本期的分享，先来想一个问题：如果我说，“这次分享，我 PPT 都是随随便便做的，前后也就不过三十分钟吧，内容呢也是想到哪写到哪，大家就随便看看就好了。这次准备分享的过程，是不是随意？”

请问，我说的话里面，有没有问题？为什么？大家也可能看到了，我的 ppt 有 50 多页，按每 2 分钟做一个 PPT，那么 50 多页的 PPT 也是需要 100 分钟，不可能前后不超过 30 分钟，所以，我想表达的是需要有基本的常识！

当我们做分析时有如下要点：

√有一个基本的判断

√找到相应的数据支撑

√用数据来支持你的判断，或者推翻你的判断

√有必要的话，还要做一个报告，进行展示

√有必要的话，跟我反馈，或者给我建议，或者与我进一步沟通汇

√总所有的数据和结论，进行总结（新的判断）

√形成闭环

当我们了解了做分析时，需要注意的要点时，我们心中基本就有一个业务数据分析简要的流程：拿到数据 → 分析数据 → 得出结论。

▼

那么，问题来了：（拿到数据 → 分析数据 → 得出结论）这个流程有没有问题？是不是大家都觉得其实没有问题，但是又总感觉缺了点什么，缺了什么呢？不清楚。那不妨我们可以来做一下模拟演练！模拟演练和复盘其实是一回事，都是对实际场景的一种复现。

▼

拿到数据：从哪里拿？什么时候拿？

所以这里可以分解出，拿到数据有这么几部分：我们需要一个数据库(搭建框架)，然后我们在数据库里面进行提取数据。

拿到数据可分为搭建框架、提取数据。

▼

分析数据：同样的道理，这一环，能怎么分解呢？

拿到数据后，不一定直接管用，所以要对脏数据做数据预处理，预处理后拿到了干净的数据，开始分析，这里一般根据分析的目的，会区分为几种分析思路：描述性分析、预测性分析、验证性分析·····(这里就不一一暂不展开)

复杂的分析模型，需要对数据进行建模，所以这一环叫数据建模，建模完成后，有一个大概的结论了。

你会想，这个结论会不会有问题呢？所以,要想一想，数据分析过程中会不会有一些错误的产生，这一步叫做数据验证，通过验证，数据没问题，结论应该也还 OK。

那么，分析数据这一环应该可以结束了。分析数据可以分为：数据预处理、数据建模、数据验证。

▼

得出结论：分析完数据，之后我们就需要向上做汇报了。

要怎么才能让汇报对象接受自己的分析结论呢？这一步叫数据展现。

我们展现的内容可能有很多内容，这是就需要要写报告。

可作报告可能还不够，此时我们还要做演讲，让别人清楚的了解报告的内容。

那么，得出结论可以分为数据展现、撰写报告、报告演讲。

▼

现在，数据展现了，报告做好了，演讲说完了，听的人也接受自己的观点了，下一步是啥呢？分析新的问题？还是继续追踪原来的问题？这里就是闭环了。

所以，比较完整的流程，是这样的：

搭建数据库--数据提取--数据处理--数据分析--数据展现--撰写报告--报告演讲--闭环

但是，大家有没有遇到一种情况，就是在你汇报的时候，人家问你，不对不对，我要你分析的问题不是这个问题，你回去重新搞吧。你会不会原地爆炸？你会想问题到底出在哪里了呢？

对了，是分析问题的确认。如果没有确认清楚，就开始吭哧吭哧的干，可能最后还得落到一个前功尽弃的结果，所以，在数据分析所有环节之前，应该加上一个：明确问题。

避免给自己埋坑，因此，比较完整的流程，应该是这样的：

明确问题--搭建数据库--数据提取--数据处理--数据分析--数据展现--撰写报告--报告演讲--闭环

▼

现在大家重新回顾一下，我们是如何从三个环节的分析流程，演变成九个环节的分析流程的，值得注意的是，我这里说的是“演变”。

那么，如果我们的流程，可以从三个演变成九个，那么可不可以从九个，演变成更多？答案是完全可以！

例如，第一个环节，明确问题，这个地方，就可以这样演变，问题是谁的问题？是直接领导安排的问题，还是隔壁部门求助的问题，问题的跨度是大是小？是可以在短时间内解决的，还是需要好几周才能搞定，问题涉及的部门是多还是少？是否需要涉及跨部门沟通？需不需要申请额外的权限？等等等等

这里面涉及到两个重要的分析方法，我们等会会讲，一个是 5W2H，另一个是逻辑树。对刚才明确问题环节中演变的思路，其实就是 5W2H；刚才从三个分析节点演变成九个分析节点的思路，其实就是逻辑树。具体我们后面再讲。

好了，我们思路讲完了，该讲讲工具了。作为一个专业的数据人，我们需要使用哪些工具？又应该使用到什么程度才可以呢？

我们来看一下,如下图：

—▼—

在开始第三部分之前，我们可以思考一个问题：“光学会了工具，就可以做好数据分析了吗？”。

要做好数据分析，不仅要学会工具的使用（硬技能），还要学会数据分析思维，其中就包括常用的数据分析模型或方法（软技能）。

明确问题环节中，还可以延伸出更具体的情况，例如问题是谁的问题？问题的跨度是大是小？等等，其实就是 5W2H 分析方法。从原本三个分析节点演变成九个分析节点的思路，其实就是逻辑树分析方法。

那么，我们现在来了解三个好玩的分析模型：

• 5W2H 分析方法
• 逻辑树方法
• 对比分析方法

▼

5W2H 要解决的问题是，把你的问题彻底弄清楚。

我们来讲一个卖土豆的故事：

一个叫约翰、一个叫哈里的两个年经人，同时进入一家蔬菜贸易公司。三个月后，哈里很不高兴地走到总经理的办公室，向总经理抱怨说：“我和约翰同时来到公司，现在约翰的薪水已经增加了一倍，职位也升到了部门主管。而我每天勤勤恳恳地工作，从来没有迟到、早退，对上司交代的任务总是按时地完成，从来没有拖沓过，可是我的薪水一点没有增加，职位依然是公司的普通职员。”

总经理没有马上回答哈里的问题，而是意味深长地对他说：“这样吧，公司现在打算预订一批土豆，你先去看一下哪里有卖的，回来我再回答你的问题。”

于是，哈里走出总经理办公室，找卖土豆的蔬菜市场去了。

半小时后，哈里急乎乎地来到总经理办公室，向总经理汇报：“二十公里外的集农蔬菜批发中心有土豆卖。”总经理问：“一共有几家卖土豆的？”哈里挠了挠头说：“我刚才只是看到有卖的，没有留意有几家，你等一会儿，我再去看一下。”说完又急乎乎跑出去。

二十分钟后，哈里喘着气跑回总经理办公室汇报，“报告总经理！一共有三家卖土豆的。”总经理问：“土豆的价钱是多少？三家的价格都一样吗？”哈里楞住了，挠了挠头说：“总经理，你再等一会儿，我去问一下价格。”说完，又要往外跑。这时，总经理叫住他：“你不用再去了，你去帮我把约翰叫来吧。”

三分钟后，约翰和哈里一起进了总经理办公室，总经理先对哈里说：“你先坐下来休息一下吧。”然后对约翰说：“公司现在打算预订一批土豆，你去看一下哪里有卖的？”

四十分钟后，约翰回来向总经理汇报：“在二十公里外的集农蔬菜批发中心有三家卖土豆的，其中两家是 0.9 美元一斤，但一个老头的只卖 0.8 美元一斤。我看了一下他们的土豆，发现老头的最便宜，而且质量最好，因为他是自己农场种植的。如果我们需求量大，价格还可以优惠，并且他有货车，可以免费送货的。我已经把老头带回来，就在公司大门外等着，要不要让他进来具体谈一下？”

这时，总经理才对看着目瞪口呆的哈里问：“你都看到了吧！如果你是总经理，你会给谁加薪晋职呢？”

接下来，我们来看看 5W2H 分析方法的两个应用案例！

通过以上两个应用案例以及买土豆的故事，5W2H 分析方法模型看似简单，但是并不简单！

人，最难的是认清自己。所以要彻底搞明白你要分析的问题，也是不容易的。把问题弄清楚，有两个好处，第一是让别人觉得你很专业，很靠谱；第二是避免返工，提升效率！

很多领导都会说，“这个问题我只说一遍”，但是只听一遍有很难记住全部细节，那么应该怎么办？我觉得你应该知道如何做了。

▼

逻辑树方法要解决的问题是，拆解和演变。

我们来看一个“马斯克造火箭”的案例，怎么把成本从 100 亿美元降到 20 万美元？

马斯克，特斯拉电动车公司的老板，他有一个火星殖民计划。其中一个最大的问题在于成本。根据保守预估，将乘客用火箭送到火星上去，再送回来，成本大概一个人 100 亿美元，马斯克希望把去一次活性的成本，从 100 亿美元，降到 20 万美元，相当于原来的 0.002%。这是如何做到的呢？

我们来看一个“芝加哥有多少钢琴师？”的案例，这一类估算的问题，又称为“费米问题”，例如：北京有多少量特斯拉汽车？某胡同口的煎饼摊一年能卖出多少个煎饼？深圳有多少个产品经理？一辆公交车里能装多少个乒乓球？等等。

通过以上应用案例，逻辑树模型可以比喻天下大事必作于细，天下难事必成于易！

• 在没有分析思路的时候，拆解也许是个好办法。还记得微积分里面的内容，就是将一条连续的线进行无穷小的切分，使得原本无法直接计算的部分变得可以计算了，这就是拆解的魅力。

• 费米问题可以考察一个人有是什么样的思维方式。公司招聘中，需要的是能把事情做成、有严密逻辑推理和分析能力的人，而严谨的推理能力，需要经过长期的后天训练，才有可能学好并掌握到位。

思考：业务数据分析与商业数据分析的区别在哪里？

▼

对比分析方法要解决的问题是，通过锚点形成分析结论，还可以通过设计锚点，来影响消费者心理，提升业务！

通过以上应用案例，对比模型在数据分析中应用非常广泛，需重点掌握！

• 同比与环比，实质上是关于时间的对比

• 自己产品水平与市场平均水平的对比，则是竞品分析

• 设置对照组的方法，则是经典的 A/B 测试

• 假定结论后验证正误的方法，则是假设检验

• ……

• 还有许许多多分析的分析模型，都有对比的味道

• 对比的两个重要因素：参考系、结论

—▼—

以上就是本次分享的全部内容！所以，如果面试官问你，平时有什么分析思路？用过什么分析模型？平时是怎么分析的？你应该知道回答了吧！

现在，我们来总结一下，今天分享的主要内容：

几条原则：

✓ 做一个对世界充满好奇的人

✓ 要有基本的常识

✓ 模拟演练和复盘其实是一回事，都是对实际场景

业务分析流程：

明确问题→搭建数据库→数据提取→数据处理→数据分析→数据展现→撰写报告→报告演讲→闭环

三个分析模型：

✓5w2h 分析法（要解决的问题是，把你的问题彻底弄清楚）

✓逻辑树分析法（要解决的问题是，拆解和演变）

✓对比分析法(通过锚点形成分析结论，还可以通过设计锚点，来影响消费者心理，提升业务)

业务数据分析，最重要的高阶思维，要站在足够高的角度来审视数据和问题，才能找到问题的核心。读书不仅仅是学习到知识，更重要的是拓展认知的边界，知道自己知道什么，知道自己不知道什么。在扩展自己知识体系和提高认知能力上面，有两个最重要的步骤，第一是刻意练习，第二是广泛阅读。

最后，祝愿大家都能在自己所在的领域内，用数据思维，成就更好的自己，在可预见的未来，遇到更好的自己。

后期内容我们还有继续为大家分享很多的内容：数据分析项目分享、商业案例分享、高阶书籍分享···

本次分享到此结束，我是红星，感谢大家的收听，我们下期再会！欢迎关注我们！