数字背后的洞察：一位互联网商分的深度解析

是否一定要会 SQL ：

不同公司对商分有不同的定位，在大厂除了做纯行研方向的个别组的商分，都会或多或少用到 SQL 。互联网和咨询／投资的一个区别在于，不会满足于提出假设并拿 desk research 得来的二手信息验证，用公司自己的数更为可靠，且能从底层验证假设对公司是否是可用的

需要掌握到什么程度：

试时掌握检索、排序、筛选、汇总、分组、表的连结等功能。但实际工作中应用较广的窗口函数容易被忽略，可以专门练习

     只会提假设，不会验证假设。某次在取数上卡了两个小时， ddl 临近万分焦虑，求助同事后五分钟解决。如果依然掌握不了，以后只会无数次重现上次的焦虑时刻

     准备校招时浅看了《 SQL必知必会》，但感到停留在理论层面，便在牛客网刷了几十道题。而在实际工作中发现这是远远不够的，因为用到的表字段口径更为复杂，更关键的是理解每个字段定义。入职到今天取数后依然要再三核验口径是否准确。

     入职半年的大厂商分校招生， SQL 水平刚能独立行走。 SQL 是比 Python 等简单很多的初级数据分析工具，也是商分／数分／运营必备技能，但掌握还是需要时间成本，因此从面试和工作应用水平讲讲如何速成，重点在"速"，面试：分成不同人群。

   1.校招

容忍度较高，非纯数分岗不太会也行，接受进来再学

   2.实习和社招

容忍度较低，预期立即上手，0基础准备1-2周差不多

建议顺序：《 SQL 必知必会》熟悉基本语法，一天之内就能看完﹣-牛客网﹣在线编程﹣大厂面试真题，最有效的一定是自己写！刷一周熟悉聚合函数、窗口函数等差不多能应付面试。看到不少人推荐 Mosh 的网课（ B 站有见P2)，个人认为速度太慢且讲解过细，毕竟10h时长，时间充裕可尝试

工作应用：面试水平和工作应用间有一道鸿沟。一个简单工具半年还熟悉不了的原因在于入职后工作较忙，没有整块时间学习，代码需求又很急。我并不是经常写 SQL ，需要写时分以下四种场景：

• 能完全照搬他人代码：最理想，除了取数日期不需要任何改动，但很少遇到这种情况

• 微调他人代码：较理想，如只改动分组方式或取出不同字段，不需要对底层代码理解很深

• 自己写单表或少数表连接：较理想，因为可以由 ChatGPT （开水团为小美智能助理）代劳，复制表字段再提出需求，答案可用性极高

• 在他人的含多个连接和子查询的代码上改动：最恶心，比如一个复杂指标涉及十张以上的表，需要改变口径取数，看到几百行的代码十分头大，不好复制给 GPT ，理解底层逻辑也很困难。此时会选择：1）求助同事，效率最高。2）自己摸索理解由外层到内层的嵌套

     校招生入职互联网商分三个月，虽然只度过了试用期的一半，但对这个岗位已经有了一些新的体会：

 选择商分地位高的业务很重要

      不是越核心的业务商分地位越高，不同业务对商分的重视程度天差地别，地位高的商分可以定策略，推动落地；地位低的，产品运营等业务团队会自己做项目定策略，商分沦为业务的取数工具人，晋升空间狭窄，好处是下班早无压力。选 offer 前可以了解所在团队具体的职能

校招生最好能跟完整项目

      如果只是帮别人的项目做复盘，首先创造性不足，其次缺乏足够的背景知识，难免有天天都在做 dirty work 的感觉，因此选 offer 时可以和 leader 聊聊组里对自己的需求和定位

不会 SQL 寸步难行

      美团和字节的商分都可粗略分为定量和定性两个 track ,即使是定性也无法避免取数，商分并不是靠假设、案头研究给出认知就行，需要结合内部数据验证，因此 SQL 取数可以说是基本功。可惜本人并不会 SQL ,入职三个月 SQL 技能依然生疏，导致有次改一段复杂代码不得不四处求助同事帮忙肉

对战略祛魅

     商分的价值在于给业务带来什么增益，战略如果只做到调研给认知的地步不足以对业务有具体的指导。目前一些互联网的战略已经开始有落地要求，落地意味着研究颗粒度足够细，意味着更多 dirty work 。从前只需知道要做 XX ，现在则是为什么要做--业务该怎么做

在 dirty work 中寻找价值

      任何 track 的商分都不可避免，比如经分是定目标，战略是竞争对手周报月报，可行的做法是花尽量短的时间完成，其次提高接受程度，从 dirty work 中了解业务的规模、增长，通过数字产生量级概念。既然无法避免，只能躺平接受

    最核心步骤。异动分析大多数情况下只能做到归因到数学这一层，但单价为什么下滑，老客的复购率为什么不行等等问题依然需要向业务寻找答案。所以这也是为什么懂一个行业最好是深入业务一线（仅从积累行业认知角度，也许更适合有创业想法的人，业务需要承担更大的考核压力）

      对希望从事投资、战略咨询、商分领域的商科同学来说，提升 business sense 重在积累，可以从中积累认知，学习优秀商业模式，以及怎么拆解现实中的复杂商业问题，在这里分享一些个人常看且认为比较优质的商业类公众号，如果有未提及的也求推荐～

 综合类：

★★晚点 Latepost ，远川研究所，刀法研究所，36氪 Pro ，互联网怪盗团

★虎嗅 APP ,36氯，钛媒体， Tech 星球，连线 insight

★创业邦，投资界

    互联网商分是个很笼统的范畴，分工很细。校招投递时却并不会明确写出具体职能，只标明 business analyst ，因此很多同学入职后才知道自己具体要做什，入职后悔不当初。

    定性和定量依然是个很笼统的按照技能区分，实际的组织分工依然是按照职能，比如经营分析，收益（价格）管理，用户分析，绩效分析等，在此介绍几个典型 track 的核心竞争力和要避雷的点，如有不准确欢迎指出：

 战略行研：主要做拆解商业模式，对标竞争对手。

    核心竞争力："战略感"，既能脱离对标做长期规划也能通过对标看到业务短期内的不足，第一点也是小朋友基本不可能做到的。本身的研究、写报告技能说实话并没有什么壁垒。

    劣势：自证对业务的价值

经营分析：主要做建指标体系，搭看板。

   核心竞争力：对数据的敏感，将复杂业务抽象为最简单的指标，帮助老板掌控动向，给老板以便利。数据敏感性不得不说有时没有的人就是没有。

   劣势：工作内容相对枯燥，集中在建指标优化指标上，不直接促进业务增长"绩效：想不到吧，以为是 HR 实际是商分做的。

拓展业务：常需要 sales ，因此需要设计合理的激励方式驱动 sales 完成任务。

   核心竞争力：耐心。

   劣势：枯燥，且一线人员容易质疑自己的绩效，和商分核对中产生拉扯过多

纯数据分析：在研发里较多，商分较少，一般承担一些短期的数分专项。

   核心技能： Python 和部分建模能力，壁垒最高（非技术出身的商分老板有时也看不懂你在做什么）单纯从技能上讲，涉及建模的数分是最硬核的，其它 track 长期获得的的更多是一种软性的业务理解以及沟通能力。

 你好，我是纯白铃兰

一枚爱工作&爱生活&爱分享行业知识的小姐姐~

 更多分享大家可移步到小红书

关注【纯白铃兰】小姐姐吖