本文目录：
数据对企业的价值
数据分析vs商业分析的异同
如何搭建业务指标体系
如何进行经营分析
数据分析的5个提升方向
数据的价值一方面是企业记录业务的经营状况，记录企业经营流程的每一步环节的数据，相当于把企业的运营转数字化了，另一方面这里的数据不仅仅是数字，还包括图像、文本、语音都可以被数字化。
对内的价值，可以监控企业的经营现状，诊断问题，即总结过去，发现问题，还可以对未来做出一些预判；同时可以基于数据进行挖掘及应用，改进现在的经营流程，使得企业经营更加精益，如精准营销，自动化定价，预测销量来预估库存。
对外的价值就是数据变现，基于企业内部的数据，你可以总结出一套方法论，这个经验推广到其他公司使用，同时你也可以收集行业数据，判断行业趋势。例如评分卡模型，你这里有很多数据，可以帮助其他公司判断用户信用是否好。
因此数据应用至关重要，他可以让数据存储起来，并在企业内部流转，一方面帮助企业的精细化运营，又可以帮助公司数据变现，合理利用数据赋能外部公司。
共同点：
都是通过数据一定的框架去分析问题，并通过图、表的形式展示出来，推导最后的结论，可以是趋势分析、维度拆解、漏斗分析等，最后给出一个分析结论；
都需要掌握数据的相关技术，数据库及数据建模；
都是第三方客观视角帮助业务诊断问题，给出建议。
不同点：
商业分析更懂商业，需要结合业务给出分析结论；数据分析一般主要从数据涨跌及异常给出结论，发现问题；而商业分析要结合业务的策略动作，季节性变化，外部竞争环境及经济趋势和数据判断数据的异动是否正常，如果异常判断是哪个内部原因导致，最后要给出改进建议。
商业分析的结论不一定完全用到数据，商业分析可以基于企业专家访谈、调研、外部行业报告等非数据的材料，再结合常用的咨询方法论如金字塔原理、SWOT、波士顿矩阵等管理咨询方法论给出结论，分析的广度和维度更多。
商业分析不仅仅只是分析给出建议，还需要帮助业务把改进策略落地，助力业务获得增长。这里需要分析师充当产品经理，PMO、运营的角色，商业分析要在策略落地的过程中，不断修正以前的方法论，同时结合内外部数据敢于做预判，才能帮助业务拿结果，真正助力业务。
首先要对这个业务的商业模式有理解，把你对接的业务的核心业务要素抽象出来。
比如电商业务从人、货、场三个方向搭建指标体系。首先确定评判业务好坏的核心结果指标（即输出指标），如电商业务是GMV。其次就是拆解影响结果指标的核心过程指标（即输入指标）。
这里可以用上面的三个视角来拆，我们先用人的视角，即搞清影响交易结果GMV的跟人相关的过程指标，这里可以用A*B*C的模式拆解就是GMV=流量*转化率*客单价 ，也可以用A+B+C模式拆解GMV=新客数*客单价+老客数*客单价。后面还可以找跟货、跟场相关的过程指标。最后确定每个指标的口径定义，让各个业务方在同一个定义下表述指标。
经营分析的价值相当于形成一个周期的分析模式，就比如日周月的经营分析，形成一定的周期性去观察业务的涨跌情况是否符合预期。一般有以下个四个方向的分析：
通过指标体系快速定位结果指标涨跌是那个过程指标的问题；
方面和业务方沟通确认过程指标是否是业务相关动作造成的正常涨跌，如果不是正常涨跌开一个专题分析，挖掘这里面异常的原因；
结合外部行业的数据，查看目前这个业务与行业的增长趋势是否一致，如果发现行业有增长较快的公司，及时了解竞对信息，研判是否是新的增长计划。第四，需要预估一下核心结果指标未来的涨跌趋势如何，未来是否有异常，提前给予业务警示，提前准备措施避免问题爆发。
经营分析对业务的意义：
能定期诊断业务问题，及时发现问题，制订相关策略动作来解决。
了解行业动态，确定竞争态势是否落后，并研判是否有新的机会或者威胁。
对未来做预判，帮助业务提前规避问题，保持高速增长。
1、不断提升专业能力。这里包含：
数据的专业能力，描述分析、假设检验、统计建模等。
也包含数据编程能力，包含SQL，Python等。
会一些财务及经济学知识，看懂公司财务报表，了解竞争对手，也可以从企业经营者的角度思考问题。
了解一些常用商业分析方法论，如 SWOT，RFM，波士顿矩阵、金字塔原理等常用方法论提升自己做战略分析的能力。
2、深入理解业务，了解数据代表的业务逻辑及业务相关策略的落地如何导致核心数据指标的变化的过程。任何数据的变化都是业务经营状况的放映。只有理解业务并结合业务才能让你的分析结论更接地气，才能帮助业务决策。
3、提升沟通能力。分析师有30%的工作是沟通，提升沟通既能帮助你和业务快速建立连接，了解业务现状，帮助你理解数据和业务的联系；也能帮助你发现业务的重点，帮助你的分析结论更容易让业务接受。最后还能及时收到反馈，迭代现在分析的忽略的因素，产生准确的分析结论。
4、提升协调资源的能力。数据分析最难的一层是把数据化运营的方法论产品化，这个需要分析师有强的协调能力，这里分析师角色变成了提需求者类似产品经理或者PM，这里就需要分析理清楚自己分析的价值及详细的需求说明，给不懂分析的人讲清楚。
5、以客户为中心。分析师的客户是业务，不能以专家自居，写出分析报告自己认为方法高深逻辑合理就好，其实应该帮助业务决策，帮助业务拿到业务增长才是好的分析产出。分析结论沟通中也要业务为中心，通俗易懂讲清楚结论最重要。才能成为最接地气的分析师。
最后分析师的这些能力不是一蹴而就的，大家要在不断的实战中练兵，虽然不是每次都能成功，但是在意一次分析报告的成败应该及时总结，才能不断进步。现在各个公司的对分析师的要求不断提升，分析师的边界不断被打破，分析师需要具备运营、财务、PMO、产品经理的职责，大家要不断打破边界，主要能助力业务增长的事情，分析师都应该积极参与，才能获得更大的成长，同时拓宽自己的职业道路。
适用人群：
0基础人群——大三、大四应届生求职
相关从业者——对数据感兴趣，自我提升
转行求职者——突破工作瓶颈，转行数据领域收获更好的发展和薪资
跳槽升级者——运营、开发、商业分析等突破岗位瓶颈，升职加薪
课程亮点：
实战训练：2000万+真实数据库模拟实战场景；7个实战项目作业1V1批改反馈；2项成果交付—数据分析报告+可视化仪表盘......
优质服务：班主任陪伴式学习+社群交流；助教全程答疑；开放专项能力训练营......
面试辅导：课程能力测试+模拟入职笔试；简历优化；模拟面试；沟通表达训练；大厂内推；offer选择；职场陪伴......
了解更多课程内容
请扫码咨询顾问老师
专项训练营
讲师一对一答疑
学员完成作业&面试作品
学员评价
了解更多课程内容
请扫码咨询顾问老师
点击【阅读原文】，零基础入职数据岗位！
