導讀：“數據分析”，即通過分析數據，發現業務問題，洞察商業機會點，為業務增長提供合理建議及參考依據，并輸出數據報告。而什么是業務呢?直白的來講，“業務”泛指非技術類所有工作，是企業的銷售、產品、營銷、市場、運營等工作的籠統稱呼，這些都是直面B端/C端用戶，“業務”最終的目的是“增加銷量，換取利潤，降低成本”，并且數據報告里得出分析結論也是提供給業務使用。

那么，真實、可量化、可衡量的數據一定會反映業務某方面的情形。而“數據分析”在實現業務目標和輸出數據報告的過程中，就需要 清晰地描述、并展示業務現狀，解決業務痛點，幫助業務提升業績等。所以， “數據分析”就需要圍繞業務展開。

而現實當中，很多業務場景都可由數據體現出來。通過分析業務存在的問題并解決業務問題，數據分析才能創造價值。對于公司來講，解決業務問題可以提高收益或者降低成本;對于個人來講，知道怎么利用數據解決業務問題，對個人的技能成長和職場生涯都有很大的助力。

要理解業務，其根本上來講就是：數據從業務場景中來，要用回業務場景里去。接下來，我們就來看一下理解業務對“數據分析”重要性有哪些呢?

重要性一

了解業務痛點，多理解業務流程，才有機會分析出業務場景中可能存在的問題。剛入門做數據分析時，很容易過度關注數據、方法論、工具等，卻忽略了數據背后的業務痛點以及需求。埋頭苦干一通，最后業務人員一句話否定掉：“你分析出的問題和結果對我有什么用?一點也不符合業務邏輯”。

舉個簡單的例子，以To b 一個考勤hr產品為例。

比如某一月份產品會員購買數量下降了，對于很多做數據分析人員來說，可能馬上就會去拿著數據做多維交叉分析，分析什么原因導致購買會員數量下降了，而不是主動去思考里面的業務痛點以及流程邏輯。客戶購買會員下降有很多原因，產品設計問題、購買流程問題、客戶公司內部政策問題、隊伍銷售能力問題等等。

如果你了解業務痛點，多理解業務流程，你就應該了解到業務需求關注的因素是什么?也就是聚焦客戶購買會員這個點，理清購買相關的客戶旅程漏斗(如圖所示)，識別出幾個關鍵的行為轉化節點，然后分析行為點間的轉化與流失情況， 結合業務以及用戶痛點，去對著數據來源、口徑、清洗、分析等做一系列工作，進而定位問題，指導決策。而不是遇到一個數據指標出現異常，就直接去從數據中找答案，實際上答案就藏在背后的業務邏輯里面。

重要性二

了解相應的業務階段側重的關注點是什么，才可能設計出更符合業務視角的數據指標監控體系，通過相應的專題分析，解答出現異常的狀況。因為業務發展一定是「萌芽——起步——快速發展——成熟——衰退」。這是規律，也可以說是產品的生命周期，我們需要判斷出產品業務線所處的階段，才能針對性設計出數據監控數據體系。

而在產品業務線不同的生命周期階段，其數據分析側重的關注點不相同：

• 萌芽期階段：側重監控用戶行為數據等，優化產品迭代。
• 起步期階段：側重監控用戶新增、渠道數據等，篩選優質渠道，擴大客戶基數。
• 快速發展期：側重監控用戶活躍、留存數據等，提高各個關鍵環節轉化率。
• 成熟期階段：側重監控會員，成單數據等，提升盈利點。
• 衰退期階段：側重監控內容、市場品牌數據等，品牌驅動，設計出有效的營銷策略，找出第二增長曲線或者二次創新。

重要性三

了解行業內相應業務流程和規則，才可以使數據分析的結論和建議更加落地。還以To b 一個考勤hr產品為例。該產品的業務模式很簡單，無非是以引導客戶購買會員變現為主，以廣告變現為輔，從而實現從投入到盈利的商業閉環，這個模式得有渠道(市場推廣)有內容(打造品牌)，有產品(滿足客戶需求)，有運營(提升日活和客戶轉化)，有客戶(購買會員)等。

如果你了解了行業內相應業務流程和規則，就不會在tob產品的日活出現下行趨勢時，單純提出加大投放費用這樣誰都知道的建議，還可能是企業規則特殊情況的周期性活躍;就不會在客戶出現流失苗頭時，只是說一下同環比數據情況;就不會在關于廣告流量減少時粗暴建議業務側全局增加廣告頻率……

重要性四

了解相應業務中所有角色KPI以及如何協作，才可以快速有序的推進數據工作。明確各個業務環節的責任人，如何協作以及分別承擔什么職責，就可以看出部門需要的數據是什么，并對其進行可視化，通常來說，都會異常關注當下的kpi指標，并從中提煉涉及到的側重指標，幫助業務解決痛點。

還是以To b的考勤hr產品為例。劃分了幾大角色： 產品、運營(包括銷售，市場，渠道，內容)、客戶、客戶成功等。

• 產品：為了獲得利潤，企業必須要先有產品，這個產品不僅指實物產品還包括服務、互聯網產品。(如產品經理崗)
• 運營：有了產品，就要把產品推廣出去，通過不斷的優化渠道組合，提高銷量，連接產品和用戶，把產品帶出去，把客戶的錢帶回來。
• 客戶：產品最終會到用戶手中，客戶是產品的最終使用者，最終的目的就是為了讓客戶盡可能多的去使用產品。我們也要了解客戶畫像(這里就不展開講了)。
• 客戶成功：有了用戶購買了產品，那么我們要去維護用戶，留存，轉化。

運營根據所支持的角色不同，類別有很多種，如互聯網產品運營，主要是優化產品體驗，app這個功能沒有什么用戶使用，就要考慮哪里出問題了，怎么改進。支持渠道的運營，需要在銷售前，做品牌公關，打響產品或品牌知名度;在銷售中，進行活動策劃運營，折扣、營銷活動等;在銷售后，吸引用戶再度付費。支持客戶的運營，如微信群、售后服務等。

了解各個部門在四大角色，每個人的職責所在，如何協作等，結合遇到的問題，可以有序的推進數據工作。

最后

現在我們來總結一下理解業務對“數據分析”重要性有哪些呢?

• 第一、了解業務痛點，多理解業務流程，才可能有機會分析出來符合業務場景中存在的問題。
• 第二、了解相應的業務階段側重的關注點是什么，才可能設計出更符合業務視角的數據指標監控體系，通過相應的專題分析，解答出現異常的狀況。
• 第三、了解行業內相應業務流程和規則，才可以使數據分析的結論和建議更加符合實際，精準落地。
• 第四、了解相應業務中所有角色KPI以及如何協作，才可以快速有序的推進數據工作。

總的來說，我們不能脫離業務去看“數據”，而是要時刻從業務角度去理解數據、分析數據。也可以說，沒有業務指導的數據分析是無意義的。 這一點對于剛剛入門數據分析的新手來說，甚是需要注重和積累培養的。

最后，倘若你不一樣的看法，歡迎留言添加完善分享，并交流!