商业分析这个词很常见。国外留学的专业有叫商业分析（Bueiness Analysis），国内也有企业挂出来岗位叫商业分析，招聘时有一个能力要求叫商业分析能力。
如果扒皮抽筋看本质，商业分析就是：用数据分析方法，解决商业问题。数据分析是一个基础工具，可以运用在政策、学术、教育、体育等多个领域，当然也有企业最关心的商业领域。正是“商业”两个字，让数据分析有了完全不同的使用方法。
商业分析在目的上区分于政府的政策研究。政策研究要考虑的方面很多，比如公益事业、基础建设、政治任务等等，因此目标相对多元化，不一定每一件事都要求有经济回报。而商业分析的目标则单纯的多：提升企业效益，获得最大的商业价值。
如果再具体一点说，就是：
（是什么）量化展示商业经营状况
（是多少）量化判断商业问题
（为什么）从数据角度寻找问题原因
（会怎样）利用数据预测商业趋势
（又如何）利用数据综合判断经营效果
通过量化的分析、判断、预测、总结，提高决策效率，从而实现经营效益提升。这是一个往步枪上装狙击镜，给大炮配雷达，给导弹配卫星的工作。理论上不瞄准，搞地毯式轰炸也行。
但是今时今日，企业面临众多竞争，各种爸爸还动不动在朋友圈“颠覆”一下某个行业，谁也没有胆子这么粗放经营了。商业分析就更加重要，商业分析有三大要素。
1
要素一：商业价值是啥。
因此，做商业分析，第一步得知道商业价值是啥。传统的商业价值定义就是卖货挣钱。
根据销售对象的不同，可以分为B2B（对上下游企业销售）和B2C（对终端顾客销售）两种模式，还有一种是二道贩子，通过在企业和终端顾客之间建立联系，来做中间商挣差价，是为B2B2C模式。
互联网时代多了一种模式，即B2VC。大量的互联网企业其实没有挣到真金白银，但通过不断给资本市场注入信心，可以圈越来越多的钱，最后融资上市，功成身退，大捞一笔。
以上都是正经商业，当然有不正经的，就是那些“奋斗是我的性格，成功是我的目标”“选择了XX就是选择了成功”……是滴，那些拉人头传销或半传销式运作。姑且叫B2SB模式好了。
这五种模式构成了基本的商业模式。有很多多元化的大集团会同时运作几种模式，或者将不同模式相互嫁接，形成更复杂的商业模式。理解了企业的商业模式，才知道到底企业有啥分析需求。才能脚踏实地地思考：到底要分析啥问题。
2
要素二：行业、产品、用户群体。
理解商业模式只是开始商业分析的第一步。具体到一门生意上，还有行业、产品、用户群体的区别。比如大家最喜欢说的：互联网行业，其实范围非常广泛，包含了：电商、游戏、广告、新闻、社交、O2O、VR、团购、消费贷、小额贷、保险等众多子领域，每个领域间差异巨大。
而所谓传统行业，比如快消、耐用、零售、家具、美容、金融、餐饮等等，也在积极拥抱互联网，不但大力建设自己社交媒体矩阵，而且纷纷开设自己的小程序吸纳会员，开劈电商渠道拓展客户。可以说行业边界本身也在模糊，具体形态越来越多元化。
脱离具体的商业模式+行业分类，就没法谈商业分析。因为不同的商业模式+行业下，商业组织、商业目标、产品形态、经营方式、用户群体完全不同。包括数据的产生方式、数据类型、数据丰富程度都不一样。
因此必须具体脚踏实地地思考：到底我们是什么模式+行业，到底我们面对什么样的需求和问题，到底我们有什么数据可以用来分析。这就像医院看病要分门别类，而不是卖一颗“包治百病丸”一样。具体思考才能有所收获。
3
要素三：商业组织。
除了商业模式+行业类型，还有第三样商业分析的必备要素：商业组织。企业都是分商业组织运行的，销售、产品、营销、运营、供应链、风控、人力等部门共同合作，才能让企业运转正常。
这里就有了责任-权力-分工的问题。虽然我们可以把所有人的问题，统称为“商业问题”，但具体到某一个部门的某一个人，思考的问题，能解决问题的手段，想达成的目标都有不同，特别是分工复杂的大型集团企业。
脱离组织谈分析，就经常落得心比天高，命比纸薄的下场。虽然老板们总是习惯说：即使你们月薪2000，也要有月薪20w的老板的思维。可我们真替代老板发号施令的话，估计也就被扫地出门了。
截止到这里，我们才介绍完了商业分析三大基本要素。还没谈到任何分析方法。这些看似与分析无关的东西，恰恰构成了商业分析与科学分析的最大区别。
在大学里我们做的是科学分析，是学术研究。学术研究是为了探索真理，发现规律，因此做得特别理论化，特别细致深入，用到各种高大上的模型，进行反复试验论证。这些科学研究的成果，形成了大家经常看到的数据分析理论，数学、统计学、算法等等。
可商业分析完全不是这么回事。
首先，企业的发展是以盈利为目的，不是以科学为目的。
因此数据的记录、存储是要为经营让道的。为了尽快上系统没有做好埋点，为了尽量少打扰消费者所以放弃了复杂的登记表，为了尽力帮助销售而减少了汇报流程，这些工作都可以提高赚钱的效率，可到了做数据分析的时候就是巧妇难为无米之炊了
其次，企业面临的问题是非常复杂，且容不得重复试验的。
企业的经营好坏，和政策、大环境、企业自身能力、消费者需求、突然事件等等都有关系，很难完全解析清楚。实验室里往往用重复的试验来测试不同变量的效果，可企业不容许这样。大部分商业试验是有极高的时间、金钱、人力、职场政治成本代价的。即使作分析的想多试验几次，销售、运营、产品的老板们也经不起这么折腾。一而再再而三的实验失败，可能老板都要滚蛋了。
最后，企业解决问题往往是充满创造力的，甚至是暗箱操作的。
销售不好？一炮促销下去就起来了；产品不好卖？我们请了叶大师一通广告下去就有销量了；打标无望，我们收买了客户采购部的高管修改了评比标准。这些神操作已经脱离了科学范畴，不是自然规律，而是斗志斗勇的结果。
指望用科学数据来分析、判断、预测就显得太苍白了。至于暗箱操作，我们自己的采购收了贿赂呢？我们的销售为了多拿提成拆单凑单呢？我们自己的运营好大喜功大干快上呢？科学研究为了接近真理，往往喜欢剔除人为影响，可商业分析却首要考虑的是人为影响。毕竟钱是靠企业里的人挣来的，不是代码一运行电脑就日日叫的往外吐钞票。
以上种种，使得商业分析师（或者是做商业分析的人）更像是战壕里的连队参谋，而不是实验室里的科学家。要听到前线炮火的声音；要很清晰地知道敌我双方力量对比；要对自己的每个军种、每个兵种特性；要知道敌我将帅的习惯，剩下的才是做军情分析，战术策划。
而不是躲在潜力之外的实验室里：假设我们有10个人，敌人有1个人，我们围着他打，我们就赢了！嗯嗯，你看我已经掌握了战争的最高奥秘！
遗憾的是，传统数据分析技术培训出来的科班生，基本都没啥商业分析能力。比如目前市面上流行的商业分析课，都是第一章excel操作，第二章sql操作，第三章tableau操作，然后丢一个数据集：“假设这是某电商购物数据”。
然后对着这个数据集，计算RFM三个指标，三个指标切成五段，做个k均值聚类，分成四类。一通操作以后，就恭喜学生掌握了商业分析技能了……嗯嗯，我们也可以假设这样就是商业分析了。
然后经过这么培训的新人，在企业里就会遇到一堆领导的灵魂拷问：
“你看看这堆数据，你看到了啥？”
“你分析分析目前有啥问题？”
“你自己想想该怎么分析？”
新人颤颤巍巍地问：“那我做个RFM聚类可以吗？”
领导：“你做做试试呗……”
新人辛辛苦苦做完了，领导回复：
“你这做的啥玩意！！！！”
“你要多了解了解业！务！”
于是新人可怜巴巴地挨个问业务部门，得到的回答是：
销售部：都怪市场活动没跟上
市场部：都怪运营不给力
运营部：都怪销售不积极
……
以上种种乱象，均是过于放大了商业分析中的“分析”，忽视、甚至无视了“商业”的结果。数学、统计学、算法确实是这些内容，可如何结合到具体商业环境，如何应对商业问题，却是需要做商业分析的人有更强的商业理解，和脚踏实地、具体问题具体分析的能力。这篇文章已经很长了，感谢坚持到这里的同学，奉上一个小小的总结作为bonus
后续我们会逐步分享商业分析的做法和不同行业的分析思路
本站运营知识星球历史已上传相关资料概览：
