小飞象·交流会

一个人幸运的前提其实是他有能力改变自己。

内部交流│2期

业务数据分析那些事儿

Business data analysis

●●●●

分享人：红星

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！

—▼—

首先，我们回顾一下第一期分享主题为：转型到数据行业的人员如何准备面试，主要有三个方面：简历准备、面试环节、试用转正。·······(这里就不展开说了)

—▼—

▼

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！

精选反馈

★@姜诗扬：

①希望的收获：小白参加会议，想要深度了解下三大分析模型，知晓大佬们的数分思路和模型究竟是怎样结合的，以及每种模型的具体适用场景及使用方法。

②

★@jecus

①希望的收获：开阔眼界

②反馈：

1.交流会能了解到一些常用分析工具和三个数据方法

2.希望能把学习工具的一些资料汇总一下，当做交流会结束的一些礼品之类的哈

3.建议可以尽量设置多一些能互动的点，可以让观看的人思考，方便我们观看的时候更能沉进去

★@荣达

①就是想了解更多数据分析行业，如何更好的做好。因为准备转行的小白

②今天的分享会，对于转行小白来说还是比较好。数据分析的理论和流程都有介绍的。而且还有案例去怎么进行拆解分析。怎么运作整个操作策略。可能理解还不够。谢谢

★@YUfUng

①对于学生来说，想要学习更深更广的分析思维和方法，当然现阶段想通过本次交流明确自己数据分析方向和同行之间的差距

②我觉得内容的归纳和总结都不错，特别是第一部分的分析流程，总结得很到位。但是内容不够深入，因为这些理论可以在知乎和公众号都有看到，这些知识点可以作为推文写入。

对于，这次交流会我更希望能够深入学习，比如一个案例分析，因为我更需要项目案例如何分析，如何拆解等等。

★@nirvana

★@听众：

■ppt做的很好看，真不敢想象是半个小时做出来的。分享看似很随意那种感觉，听的时候和听完以后都觉得挺清晰的，很有逻辑。听完不需要费事就抓到重点了。分享小故事这一点真的好爱，就发现哥你真的这种小故事好多。

■整个直播中我有几个点印象比较深刻：

第一个数据分析的要点从三步扩展到了八步。可能是当时听见你说了这么一句话：面试的时候可能会这么问。然后专注度直接就拉满了。

第二个就是ab问土豆的事，虽然是个老故事，但还是引发了我深深的思考。我发现自己是真的活成a的样子。足够听话，但是没有思考。已经很少去思考一个问题了。然后有点小小的走神，意识到自己看过的文字只变成了记忆，而不能转化成智慧。

第三个是关于硬技能和软技能。以前我一直以为学数据分析啊或者别的这种专业性很强的东西都是只需要硬技能的。

第四个火箭成本和芝加哥的调音师这两个例子都很有趣，忍不住就跟着思考了。还是感觉挺好玩的。

听完以后的收获：

数据分析的流程get

明确问题——搭建框架——提取数据——数据预处理——数据建模——数据验证——数据展现——撰写报告——数据演讲

■分析工具

MySQL，hive，Excel，r，Python

（知道下来学啥了）

■三个分析模型

√5w2h

√逻辑树分析模型

√对比分析

写到这里真的遗憾网络为啥那么不好????，感觉后面都没办法好好听。

■最后就是红星老师真的好棒，声音真的好好听呀。

★@小新

①希望了解在实际业务中如何更好的运用数据分析，学习业务思维[Fight]

②感谢昨晚的分享，我比较认同拆解法和对比分析法。我目前是在做偏业务的数分，绝大部分问题在拆解和对比后可以找到原因，并且结论可以被领导接受，相较于黑箱的统计模型，领导更愿意接受结合业务的模型。

对于昨晚的直播我认为更侧重于讲分析的框架，降低火箭成本和调音师的案例离我的生活太过遥远，总觉得有些意犹未尽，希望下次可以听到您分享更实际的业务场景。希望对您有帮助，非常感谢您的分享，期待下一场。[Concerned]

★@QKQ

hihi，因为我就是做数据分析的，想多听听同行的心得，对比下自己和别人的差距，所以想参加。期待的收获是新鲜的分析方法论，能给自己的日常工作带来启发的那种～

注：（①排名不分先后；②本次整理可能没有分享时讲的那么全面，但精华内容都在！敬请期待下期分享；③期待留言区出现你的反馈，谢谢）

······

敬请期待下一期

✓ 用户分析模型：RFM模型

✓ 市场分析模型：巴斯模型

✓ 用户需求模型：KANO模型

✓ 产品运营模型：AARRR模型

✓ ……

图片来源于网络

若好的建议和想法，欢迎在下方留言

我们将尽其所能打造数据分析交流的理想之地