做数据分析,到底要懂多少业务

简介: 小伙们经常听到这样一句话:“数据分析要懂业务!”那到底啥玩意才是业务?懂多少才算懂业务?今天跟大家分享一下。

一、什么是业务


业务是相对于技术和行政来说的,是企业里一种通俗称呼:


  • 财务、后勤、人力等常规部门,统称:行政
  • 开发、数据、运维等技术部门,统称:技术
  • 销售、市场、运营、产品等部门,统称:业务


直观上看,业务就是负责给企业创造价值的部门,而技术、行政,都是支持他们的辅助工。不过,在互联网公司里,会以工作室/项目组的形式,把产品、开发、运营打包在一起干活。这时候业务就特指产品、运营等工作,相对应的,开发、数据就是技术。


二、什么是“懂”业务


懂业务,简单来说就是知道业务在干什么。由于不同行业做的事情差别巨大。因此,懂业务,并不是一个唯一的答案,而是分行业来理解的。包括五个层面:


  • 第一层:这个行业是做什么的(商品?客户?经营方式?)
  • 第二层:这个公司在行业里是什么地位(榜一大哥?跟班小弟?)
  • 第三层:这个公司的是怎么分工的,各自负责哪一块?
  • 第四层:具体到部门(销售、市场、运营……)是怎么工作的?
  • 第五层:具体到一项工作(运营活动、市场策划……)是怎么开展的?

三、为什么要懂业务


很多新手会好奇:做数据的,明明用的是SQL、Python、BI工具,学的是统计学、运筹学、算法,为啥要懂行业呢?这里有三个重要原因。


1、要分析的问题,从业务里来。


日常分析的问题,经常是:


  • 为什么转化率低了?
  • 为什么DAU降了?
  • 为什么活动不达标?


起码得先知道:


  • 到底是什么APP?
  • 转化的是什么产品?
  • 转化的流程有几步?
  • 活动规则是啥?怎么推广的?

才能分析出原因,不然怎么分析呢?


image.png


2、要使用的数据,从业务里来。


数据不是天上掉下来的,而是业务流程里采集来的。不同的流程,采集到的数据也不一样,不了解业务流程,很有可能连数据都没有,更不要谈分析了。


image.png


3、选择分析方法,要贴业务实际。



很多新手不懂业务,胡乱分析,闹得笑话能有一箩筐


  • “我发现二月份销售很差,得赶紧改进!”
  • “我用回归模型+逐步回归法,发现优惠力度越大,用户买得越多!”
  • “我通过聚类模型,发现我们的用户70%都只有1次消费yeah!”


image.png


这种结论,经常被业务部门同事喷,“废话!”“没有用!”“我早知道了!”总之,不结合业务,做数据分析的就和古代的酸秀才一样,满口之乎者也,办事百无一用。


所以说:懂业务是必须的。但是这么多东西,要怎么一步步弄懂呢?


四、如何做到懂业务?


业务的无层次中,第一二层,是相对基础和固定的。一段时间内,市场上的行业分类不会有大变化,比如传统行业常见分类如下图。


image.png


因此,这些基础行业信息,可以通过行业报告和行业新闻来关注。大家都对互联网很感兴趣,可以关注:36kr、虎嗅等行业新闻多的网站,或者从艾瑞、易观等行业研究网站下载行业报告,补充基础知识。


第三四五层,则和具体的公司有关系。需要大家在日常工作中多总结,多观察。不过,互联网和传统企业,都有一些相对固定的业务场景。有兴趣的话,后边我慢慢分享哦。


五、特别注意


要注意的是,很多比如微信、淘宝、美团、抖音这种超级APP,它们都属于平台型App,里边其实包含了很多种业务。并非是单一业务(如下图)。


image.png


因此,不能简单地认为:电商就是卖货的,开直播就是宰榜一大哥的。某东平台,也不是大强子寄快递,奶茶妹当客服……虽然我们作为消费者,只使用了其中一种服务,但平台本身是很丰富的。


想理解其内部是怎么分工的,有两种方法:


  • 搜《XX公司组织架构调整》《XX公司变动》这种关键词,一般大公司的架构调整,都会发新闻,新闻中会介绍该公司内部分了几个事业部,大概是做什么的。


  • 上求职网站,搜XX公司下边岗位,重点看有哪些业务部门在招人,然后再拿着这些业务部门的名字,一个个搜:这个部门是做什么的。


这样信息收集的多,也就了解越多了。虽然过程很辛苦,但是为了进大厂,还是值得的。


以上就是今天的分享,喜欢的话,记得点赞+转发+在看,三连支持下小熊妹哦。如果大家喜欢,后边我拿八个典型的业务场景,给大家分享下该怎么做分析,敬请期待哦。


相关文章
|
算法 机器学习/深度学习 数据挖掘
带你读《增强型分析:AI驱动的数据分析、 业务决策与案例实践》之三:预测模型的新技术
本书“深入浅出的原理介绍 + 实际使用的案例”的内容安排能够使得数据分析建模人员从算法原理、数据挖掘知识结构、业务应用方法等方面得到提升,帮助数据分析建模人员开阔眼界、优化知识结构、提升实践技能。
|
SQL 存储 数据采集
数据分析中的SQL如何解决业务问题
在工作中,每个数据分析师都离不开做数据分析报告,而一份可落地的报告更是要求灵活地应用工具及理论知识。接下来,我们从工具应用的角度,看看如何用SQL做一份完整的数据分析报告。
|
数据采集 机器学习/深度学习 运维
完整数据分析流程:Python中的Pandas如何解决业务问题
数据分析师用得最多的模块非Pandas莫属,如果你已经在接触它了,不妨一起来通过完整的数据分析流程,探索Pandas是如何解决业务问题的。
|
机器学习/深度学习 数据采集 人工智能
『航班乘客满意度』场景数据分析建模与业务归因解释 ⛵
本文结合航空出行的场景,使用机器学习建模,详细分析了航班乘客满意度的影响因素:机上Wi-Fi服务、在线登机、机上娱乐质量、餐饮、座椅舒适度、机舱清洁度和腿部空间等。
391 0
『航班乘客满意度』场景数据分析建模与业务归因解释 ⛵
|
数据采集 数据挖掘 大数据
业务数据分析最佳案例!旅游业数据分析!⛵
本文使用『城市酒店和度假酒店的预订信息』,对旅游业的发展现状进行数据分析,包含了完整的数据分析流程:数据读取、数据初览、数据预处理、描述性统计、探索性数据分析、关联分析、相关性分析。
855 2
业务数据分析最佳案例!旅游业数据分析!⛵
|
监控 搜索推荐 算法
电商数据分析常用业务指标整理(共72个)
电商数据分析常用业务指标整理(共72个)
|
消息中间件 缓存 分布式计算
Flink 在 讯飞 AI 营销业务的实时数据分析实践
科大讯飞中级大数据工程师汪李之在 FFA 2021 的演讲。
Flink 在 讯飞 AI 营销业务的实时数据分析实践
|
机器学习/深度学习 数据采集 人工智能
图解数据分析 | 业务分析与数据挖掘
数据分析分核心步骤分为:业务认知与数据探索、数据预处理、业务认知与数据探索等三个核心步骤。本文介绍第三个步骤:业务认知与数据探索,包括常见业务分析模型,如AB测试、RFM、AARRR、对比分析、来源分析、细分分析、用户分析、聚类分析等。
186 0
图解数据分析 | 业务分析与数据挖掘
|
机器学习/深度学习 数据采集 人工智能
图解数据分析 | 业务认知与数据初探
数据分析分核心步骤分为:业务认知与数据探索、数据预处理、业务认知与数据探索等三个核心步骤。本文介绍第一个步骤:业务认知与数据探索,包括常见业务目标和业务指标,并结合典型案例讲解指标体系的设计与使用。
146 0
图解数据分析 | 业务认知与数据初探
|
数据挖掘 算法 数据采集
带你读《增强型分析:AI驱动的数据分析、 业务决策与案例实践》之二:大数据探索及预处理
本书“深入浅出的原理介绍 + 实际使用的案例”的内容安排能够使得数据分析建模人员从算法原理、数据挖掘知识结构、业务应用方法等方面得到提升,帮助数据分析建模人员开阔眼界、优化知识结构、提升实践技能。