編輯導讀：數據分析是指過分析數據，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，並輸出數據報告。而現實當中，很多業務場景都可由數據體現出來。本文將從四個方面，論述業務對數據分析的重要性。
你一定聽到過：“理解業務，是做數據分析的前置條件和重要步驟”。那麼，如何才叫做理解業務呢？怎麼梳理業務呢？又應該理解到什麼程度呢？很多人對這些問題的理解，可能還很模糊。在此，將主要以數據分析的視角出發，向你分享業務邏輯的梳理流程，並以層層遞進的方式，來展示關於數據分析中，懂業務應該懂到一個什麼樣的程度。
我們首先來討論交流一下，梳理業務對數據分析，有什麼重要性？讓我們在這片自留地，一起探索和交流，運營與數據的魅力所在。
“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，並輸出數據報告。而什麼是業務呢？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端用户，“業務”最終的目的是“增加銷量，換取利潤，降低成本”，並且數據報告裏得出分析結論也是提供給業務使用。
那麼，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、並展示業務現狀，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並解決業務問題，數據分析才能創造價值。對於公司來講，解決業務問題可以提高收益或者降低成本；對於個人來講，知道怎麼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，要用回業務場景裏去。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？
01 重要性一瞭解業務痛點，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，卻忽略了數據背後的業務痛點以及需求。埋頭苦幹一通，最後業務人員一句話否定掉：“你分析出的問題和結果對我有什麼用？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，對於很多做數據分析人員來説，可能馬上就會去拿着數據做多維交叉分析，分析什麼原因導致購買會員數量下降了，而不是主動去思考裏面的業務痛點以及流程邏輯。客户購買會員下降有很多原因，產品設計問題、購買流程問題、客户公司內部政策問題、隊伍銷售能力問題等等。
如果你瞭解業務痛點，多理解業務流程，你就應該瞭解到業務需求關注的因素是什麼？也就是聚焦客户購買會員這個點，理清購買相關的客户旅程漏斗（如圖所示），識別出幾個關鍵的行為轉化節點，然後分析行為點間的轉化與流失情況，結合業務以及用户痛點，去對着數據來源、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後的業務邏輯裏面。
瞭解相應的業務階段側重的關注點是什麼，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，也可以説是產品的生命週期，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週期階段，其數據分析側重的關注點不相同：
萌芽期階段：側重監控用户行為數據等，優化產品迭代。
起步期階段：側重監控用户新增、渠道數據等，篩選優質渠道，擴大客户基數。
快速發展期：側重監控用户活躍、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。
瞭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，無非是以引導客户購買會員變現為主，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（滿足客户需求），有運營（提升日活和客户轉化），有客户（購買會員）等。
如果你瞭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週期性活躍；就不會在客户出現流失苗頭時，只是説一下同環比數據情況；就不會在關於廣告流量減少時粗暴建議業務側全局增加廣告頻率……
04 重要性四瞭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麼職責，就可以看出部門需要的數據是什麼，並對其進行可視化，通常來説，都會異常關注當下的kpi指標，並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）、客户、客户成功等。
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，連接產品和用户，把產品帶出去，把客户的錢帶回來。
客户：產品最終會到用户手中，客户是產品的最終使用者，最終的目的就是為了讓客户儘可能多的去使用產品。我們也要了解客户畫像（這裏就不展開講了）。
客户成功：有了用户購買了產品，那麼我們要去維護用户，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這個功能沒有什麼用户使用，就要考慮哪裏出問題了，怎麼改進。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；在銷售後，吸引用户再度付費。支持客户的運營，如微信羣、售後服務等。
瞭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。
05 最後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、瞭解業務痛點，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、瞭解相應的業務階段側重的關注點是什麼，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、瞭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、瞭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。
總的來説，我們不能脱離業務去看“數據”，而是要時刻從業務角度去理解數據、分析數據。也可以説，沒有業務指導的數據分析是無意義的。這一點對於剛剛入門數據分析的新手來説，甚是需要注重和積累培養的。
最後，倘若你不一樣的看法，歡迎留言添加完善分享，並交流！
#專欄作家#木兮擎天＠，微信公眾號：木木自由，人人都是產品經理專欄作家。多年互聯網數據運營經驗，涉獵運營領域較廣，關注於運營、數據分析的實戰案例與經驗以及方法論的總結，探索運營與數據的神奇奧秘！
本文原創發佈於人人都是產品經理。未經許可，禁止轉載
題圖來自Unsplash，基於CC0協議