説起數據分析面試，恐怕對於求職者來説，最難的就是考察業務知識的部分，其他知識都容易惡補，業務知識從哪學呢？業務經驗真是一個世紀難題啊！
別急，今天這篇文章就幫大家科普一下，業務分析（不是數據分析）的一些知識；
這些知識是我在面試新人時最常問的概念性問題，它能最快速度幫我判斷對方的業務經驗基礎，大家對這部分有疑問的可以直接留言在評論區，我會一一解答！
首先我們都説業務分析、業務分析，它一定是業務與分析兩個部分的內容。
我之前在講《數據分析十週實戰訓練營》的時候，介紹過數據分析的流程，可以用五個關鍵詞來表示，分別是“目的”—“採集”—“清洗加工”—“可視化”—“業務價值”；
每個關鍵詞都一一對應着數據分析流程當中的具體工作，分別是：“需求層”—“數據採集層”—“數據層”—“數據處理層”—“輸出層”。
這是一般來説我們進行數據分析的五個關鍵步驟，不管你是做純粹的數據分析，還是偏業務的分析，還是商業分析，基本原則是要按照這五個關鍵點出發的。
但是！
很多人在遇到真實的業務場景的時候，就會發現這套流程根本沒有作用，這是因為什麼呢？
因為實際的業務需求不僅是複雜的，而且是無序混亂的，按照我們習慣性的思維是很難去解決無序問題的，什麼意思呢？
小時候我們都寫過試卷，在試卷上的問題都是什麼樣的呢？
小明有十顆糖，上學的路上遇到了小紅和小剛、小亮，給了小紅三個，給了小剛兩個，給了小亮一個，請問最後小明有幾顆糖？
這就是我們從小時候就養成的思維方式，根據已經有的題幹進行分析，因為我們的大腦會習慣性地依賴某個思維框架或者模式去分析問題，慢慢地大家都習慣地認為真正的業務問題也是有框架的、有模式的。
也就是説，大家都習慣在有提示的迷宮中尋找出口。
那麼真正的業務問題應該是什麼樣子的呢？
小明一開始有十顆糖，上學的路上遇到了小紅和小剛、小亮，請問最後小明剩下了幾顆糖？
如果大家是在試卷上看到這樣一道題目，大家肯定要罵娘了，這題幹根本就不明確，連必要的信息都沒有，你讓我怎麼解答？
這就是理論問題與實際業務問題的區別了！
真正的業務問題是沒有題乾的，是無序的，是混亂的，是複雜的，大家是站在一片迷霧當中尋找出口，所以大家會覺得無所適從。
那麼怎麼去克服這種依賴性思維方式呢？
最好的辦法就是通過不斷練習，嘗試建立起自己的思維體系，任何問題放到思維框架中都可以得到解決，因此這個框架也就是分析思路。
業務分析的流程想要搞清楚業務分析的流程，記住6個關鍵詞就可以了，這也是業務分析報告的主要組成部分：場景——需求——問題——指標——結論——驗證
這是我們進行業務分析流程的主要思路，首先我們確定分析場景是什麼，然後將場景轉化為需求，這時候我們需要建立需求文檔；
有了需求，下一步就是梳理出業務問題是什麼，業務問題往往不是單一的，而是複雜的，因此需要確立問題梳理的方法，這時候我們就需要利用指標體系；
通過指標體系進行數據分析的流程，每一個體系都可能做一次完整的數據分析，最終將所有分析形成一套業務方案，也就是業務結論；
這時候我們的工作還沒有做完，因為業務分析的最後一步是需要將業務方案進行落地，或是配合的角色，或是主導的角色，總之要監督、跟蹤並指導業務方案的實施。
1、診斷現狀：
業務場景往往都是複雜的，我們需要準確判斷業務問題的具體場景是什麼，這裏要包含三個要素：對象、關注點、目標
對象：場景中包含的分析對象，是分析人、物，還是企業、經濟、財務、銷售、用户等分類？
關注點：不同的對象側重點不同，不能面面俱到，只能優先分析重點內容；
目標：分析要達到什麼目的，是想發現問題，還是診斷現狀，還是預測？
比如説，業務想讓你分析一下最近的銷售情況，這是一個相當複雜的場景，我們怎麼進行梳理呢？
對象：對象是銷售，也就是與銷售直接相關的要素，最主要的是銷售員、銷售數據，因此我們主要是做銷售收入、銷售額、單價等與銷售情況直接相關的分析。
目標：一般是完成銷售任務，監控銷售銷量低的原因，提出解決方法；
關注點：銷售與運營分析差不多，但是分析顆粒更細，頻次更密，要求速度更快，所以主要關注時序進度、落後原因、銷售單產情況；
2、需求文檔：
下一步是將場景轉化為需求，這時候我們需要做需求可行性文檔，我們在進行分析之前，首先要搞清楚三件事：這個需求是什麼？這件事值不值得做？這件事需要做到什麼程度？
具體內容比較多，下一篇文章再詳細介紹這一部分的內容！
3、梳理問題
確認了需求之後，我們要將需求轉化為問題，也就是我們要分析什麼東西、分析什麼問題、分析什麼內容，這裏就不詳細講了。
4、建立指標
這是業務分析最困難的地方，這裏我推崇兩個方法去建立指標體系，一是點線面法，二是流程環節法，這裏我以流程法舉例：
我們按照如下框架梳理業務流程，首先是中間主要流程層，指某人通過某些流程步驟達到特定的目標；
在業務流程的具體步驟中，每個節點會做哪些事情，具體做到什麼程度，即如何在業務流程中如何管理，我們稱之為業務層；
在每個管理過程中，我們記錄事件，對管理過程的事件進行量化，我們稱之為數據層。
5、業務方案：
常理推斷，當業務接到一個改進方案A的時候，腦海中浮現的問題是什麼？
- A是怎麼解決我的問題的？
- 為什麼A比B要好？好在哪些業務指標上？好多少？是否可持續可測量？
- 需要我做什麼和現在不一樣的事情？
也就是當我們着眼於業務的問題，提出解決方案的時候，第二步就是解決業務的後顧之憂。我們需要在方案中把業務關心的這些問題一併解決，告訴他們這麼做了以後會有什麼好處。
6、落地實施
做到前兩步以後，基本上你的建議是可以落地了，但我的習慣是再加上最後一步：不斷“跟蹤”進行監測甚至迭代。
其實，這一步和上一步聯繫非常緊密。有些數據分析的同學會把建議甩給業務，業務接受以後自己就不管了。
但其實我很享受近距離觀察自己的建議落地，並且持續監測各大指標，和業務一起優化的過程。當看到各項指標提升的時候，真的非常有成就感。
另外，當我們的建議被市場和用户證明了是有價值的以後，我們和業務之間的信任度就會提升非常多，那我們以後的方案再落地也會容易的多。
【來源：數據分析不是個事兒】
聲明：轉載此文是出於傳遞更多信息之目的。若有來源標註錯誤或侵犯了您的合法權益，請作者持權屬證明與本網聯繫，我們將及時更正、刪除，謝謝。 郵箱地址：[email protected]