什么是商业分析?

浏览: 1366

作者:陈老师             个人公众号:接地气学堂

陈老师新课:商业分析全攻略 https://edu.hellobi.com/course/308 用数据分析方法解决商业问题,目前已经350+学员加入!5星好评。分析思维双剑合璧,四大板块:概念篇、行业篇、思维篇、套路篇  


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,马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。

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。才能脚踏实地的思考:到底要分析啥问题。

 

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的思考: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。

 

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,因此做的特别理论化,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;要很清晰的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?

 

新人颤颤巍巍的问:“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!

 

于是新人可怜巴巴的挨个问业务部门,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

……

O(╥﹏╥)o

 

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

未标题-1.jpg

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,欢迎关注陈老师公众号,持续追剧哦

推荐 0
本文由 Python爱好者社区 创作,采用 知识共享署名-相同方式共享 3.0 中国大陆许可协议 进行许可。
转载、引用前需联系作者,并署名作者且注明文章出处。
本站文章版权归原作者及原出处所有 。内容为作者个人观点, 并不代表本站赞同其观点和对其真实性负责。本站是一个个人学习交流的平台,并不用于任何商业目的,如果有任何问题,请及时联系我们,我们将根据著作权人的要求,立即更正或者删除有关内容。本站拥有对此声明的最终解释权。

0 个评论

要回复文章请先登录注册