【干货】数据分析VS业务分析需求
在BI界广泛流传着一个观点,不懂商业别做数据分析,可见商业理解对于数据分析的重要性。然后现实中,数据分析切合业务往往四处碰钉子,那么如何解决这个业界难题呢?数据分析人往往是用经典案例套业务的需求,或者等待业务需求,然后数据分析来实现,得出分析结论提供给业务使用。所以这当中需要多深业务功底才能做好分析,把分析价值呈现给业务,让他们用起来,这是一个难题,但也是企业最想解决的难题。
这里把引导放第一位,因为分析需求往往都是零散的、针对具体某一个问题的,所以如果要有系统化的、全面的分析需求,需要从BI角度进行一个分析总揽,既起到抛砖引玉的作用,同时也起到系统性引导业务分析的作用,使得BI与业务一线需求更为紧密。
所谓吃透分析需求,就是对用户的需求进行深入理解,一方面是看需求是否合理,二是自身对业务的学习、理解过程,三是对需求的全面思考。
案例一,由系统性分析框架,与业务需求一起完善BI,并用之产生足够价值。
大家都知道电商活动分析与日常运营分析差别比较大,故活动分析需要独立的分析框架专门服务每次的活动,达到市场目标达到或超过,且客户体验更高、运营成本更低的目的。
当BI人把活动分析框架搭建起来后,无论从商品供应链需求预测、客户细分准备精确营销、市场预测、流量/订单近实时监控等看似比较完美的分析服务体系建立起来后,与业务部门一碰撞,发现还是不能完全满足需求。例如财务部门可能要求监控同一天同一款商品不同价格的问题,因为有的时候,客户不同路径点击商品价格会不同。所以永远不要忽视一线部门对于业务需求的多样性,这些都是需要和业务部门充分交流互补有无的时候。
正常情况下,只要BI人能充分说明理由,业务部门不可能看着业务利益不去做的,除非BI人没有了解到业务执行的困难而妄自假想的方案。例如不同类型的活动,其商品销售分布规律是不同的,有的是3-7,2-8效应,有的甚至1-9效应,这些根据历史经验作为统计分析参数,意味着供应链预测的时候,活动商品根据销售目标准备的库存要达到足够的数量才行。
案例二,业务过来的需求,如何做得更好,让每一个分析都能真正发挥价值作用?BI不能成为IT开发者,你来需求我开发、我取数、分析,至于数据用的咋样,是否产生价值,是你自己的事。这种合作方式正在全面改进,BI价值泡沫正在回归真金白银的价值理念。所以对于业务提出的需求,要刨根问底,直到它真的对业务有帮助。
有朋友说,业务部门可能说,你别管,取数、统计就行了。其实这是可以改变的,因为业务部门也喜欢能做的更好,只要你懂业务,甚至比他们更有见地,别人为啥不听听你的建议呢?
在以前的甲方公司早期做BI的时候,当时业务解析能力还没那么牛,报表和数据分析体系还正在建立中,但也学习不少业务知识,需要逐步与业务磨合的时候,财务部门来了一个统计需求,结果一看,是一张上百个字段的超大报表,而且很明细,统计出来上万行,放EXCLE没法看。于是我问对方到底用这个表来干嘛呢?对方说不清楚,高层领导要的,想要看各省主要品类的销售情况,但不知道怎么看,估先这样都把数拿出来看吧。
我问领导用来干什么,或者什么场合用呢?对方说销售会议。我说这样吧,明细数据我给你,我再帮你统计一些图表,这样会议看数据会看得更轻松更清洗。销售会议,常常会自身同比,以及不同省份的增长对比,所以根据这个特点,我做了针对性统计。 后来反馈会议看数据确实更轻松,对会议有帮助,所以销售总监还想看库存与销售对比,看哪些地方抢了货却销售不出去的现象,但已经很大的补充作用了。
当数据分析走出业务分析的第一步,那么下一步,数据分析对决策有帮助、推动,甚至影响,就有了可能,我倡导的BI做为企业智囊团,谋士,就更进了一步。
数据分析要深入业务,需要做以下事情:
1。先虚心学习基础业务知识
2。建立分析体系,不完整的地方,有业务帮忙补充,BI的业务知识更为全面
3。了解业务的决策、执行困难,对实用性业务经验积累有巨大帮助
4。面对业务需求时,多想为什么,业务可能怎用这个统计或分析,他们拿着这些数据真的有用么?
OK,通过以上历练,你已经走过数据分析通往业务分析的桥梁,可以往战略战术性分析、计算、预测更进一步了,这样你的BI不但是“工具”,你做为BI人还可以做为谋士,成为决策、智能执行的推动或补充者,把事情做得更好。
数据分析咨询请扫描二维码
数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21大数据技术专业主要学习计算机科学、数学、统计学和信息技术等领域的基础理论和技能,旨在培养具备大数据处理、分析和应用能力的 ...
2024-11-21