如何做好业务分析（数据分析）？这篇文章讲透了……

如何做好业务分析（数据分析）？扎实的业务感、扎实的管理功底——懂得你所从事的业务应该如何进行管理，才是关键所在。
——黄迪祺

近几年，关于数据分析的各种吹捧甚嚣尘上，各种关于数字化、大数据分析相关的培训、工具你方唱罢我登场，热闹非凡，许多销售运营人奋不顾身投身到tableau等高大上数据分析软件的学习中，让我联想起那个淘金热的故事，许多人涌到美国西部去淘金，结果淘金者金子没有淘到，倒是那些把水和牛仔裤卖给淘金者的商人发了横财。——没听说哪位数据分析者做了某项牛逼的数据分析，给企业做出了巨大贡献而加官进爵、当上CXO、迎娶白富美、走上人生巅峰，反倒是经常听说某某搞数据分析培训、咨询的人发了大财。前几天遇到一位销售运营人士，花了近2万元学热门的python课程，结果发现没卵用，惊呼被割——韭——菜了。

那么做好数据分析的关键究竟是什么呢？

一、从林彪故事看成功数据分析的关键究竟是啥？

被数据分析鼓吹者用来吹捧数据分析的一个经典故事是林彪打仗的故事，我们来温习一下这个故事：

“……林彪每天深夜都要进行例常的“每日军情汇报”：由值班参谋读出下属各个纵队、师、团用电台报告的当日战况和缴获情况。

那几乎是重复着千篇一律的枯燥无味的数据：每支部队歼敌多少、俘虏多少；缴获的火炮、车辆多少、枪支、物资多少…。

司令员林彪的要求很细，俘虏要分清军官和士兵，缴获的枪支，要统计出机枪、长枪、短枪；击毁和缴获尚能使用的汽车，也要分出大小和类别。

经过一天紧张的战斗指挥工作，人们都非常疲劳。整个作战室里面估计只有定下这个规矩的司令员林彪本人、还有那个读电报的倒霉参谋在用心留意。

在紧急大战中，林彪无论有多忙，仍然坚持每晚必作的“功课”。一天深夜，值班参谋正在读着下面某师上报的其下属部队的战报。说他们下面的部队碰到了一个不大的遭遇战，歼敌部分、其余逃走。与其他之前所读的战报看上去并无明显异样，值班参谋就这样读着读着，林彪突然叫了一声“停！”他的眼里闪出了光芒，问：“刚才念的在胡家窝棚那个战斗的缴获，你们听到了吗？”

大家带着睡意的脸上出现了茫然，因为如此战斗每天都有几十起，不都是差不多一模一样的枯燥数字吗？林彪扫视一周，见无人回答，便接连问了三句：

“为什么那里缴获的短枪与长枪的比例比其它战斗略高”？

“为什么那里缴获和击毁的小车与大车的比例比其它战斗略高”？

“为什么在那里俘虏和击毙的军官与士兵的比例比其它战斗略高”？

人们还没有来得及思索，等不及的林彪司令员大步走向挂满军用地图的墙壁，指着地图上的那个点说：“我猜想，不，我断定！敌人的指挥所就在这里！”

故事的结局是林彪依据数据发现并围歼了敌军一个重要指挥所，取得了战役的关键性胜利。

从这个成功的数据分析的故事里，我们可以解读出三点启迪：

1、林彪是否使用了tableau、python进行数据分析？显然不可能，这两家公司那个时候根本还没有成立，林彪使用的估计是最简单的铅笔+小本子，连excel都没有。看来成功的数据分析和高大上的分析工具没毛关系？

2、故事里是林彪发现了数据的异常，但显然动手做数据分析的不是他自己，他只是“听”数据分析汇报，为什么擅长数据分析的人（他的下级）无法捕获数据分析中的关键情报？显然这是因为林彪懂每项数据背后的意义，能够解读数据反映出来的军事问题，是业务感（business sense）在发挥作用。

3、林彪手下的数据分析人员分析的数据包括：“每支部队歼敌多少、俘虏多少；缴获的火炮、车辆多少、枪支、物资多少…”，真繁琐！为什么不能只统计“歼敌多少”？显然只统计歼敌数就难以达到故事中的效果。问题是，为什么林彪知道需要统计这么多种数据？显然，还是业务感（business sense）在发挥作用——林彪头脑中有个“理想模型”，知道应该用哪些指标去衡量（Measure）每场战争能获取丰富的情报信息。

从这个故事我们可以得到一个结论，要做好数据分析，关键在于你要“懂业务”，包括两个方面，一方面你需要知道要用哪些数据去衡量（measure）业务状况，如林彪知道要采集歼敌、俘虏、火炮、车辆等数据；另一方面，你需要能看懂数据报表背后隐含的意义，如林彪从3个略高的数据判断出这是指挥所所在。

这和我们在销售运营人员群里做的一项小调研的结果相一致。这项小调研就一个问题：“你在做数据分析的时候，最常遇到的困难是什么。”百分百的人首先提到了业务感。典型的回答如“脱离业务”、“结合业务的解读还是太浮于表面，没有深度”、“做数据分析为了做而做，大部分是描述性分析，不要说insights，感觉分析出来的等于没有分析，全是摆在那里的事实。因为不懂业务……”

那么，作为数据分析成功关键的业务感（Business Sense）要从哪里来？

二、作为数据分析关键的“业务感”从哪里来？

什么是业务感Business Sense？我们来分析一下一次成功数据分析的形成过程。通常它包括三个环节，

第一个环节，你知道你要分析的对象是什么？它应该是什么样子的？（生意理想模型）。恰如林彪指导下级需要去采集哪些数据，就是因为其脑海里有这样的一个“理想模型”。

第二个环节，你采集数据，将数据和“理想模型”进行对比分析找出差距在哪里？就如林彪的手下将数据采集和呈现出来。（数据分析其实是检验和验证你头脑中的某个理想模型。例如销售总监经常会找来数据人员，说：“我感觉这个方向好像有点问题，你帮我找些数据分析验证一下”，就是这个道理。）

第三个环节，你找到差距后，洞察（insight）差距产生的原因，并给出改善对策（提供解决方案是对业务分析人员的高等级要求）。——恰如林彪发现三个略高后采取了围歼策略。

显见第一个环节的“理想模型”是成功数据分析的起点，也是关键。比如假设林彪头脑里没有“需要从歼敌、俘虏、武器、车辆等维度去衡量战役”的这一理想模型，那就不可能有后续的分析数据和发现问题。

那么如何能够做好第一个环节呢？有这么两个办法：

一是去操刀业务。但这其实不是最好的办法，很多公司自身的管理实践其实都很low，并不符合最佳管理实践，要不然怎么会有那么多公司需要做管理提升呢？如果你所在的公司是二流、三流的公司，用这种方法，你就只能建立二流、三流的“理想模型”。

二是研究标杆做法或者竞争对手的做法，这是更好的做法，你能建立一流的“理想模型”。向教科书、行业、竞争对手学习“你所从事的行业的生意应该怎么开展、应该怎么进行管理？”比如LTC告诉你完善的销售流程管理应该是怎么样的？又比如4+1管理模式告诉管理得好的区域该是什么样子的？基于这些标杆，你才能像林彪一样，知道要从哪些维度去观察（衡量、measuer）一项生意的运作。

别无它途。

第二个环节，才是做数据分析和呈现。将现实的数据和你头脑里的“理想模型”进行比对，找出差异。如果缺少第1个环节，不知道该分析啥，你给林彪tableau工具也枉然。

第三个环节，则是解释第2个环节发现的差异，分析其原因，并给出相应的对策，比如你发现你的销售流程周期长于同行，那么你就进一步剖析是哪个环节长，应该如何改进，给出解决方案或至少是建议。这样才成功地完成了一次业务分析。再举几个例子：

1）你是否意识到数据不好，是因为销售人员缺乏技巧（需要某种培训）？

2）你是否意识到业绩数据不好，是由于市场信息传递不清晰（产品策略或市场沟通策略）？

3）你是否意识到业绩数据不好，是由于组织架构调整不到位？

这几个例子，都需要相应的扎实的管理功底才能给出建议。如1你就需要知道“销售人员通常需要具备哪些能力、需要接受哪些培训”这项管理知识。

显然，第一个环节和第三个环节都需要扎实的业务感、扎实的管理功底——你懂得你所从事的业务应该如何进行管理。这既是数据分析的起点、更是数据分析最终的落脚点——分析是为了解决问题，而解决问题就是需要给出管理思路，不是么？之所以多数人数据分析做不好，并不在于缺乏高大上的工具，而在于缺乏“这项业务该如何管理？”的业务感。如果我们对3个环节在成功数据分析中的作用画个百分比示意图，那么第二个环节数据分析呈现大概只占到10%~15%，而第一、第三环节可占到85%以上。

综上所述，如何做好业务分析？提高业务管理功底才是正解！