月説小飞象交流会
人生总有不期而遇的温暖和生生不息的希望。
内部交流│29期
数字化转型时代
人人必学的7项商业分析思维
data analysis
●●●●
分享人：Sophia
数字化时代，数据连接一切，数据驱动一切、数据重塑一切，数据是企业数字化转型的核心要素。
数据在企业决策过程中，将发挥出越来越重要的作用，尤其是在商业活动中，数据不仅能够辅助企业快速做出决策，实现降本增效，甚至可以重构企业的商业模式。
企业的数字化转型过程需要的数据思维，就是用数据思考，用数据说话、用数据管理、用数据决策。
用数据思考，就是实事求是、坚持以数据为基础理性思考，避免情绪化、主观化，避免负面思维、以偏概全、单一视角。用数据管理，就是对客观、真实的数据进行科学分析，并将分析结果运用到生产、营运、销售等各环节的业务管理过程中。
用数据说话，就是要杜绝“大概、也许、可能、差不多……”，而是要以真实的数据为依据，基于合理、有逻辑的“推论”，去说服别人，去汇报工作。
用数据决策，就是要以事实为基础、以数据为依据，通过数据的关联分析、预测分析、事实推理获得结论，避免通过直觉做决定和情绪化决策。
Sophia，金融数学硕士，就职于世界五百强企业；8年运营、分析等领域经验；PMP项目管理专家
那么，今天小飞象联合月説邀请了Sophia老师，大家一起探讨人人必学的7项商业分析思维；通过自身实战的从业经历，从3个方面和大家一起探讨；
1、商业分析思维概述
2、7大商业分析思维
3、应用案例（爱奇艺会员收入KPI拆解-经典案例）
数据分析、数智化的学习，在于将别人的知识转化成自己的知识，食之化尽，举一反三。
为了更好的后面做好小飞象内部交流会，需要您帮忙做两件事情：第一，您想想这次为什么想参加这一期的交流会，以及希望在交流会中希望收获到什么？第二，在交流会结束后，请和我说一下您的收获和感受。（可以在公众号留言交流，月说·小飞象内部交流会往期回顾）
做一个对世界充满好奇的人！在分享之前，我们可以先思考几个问题：
★你了解过商业分析框架吗？
★从企业的角度，数字化转型需要数据思维么？
★商业分析思维你知道有哪些么？
......
为了更好的后面做好小飞象内部交流会，需要您帮忙做两件事情：第一，您想想这次为什么想参加这一期的交流会，以及希望在交流会中希望收获到什么？第二，在交流会结束后，请和我说一下您的收获和感受。（可以在公众号留言交流，小飞象内部交流会往期回顾）
做一个对世界充满好奇的人！在分享之前，我们可以先思考几个问题：
★你了解过数字化转型的框架吗？
★从企业的角度，数字化转型常见误区有哪些
★数字化转型方法和路径有哪些？
......
这次分享将为大家扩展思维认知，希望能对从事数字化转型、数据分析的小伙伴们有所启发、来探讨扩展对商分析的认识和分享。在分享的过程中，建议全程认真听，带着思考来听（去看），希望通过本次分享，来为大家了解商业分析能力模型以及分析框架，为提升商业分析能力做一些参考，并给做数据分析的人员提供一些思路，有任何问题都可以随时交流哦！
正式分享
—▼—
一、商业分析思维概述
数据是企业的战略资产，为企业创造价值为理念 ，数据提供高效化、数据质量可信化、数据服务敏捷化、数据应用自动化、数据管理精益化为目标，推动数据应用赋能、打造数据支撑平台、构建数据管理体系、营造数据文化氛围为举措 ，最终实现数据基础能力建设和数据应用价值创造。
因此，数据是企业数字化转型的核心要素，具备数据分析和商业分析思维，是企业数字化转型过程中必不可少的技能之一~
1.1为什么要学习商业分析
■职业发展：熟知全公司业务流程、提供核心决策支持、管理层视角
■生活习惯：更有条理的任务规划、更科学的时间分配、具备“计划-执行-检查-处理”的意识
■能力提升：商业洞察力、逻辑思维能力、沟通表达能力、好奇心与学习能力
1.2商业分析师的能力要求
我们通过看一个招聘，可以看到关键词：深刻理解业务、搭建业务分析体系、分析思路与框架、好奇心、分析总结能力、逻辑分析能力、系统性思维能力、沟通能力
我们再看一个招聘，可以看到关键词：整合数据、监控业绩、分析业务、发现问题、支持数据需求、优化报告、数据分析能力、规律总结能力、结构化思考能力
商业分析师的能力模型：知识、技能、能力（KSA模型）
因此，商业分析：对实际业务进行流程梳理、指标监控、问题诊断和效果评估，以便实现决策支持的行为
二、商业分析思维
2.1分类思维
我们首先来看一下分类思维。我不知道大家有没有想过，什么是分类思维，如何去做分类，为什么会有这样的一个说法？
比如，管理学里面有很多的概念，有科学管理、财务管理、人力资源管理、运营管理、项目管理、决策/目标管理、知识管理、战略管理等等。在我们看到“管理”这个词的时候，第一印象是什么？如何给管理下个定义？或者说，当我们进入一个新的领域的时候，都会遇到过类似问题，这种问题该怎么去解决呢？我们的核心方法就是分类思维。我们可以采用分类，让问题更加简单化，更加直接明了。
其实，人类大脑是一个分类机器，将海量的混乱数据简化和格式化处理，以便理解这个世界。接下来，我们看一下这一块该怎么去分类？第一个，按职能维度，我们说管理是什么？是一种计划、组织、指挥、协调、控制、决策、执行的过程，这是不是跟职能相关的管理是不是就做这些事情？第二个，按专业维度，我们又分为战略管理、人力资源管理、财务管理、营销管理等等。第三个，按照模式维度，有问题管理，有目标管理，这其实就是关于我们从模式的维度又做了一个分类。分类的时候我们需要掌握的一个原则，我相信大家都知道MECE，这个也是麦肯锡、波士顿和贝恩这些管理咨询主推崇的一个原理和方法。分类的原则，不交叉，不遗漏，所以说分类的思维在我们的工作中生活中太重要了太常见了，基本上每天都会进行一个分类。
接下来，我们看看在生活中有哪些应用。比如说，图书馆的分类，你会发现 A系列是什么？A是马克思主义、列宁主义、毛泽东思想、邓小平理论；B是什么？哲学、宗教；C是社会科学论文，D是政治科学，每一个分门别类里都会很清晰，让你能找书的时候就能迅速找到一个什么东西，然后A里面又会去分A2、A3、A4等等。用一个字母代表一个大类，以字母顺序反映大类的序列，在字母后用数字表示大类下类目的划分。在我们的生活中大家就能真正的感受到，分类思维就是为了让这个事情多的复杂的东西，只是更简单。
二分法和三分法，这一块其实也是分类思维。
2.2对比思维
对比思维，是利用相似性找到数据的变化特点和发展趋势，以及找到影响这种差异的原因、优化差异的方法。当然，核心点在于对比，谁跟谁比，如何去比。
第一个关键点叫做相似性，相比的对象相似，相对比的指标也是同质的。比如，我们把京东和阿里巴巴会比较多一些。会不会把京东和腾讯去比？很少很少。因为大家觉得一个是社交领域的，是电商领域的，他们不好去比。第二个关键点是用什么样的一个指标口径去对比。这两点解决了，基本上对比就实现了。
其实，我们每天的分析基本都离不开对比分析，因为没有对比，我们就不知道自己做的好不好，要么跟自己比，要么跟别人比。在对比分析里面有两个点。一个叫横向分析，横向分析是说我们跟自己一个同比分析和环比分析，同比分析是说我们跟每年同一个时间点做对比，它可以消除了季节性的波动性的因素。第二个我们叫做环比分析，环比分析可以是月环比也可以周环比。
其实更多的环比的分析，如果说周环比或者月环比，我们其实分析这种周期性的规律的一种方式，这个季度跟上个季度比，这个就称之为环比分析和同比分析，都是横向分析，对自己跟自己比。还有一个纵向分析，就是说我们不是跟自己比，而是跟别人比，所以说这个时候形成的标的就有相同的和类似的实物对比的，然后选取相同的指标，这也是前段时间通过纵向分析，我们可以发现潜在的规律，对，这个也是从小的角度可能会衍生出来一个研究的方式，叫对标分析。
2.3时间序列思维
时间序列也称动态序列，是指将某种现象的指标数值按照时间顺序排列而成的数值序列。因此，时间序列是某个统计指标（变量）长期变动的数值表现，也是我们常用的分析数据之一，它是站在时间的维度，帮助我们去洞察事物间有什么样的一个规律，跟时间有什么样的规律。
时间序列的思维有三个关键点：一是距今越近的时间点，越要重视（图中的深浅度，越近期发生的事，越有可能再次发生）；二是要做同比（图中的尖头指示，指标往往存在某些周期性，需要在周期中的同一阶段进行对比，才有意义）；三是异常值出现时，需要重视（比如出现了历史最低值或历史最高值，建议在时间序列作图时，添加平均值线和平均值加减一倍或两倍标准差线，便于观察异常值）。
在时间维度分析的时候，我们会用到季节性分析，季节分析它更多的是较短的时间范围内所出现的一种波动规律。比如大家其实去看降雨量对夏天会多一点，冬天会少一些。这就是时间序列，我们在日常分析中比较常用的一些方式，它能够帮我们识别事物的变化规律，为后决策提供依据。
我们举个例子，2011年到2020年，京东的财报数据，所以这一块我们说这是一个时间序列的分析，这是一个时间序列的分析，但是我们通过这种同比增速，其实大家发现也是做一个对比，这是一个我们把它称之为叫做静态的对比分析，自己跟自己横向来做一个对比。
2.4漏斗思维
漏斗思维或者说叫做流程思维，它是一种线性的思考方式。漏斗从上到下我们怎么漏下来的，流程从左到右我们是怎么走的。第一个，它是按照任务的完成路径去展开的。第二个，我们在做的过程中需要去注意的用漏斗思维或者流程思维去识别关键行为的转化节点，就是漏斗里面我们发现哪个漏的比较多，哪个节点比较关键。对这种流程的话，我们说流程一、流程二、流程三、流程四哪个节点问题更多一些。通过识别这种关键行为，我们分析行为节点间的转化和流失情况，从而帮助我们定位问题，这是我们用漏斗思维和流程思维常最常用的方法。
漏斗分析最常用的是转化率和流失率两个互补型指标，流失率=1-转化率。用一个简单的例子来说明，假如有100人访问某电商网站，有30人点击注册，有10人注册成功。这个过程共有三步，第一步到第二步的转化率为30%，流失率为70%，第二步到第三步转化率为33%，流失率67%；整个过程的转化率为10%，流失率为90%。该模型就是经典的漏斗分析模型。
接下来我们看一下漏斗思维主要的应用场景。用户增长的漏斗，也就是AARRR模型，判断用户流失大致处于哪个阶段，进而对问题阶段的用户进行细分，精细化运营，完成用户向成熟用户和付费用户的引导，实现用户增长。做产品的同学基本都规避不了的一个过程。第二个就是hr对招聘的漏斗，对邀约、到访、面试、面试的纠纷，初试、复试中试发放offer，最终入职，这也是一个漏斗，很常见的案例。
2.5逻辑树思维
逻辑树思维，也就是，我们先拿到了一个问题之后，将问题的所有子问题分层罗列，从最高层开始，并逐步向下扩展。把一个已知问题当成树干，然后开始考虑这个问题和哪些相关问题或者子任务有关。每想到一点，就给这个问题（也就是树干）加一个“树枝”，并标明这个“树枝”代表什么问题。一个大的“树枝”上还可以有小的“树枝”，如此类推，找出问题的所有相关联项目。逻辑树主要是帮助你理清自己的思路，不进行重复和无关的思考。
麦肯锡分析问题最常使用的工具就是“逻辑树”。麦肯锡逻辑树又称问题树、演绎树或分解树等。这个也遵循MECE的原则，就是我们尽量保证拆分解的问题是不重复的，又没有遗漏的，这就是逻辑是我们经常去用的，他是帮我们去梳理一个问题，按这个方向把一个问题拆分成1~3个问题。
2.6指数化思维
指数化思维，其实是大家平时关注的，可能在企业里用的不多，但是在我们的经济中用的比较多的指数化的思维，更多的是说将衡量一个问题的多个因素分别量化，组成一个新的指数，其实说实话是一个降维的过程，比如说，我们之前是用这4个指标来衡量某1个事情，或者说我们去评估1个东西，我们把它分成ABCD4个部分，从而加上不同的权重，这个球的大小代表权重，最后形成了一个新的指数。
指数化的好处非常明显，一是减少了指标，使得管理者精力更为集中；二是指数化的指标往往都提高了数据的信度和效度；三是指数能长期使用且便于理解。
指数的设计是门大学问，这里简单提三个关键点：一是要遵循独立和穷尽的原则；二是要注意各指标的单位，尽量用标准化来消除单位的影响；三是权重和需要等于1。
比如，满意度指数，根据顾客对企业产品和服务质量的评价，通过建立模型计算而获得的一个指数，是一个测量顾客满意程度的经济指标。再举个例子：当初设计某公司销售部门的指标体系时，目的是衡量销售部的绩效，确定了核心指标是销售额后，我们将绩效拆分为订单数、客单价、线索转化率、成单周期、续约率5个相互独立的指标，且这5个指标涵盖了销售绩效的各个方面（穷尽）。我们设计的销售绩效综合指数＝0.4＊订单数＋0.2＊客单价＋0.2＊线索转化率＋0.1＊成单周期＋0.1＊续约率，各指标都采用max-min方法进行标准化。
2.7下钻思维
下钻思维，通常用于对某数据的不断细分，以分析在各种细分情况下的数据关系，找出影响该数据的根本原因，也就是我们给加核心的指标向下1-3层得到一个新的指标的一个方法。我们说的杜邦分析法，我们怎么去拆分的。
杜邦分析法以ROE作为衡量企业业绩的最终评估指标。并认为ROE受三个指标的影响，是这三个指标的乘积。正是这三个指标导致不同企业、不同投资人产生了截然不同的收益率。对销售净利率、总资产周转率、经营杠杆的子指标再进行下钻拆解，就可以从更细颗粒度的指标评价和发现经营问题。这些更细颗粒度的指标组织起来就构成了杜邦分析图。
三.案例：爱奇艺会员收入KPI拆解
假设某一年爱奇艺的会员收入KPI目标是10亿元人民币，当前每日新增流量为10万人，从流量到充值的转换率是10%，每个人的充值金额是30元人民币。当前会员规模是2000万。
如何将全年KPI拆解到营销、运营、产品各个部门？
1.确定收入模式。
爱奇艺收入=广告收入，会员收入：典型性、趋势性（这里用树状图）
2.确定会员付费的业务流程
APP，①入口-视频播放-会员购买-支付-成为会员；②入口-会员页浏览-会员购买-支付-成为会员
3.拆解收入公式
会员收入=会员数量*会员单价，会员数量=流量*激活到付费转化率
4.计算相应数值
了解现状落实部门（流量-营销部门，转化率-产品部门，人均充值金额-运营部门），根据目标细化拆解（会员2000万人，人均充值30元，可贡献收入KPI为6亿元，全年从0完成剩余的4亿会员收入，即“流量*转化率*人均充值金额”=4亿元），沟通协调达成一致（与产品经理沟通、与运营部门沟通，计算“当月流量数据”），跟进进度动态调整（每月、每季度根据完成情况动态调整，举例：Q1收入KPI超额完成1000万，在分析中会有两种情况，整体发展态势超出预期，调整总目标，或者总目标恒定，后三季度压力变小）。
总结
以上是本次分享的全部内容。商业数据分析思维是一种“知行合一”的思维模式和行动总则。商业数据思维的建立，不仅仅需要对数字的敏感/商业模式的了解，更需要擅长观察数据，从数据中找出问题、找到规律并提炼见解，让数据赋能业务，提供商业价值。
在数字化时代，每个人都应该建立起用商业数据思维思考，用数据说话、用数据管理、用数据决策的思维模式，培养用数据来发现问题、解决问题能力。
其实，数据能够为商业/业务赋能，可我们也要清晰的认识到任何事物本身是动态变化的，任何预测都存在不确定性，因此，要结合当下业务现状和需求，通过商业数据分析思维循序渐进的推动企业的数字化转型，以实现全维度、全过程、全场景的数据分析，支持企业的数字化转型。总之，商业分析思维一两句话无法说全面，这次分享仅提供分析的框架和思考的角度。我们最终的目的是要解决问题，就是发现问题，解决问题就是发现业务中的问题，然后并去解决。学贵在行，需要我们在以后的学习工作中不断地积累经验掌握工具，学以致用。能站在多方角度，发现问题，分析问题，解决问题，总结问题。
后期小飞象会继续为邀请各业的精英分享数据领域的内容。祝愿大家都能在自己所在的领域内，用数据思维，成就更好的自己，在可预见的未来，遇到更好的自己。谢谢大家！
立即扫码
扫码加入星友群
（领取本期分享课件PPT、分享视频回放以及商业分析常用思维方法、商业分析工具：100种营销分析工具.、商业的本质、商业洞察力30讲、商业分析常用35套思维方法相关资料~等相关资料）
即可各种数据分析思维、工具、课程、书籍、项目、运营、产品相关结构化体系资料，分享会、读书会、人物访谈等栏
分享一些关于商业分析的资料，可以进星球领取
商业洞察力30讲
····
（进星球领取下载链接）
商业分析常用思维方法（43页）
商业分析知识地图
·····
······
敬请期待下一期
本次分享到此结束，再次感谢大家的收听，我们下期再会！
（本文由木兮整理，可能与演讲时略有遗漏，但整体思路精华都在）
图片来源于网络
若好的建议和想法，欢迎在下方留言
我们将尽其所能打造数据分析交流的理想之地
