大趋势下，未来很长一段时间数据分析岗依然会有市场，数据应用场景和边界不断外延，除了互联网、科技类公司，传统企业升级转型，拥抱互联网过程中，对数据人才的需求也极速增加。
市面上很多岗位都开始偏向数据方向，不仅作为职位，更多的是一种技能存在：
• 用人需求职位直接会挂出来“运营专员(数据分析)”、”产品经理（数据分析）”、“商业分析师”等
• 很多岗位的要求里面甚至有“懂得数据分析”，“商业落地”等
其次，商业数据分析（简称商业分析）是职位中队数据分析技能要求相对低的，可以在相关专业平台速成。对于未来想要从事这一领域，可以从商业分析开始。
商业分析之前世篇
曾经数据分析是一个严重被低估的岗位， 2012年随着大数据的兴起与发展，诞生了很多新兴的岗位和就业机会，BI数据分析、商业分析、商业数据分析、数据分析、数据挖掘、数据科学层出不穷…....
以下一张关系图，让我们直观的了解他们的关系，特别是商业分析BA、数据分析DA以及数据科学DS之间的关系，他们是不同历史阶段的继承和创新的产物，相互之间有很多交叉和融合的地方：
- 商业分析侧重从业务出发，用数据和“传统“的分析方法比如统计方法来解决商业问题
- 数据分析更偏向数据挖掘、机器学习技术
- 数据科学是商业分析和数据分析的结合以及延伸体。数据科学家更多的是一种头衔而非职位，代表一群从事这个领域的群体，类似于“网红“这样的表达。
- 在国外数据分析（BA）专业是2007年才涌现出来的新兴学科，DA是从2011年出现的，出现DS则是从2013年才开始的。
从发展趋势上，尽管商业分析更多的被数据分析取代，但是对于未来想要从事这一工作，可以从商业分析起步：
A. 往数据分析师、数据工程师方向发展，未来可能成长为具有企业大数据战略规划和实施能力的数据科学家
B. 商业分析师往往要兼顾商业和运营，成功的商业分析师都是那些能够 “沟通，推动和分析“的人,从长远发展角度有望成为咨询顾问、运营经理或者产品经理
商业分析之今生篇
什么是商业分析？先从一个简单的栗子开始：
最近有注意到宜家跟小米成为战略合作伙伴，共同打造智能家居。通过这则新闻验证宜家一直致力于家居，是装修的很好选择。关注点是有整体装修需求的人。但是如何使更多有装修需求的人来买呢？经过剥茧抽丝以及数据支撑，发现购买某些厨房产品的人是一个潜在有装修需求的人。之后制定营销计划、预测、落地。
这是一个典型商业分析解决问题的过程，可以提炼出以下几点：
1. 业务理解：这个是解决问题的前提。要理解问什么提出这个问题，这个问题会影响什么？问题的主体是什么？购买流程如何？装修步骤？竞争对手是什么？有哪些数据可以用等跟公司的商业有关的。
2. 思考逻辑：根据对业务的理解，将业务问题转化为可以落地的问题。哪些是可以量化的，哪些是可以是主观能动的；哪些需要系统工具，哪些需要人工操作的？
3. 数据分析：将可以量化的问题，转化为数据框架。最终通过数据分析方法和工具，得到分析结果。这里面用到的工具也可以很简单是excel 和SQL。商业问题被解决了更重要。
4. 制定和推动业务计划：根据分析结果以及执行成本的角度出发，制定营销或者运营计划，实施、评估、优化。
5. 沟通展示
我们总结出商业数据分析是:
“商业数据分析（BA）是指持续迭代探索的技能，技术，实践以及对过去业务绩效的分析，以获得洞察力并推动业务规划。业务分析侧重于根据数据和统计方法开发新的见解和对业务绩效的理解“
其中很重要的部分是业务理解以及思考逻辑：
举个例子，我在帮某家家具公司的会员做数据营销方案。在会员注册之后，要让会员在一年内转化成客户，这样才可以赚钱；并且购买率要从67% 到80%。
我们看到数据就会想到，它是由2个部分组成：新注册会员数以及购买人数。 一方面降低分母，比如建立家庭卡/夫妻卡机制； 另一方面是提高购买人数，这个也是首要的KPI。
另一方面根据业务特征：只有现在购买渠道，显然到店注册的人群特性和线上注册会员应该差异很大。线下业务的提高已经不在我们力所能及的范围，所以目标就转化率就变成提高线上注册会员的购买人数；
其次我们从多维度拆分，找出线上购买转化率低的原因，制定可以落地实施的营销活动方案。 这部分的内容主要是在指标、用户群体确定的情况下，深入的找出维度切入点，从而找到营销着落点。
• 渠道来源：哪些是重要的转化来源？哪些是需要少投入的渠道
• 漏斗分析：用户的最终转化行为到底是从哪个购买流程出现问题？哪个环节是要重点优化？
• 产品性能分析：是否跟产品的性能有关
• 业务特性：是否跟地域有关？早高峰？节假日有关？注册当天vs 注册之后？
• 营销活动：是不是活动力度不够？或者有触达，但是没有给推荐正确的产品？没有点击行为等等
所以本质上，商业分析为的是解决商业问题，商业问题是盈亏利损，不是加减乘除。能理解商业运作本质，具体问题具体分析，才是商业分析师真正该做的事。
商业分析之学习篇
对于新手小白来说，升级过程中不适合自学，要调整好姿势：找到快速的学习曲线、符合行业领袖要求的课程、以及及时的辅导平台，帮助你成为抢手人才，要不然入门之后很快就会放弃。
下面简单的梳理下商业分析学习框架供自学者做参考，主要分为2大块必备硬技巧和软实力：
第一阶段：必备硬技巧
通过短期学习快速入门
1. 统计基础：了解统计基础知识，比如描述性统计、线性回归、抽样、假设检验等思想。商业分析的很多环节都得益于统计思想：
• 从报表中发现活跃用户在这个月的购买电脑的平均利润下降，可能是因为异常值的原因，这个活跃用户是一个零售商，从Outlet渠道购买了很多折扣商品，拉低了平均利润。
• 在营销活动做A/B 实验的设计中，为了避免辛普森效应，采用分层抽样，这样整体的结果是可比的
• 在衡量营销活动的效果，比较实验组和对照组的响应率是否有差异，运用到假设检验的思想
2. SQL：
商业分析的基础就是大数据，一般公司的数据都是储存在数据库中。数据分析过程就是将商业问题转化为数据问题。从而通过SQL/MYSQL等从数据库中提炼出相应的数据。先从碎片化的知识先看起，然后带着问题运用SQL语言去提取数据。
3. BI：
我对BI的理解是，不仅会用BI的工具，还需要有很强的说故事的能力。
- Excel和PPT是BI的基础，这两个个东西是必学的，因为在商业数据分析的方方面面都会涉及到：
• 用excel做定制化报告
• 问题的背景到方法再到结果，用PPT 形成一个故事，跟客户或者上级做汇报
• 营销活动流程图或者逻辑
• 案例总结备案
- 近年来Tableau越来越收到很多公司的喜爱，它相对于Excel 简单易用、快速分析、瞬时共享、存储空间大，是很多BI数据分析的首选。
4. 预测分析：不需要市面上很复杂火爆的算法比如神经网略。了解下经典的预测算法和分群算法就足矣。
• 预测算法：线性回归与逻辑回归
• 分群：决策数和K-means
第二阶段：必备软实力
靠日常有意识的学习积累以及案例实战
1. 分析思维。包括两个层面，一个是逻辑思维层面，另一个是商业分析思维层面。
• 常用的逻辑思维有：MECE、归纳、演绎、对比思维、抽蚕剥丝、5W1H等
• 常用分析思维：用户行为分析、产品分析、竞争对手分析、渠道分析、生命周期分析等
2. 沟通汇报能力：一个方案的提出，除了背后的默默付出，更多的是要在客户或者领导面前200%的展现出来，把研究出来的算法，看板，报表等与实际业务场景结合起来，通过一个个生动的故事来体现自己工作的价值。只有让他们理解你做做了什么，才更有可能采用你的结论或者方案。
比如：
• 如何跟非统计专业出身的人或者业务人员讲模型的结果
• 如何解释营销效果结果在统计意义上是不显著的，明明从数字上Aversion比B version大
3. 行业知识：确认自己未来发展的行业，每日有意识的通过新闻、行研报告来积累行业知识、公司层面的知识。
• 商业分析给业务带来核心价值的并不一定是建模、分析数据的环节，而是将商业问题转化为合适的数据问题，并将数据结论转化为商业行动建议的环节，而这个环节依靠的是你对业务或者行业的深刻理解，某种程度上来说这会要求你比业务人员看得更清楚、思考的更全面。
看完这篇干货文，你是否对商业数据分析有更多了解呢？如果你想学习商业数据分析，又没有编程基础，那就吃下优达菌的安利↓↓
「商业数据分析」纳米学位
*7天试学班*
课程名称：商业数据分析纳米学位7天试学班
课程价格：299元
学习时长：7天
先修知识：无
本课程适合人群：
1.没有编程基础，非理工科背景的小白（当然理工科背景的也可以鸭）；
2.工作需要挖掘数据洞察，并可视化呈现，不太需要直接进行数据清洗和提取的互联网工作人员；
3.提升数据与业务结合能力的工作人群：
-应用商业模型，辅助业务决策；
-给予数据，定位、拆解、解决业务问题；
4.所有对商业数据分析感兴趣，却不知道从哪里开始的人
如何报名
长按识别二维码，添加学习规划师
了解课程详情，获取完整课程大纲
*为了保证学习质量和服务，每期试学班名额有限，先抢先得。
— 完 —
仅用 Excel 和 Tableau 也能掌握专业的数据分析，可视化图表和机器学习技能？Udacity 出品【商业数据分析】，无需任何编程，帮助你在职场上学习必备的数据分析技能。点击“阅读原文”立即了解课程详情
