1.1　从“分析”的概念说起

1.1.1　常见的分析概念

真是不应该以基本的概念开篇，因为往往最基本的东西最不好解释。就像人生一样，每天都在经历，但很难用一句话概括它的本质。对于那些每天与数据和信息打交道的分析师来说，要用一句话概括“分析”是什么，也不是一件容易的事情。然而，考虑到出版这本书的目的，我们必须面对这个问题。因此，本节将首先介绍“分析”的概念，并简要介绍业界常见的分析类型，例如数据分析、业务分析、商业分析、经营分析和行业分析等的职责。为了方便读者理解各分析类型的差异性，本节将先从狭义的基本概念开始，再逐步扩展至广义概念覆盖的共性部分。

1．分析

分析的字面含义是把一件复杂的事物、一种现象、一个概念分成较简单的组成部分，找出这些部分的本质属性，认识事物或现象的区别与联系，寻找解决问题的主线，帮助大家更好地理解事物、现象和概念，进而解决问题。分析一般伴随彻底的学习与研究过程。通过分析，我们可以把复杂的事情拆解成简单的组成部分，帮助我们更好地理解世界，进而更有效地应对这个世界。

分析常常是一种有目的的行为，其目的可能是解决一个问题、发现一个机会、优化一个过程、制定一个策略或预测未来的趋势。在不同的领域中，分析的对象和方法可能有所不同，但核心的思维方式和逻辑推理过程都是相通的，通常需要收集、整理、处理和解释大量的数据和信息，以揭示其中的规律、趋势、关联等。

假设一个餐厅的经理想要了解为什么有些客户不再来店里消费，就可以通过多种分析来得出结论（如图1-1所示）。餐厅经理可以观察餐厅的环境，包括店内的清洁程度、音乐的选择、座椅的舒适度等，以确定是否存在一些客户不满意的问题。了解竞争对手的表现，包括他们的披萨的品质、价格、促销活动等，以找出店里的不足之处。分析网上的评论和反馈，以了解客户对其他披萨店的看法，并确定自家哪些方面需要改进。可以进行一些小型的访谈，询问客户对自家店里的披萨和服务的看法，并记录他们的反馈。通过这些分析的组合，这位餐厅经理就可以获得一些关于客户不再回到这个店的原因，从而有针对性地制定改进策略，以吸引更多的客户。

2．数据分析

为了讲清楚数据分析，我们先从“数据”的概念引入。通俗地讲，数据就是对事物某个维度的度量值，可以理解为数字形式的信息。如“橡皮的宽为2厘米”和“中国人口为14.5亿”都是数据。数据分析便是以数据为载体的分析，是指对大量数据进行收集、清洗、加工、分析和解释的过程，以发现其中的模式、趋势、异常或相关性，并根据这些分析结果做出决策或提出建议。数据分析可以应用于各个领域，例如商业、金融、医疗、科学研究等，有效的数据分析可以帮助各类决策者更好地理解和预测未来趋势、识别机会和挑战，并制定相应的策略和计划。

举一个简单的例子。假设我们想了解自己在社交媒体上的影响力，可以通过分析自己的社交媒体账号来获得有趣的结果，如图1-2所示。

（1）收集数据：收集你的社交媒体账号的数据，包括关注者数量、点赞数量、评论数量等。

（2）处理数据：对数据进行整理和加工，例如计算每篇帖子的平均点赞数、评论数等。

（3）分析数据：对数据进行分析，例如计算关注者数量与帖子的平均点赞数之间的相关性，或者计算粉丝数增长率等。

（4）得出结论：通过分析得出结论，例如你的社交媒体账号在最近三个月内的粉丝数量增长了10%，或者平均点赞数和关注者数量呈现正相关关系。

3．业务分析

业务分析是指对组织的业务流程、数据和信息进行深入研究和分析，以识别业务中的问题，并提供解决方案，以支持业务决策和优化业务绩效的过程。业务分析对于企业的长期发展至关重要，因为它可以帮助企业识别市场机会、优化内部流程、提高生产效率、增加销售收入等，从而在市场竞争中占据有利地位。

需要阐明的是，业务分析与数据分析在目标上没有本质差异，只是在所属的部门站位、分析对象、工具与方法上有差异。

·　部门站位：业务分析由业务部门或者业务管理部门负责，而数据分析由并列于业务部门的独立部门负责。

·　分析对象：业务分析关注的是业务流程、组织结构、人员管理、市场竞争等方面，旨在识别业务中的问题和机会，并提供解决方案来支持业务决策和优化业务绩效。而数据分析更多依据数据本身，利用各种工具和技术从数据中提取信息，揭示数据的隐藏规律、趋势和关联性，以支持业务决策。

·　工具与方法：业务分析通常采用问卷调查、访谈、流程分析、SWOT分析等方法，通过对业务过程的深入理解来发现问题和机会。而数据分析则采用各种数学和统计方法，如假设检验、回归分析、聚类分析、决策树分析等，从数据中提取有价值的信息。如果说数据分析重视过程和结论的量化工具，那么业务分析更强调对业务的理解和判断。

此外，业务分析通常针对更具体的问题，需要充分理解并及时跟进业务运营情况，如业务基本面的指标异动、达标情况等的描述与拆解。而数据分析除了应对具体的业务问题，还需要从业务中提炼通用的部分构建组织和系统的数据能力，以供更广泛的组织和团队来调用。但是在实际应用中，这两种分析方法常常是相互关联和相互支持的，企业需要综合应用这两种方法，以实现最佳的业务决策。

4．商业分析

商业分析（Business Analysis）是指通过对企业商业活动的分析，为企业制定战略、规划、流程和政策等提供支持和建议的过程。它的目的是发现商业领域中存在的问题和机会，提供可行的解决方案，并帮助企业实现商业目标。

商业分析与数据分析、业务分析在目标上没有本质差异。但商业分析的出发点和落脚点通常更准确地收敛到商业价值上，分析对象包括但不限于市场、竞争对手、客户、销售、业务流程、风险等。通过对这些方面的综合分析，商业分析可以帮助企业确定市场定位、发掘新市场机会、制定销售策略、提高产品质量和服务质量、降低成本。商业分析常用的工具与业务分析、数据分析有交叉，包含但不限于市场调研、SWOT分析、头脑风暴、业务流程图、数据分析、预测模型等。

举个简单的例子，假设我们要决定是否开一家咖啡厅，就可以通过商业分析来提高决策质量。

（1）首先，进行市场调研，了解当地咖啡市场的情况，例如目标客户、竞争者、市场规模等。

（2）接着，进行客户分析，找出潜在客户群体，研究他们的需求、购买习惯等信息。

（3）然后，进行产品分析，模拟可能的产品形态以及其对应的销售潜力，找出最有可能畅销的产品和最有可能受欢迎的服务，并根据这些数据制定营销策略。

（4）最后，对咖啡的运营流程进行分析，找出流程中的优化机会点，并尝试优化它们，以提高咖啡运营效率。

通过商业分析，可以确定市场是否值得进入、产品是否契合目标市场需求、是否具备相对竞争力、商业模式是否成立，从而制定更有效的商业决策和运营策略，提高竞争中获胜的概率。

5．经营分析

经营分析是指对企业运营数据进行深入分析和挖掘，以帮助企业管理者了解企业运营情况、发现问题、优化流程和制定决策的过程。在经营分析中，可以对企业的财务、销售、生产、人力资源等方面的数据进行分析，从而获得对企业运营情况的全面了解，并据此提高经济效益，从而使企业的运营动作有序达成企业制定的业务目标。

经营分析与数据分析、业务分析、商业分析在目标上没有本质区别。但经营分析更侧重于企业内部经营活动的过程与结果，如生产效率、财务状况、人力资源等，以帮助企业管理者了解企业内部的运营情况，制定相应的运营策略和决策，提高企业的内部运营效率和盈利能力，优化企业内部流程，减少资源浪费，降低成本，提高生产效率。经营分析师需要具备业务洞察和一定的量化工具，且需要具备一定的财务知识。

通过经营分析，经营者可以了解到企业的资金状况、盈利能力，以制定更好的财务战略，也可以通过分析运营流程，了解运营成本与效率，找出瓶颈并提出优化方案。

需要强调的是数据分析、业务分析、商业分析、经营分析，虽有不同的业务边界且职责所要求的技能有部分差异，但在实际业务场景下，它们是密不可分的。一般的业务议题本身就是一个或多个复杂的、融合的课题，描述业务现状、预测业务发展、提高业务效率需要基于敏捷的商业智能系统，以及数据、业务、商业、经营、行业分析联动支持，如图1-3所示。

一般互联网企业都会有一个较大的分析部门，将以上几种分析职能纳入一个大部门体系下，协作运转。这样的部门被称为商业分析部或商业智能部。也有企业将分析部门和运营管理部门设置在一起，称为业务管理部门或业务分析部门或数据分析部门等。但无论哪种，实际想要实现的部门功能都是非常相近的，即用信息支持企业决策。

1.1.2　BI分析的概念

由图1-3所示的联合讨论业务的场景，我们引出BI分析的概念。如果先了解BI（商业智能）的概念，再进一步回溯一下商业智能的来源，便可以发现商业智能的含义更接近用信息支持企业决策的智能定位。

先从概念切入。BI（Business Intelligence，商业智能），一般理解为企业从数据提取信息，并对信息进行收集、管理和分析，而后将这些信息转化为与业务相关的知识供业务使用的机制与系统。这一过程一般依赖数据仓库技术、多维分析处理、数据展现、数据挖掘等技术。市面上多数BI分析系统，如Tableau、Power BI等主要也是致力于提高企业提取数据、展现数据以及基于OLAP的基本多维分析操作（如钻取切片或旋转数据维度等）的能力。

再来回溯一下“商业智能”一词的来源，可以发现商业智能的原始含义更丰富。普遍认为，第一次出现“商业智能”一词是在1958年，IBM研究员Hans Peter Luhn将商业智能定义为“理解所呈现的事实之间相互关系的能力，以引导行动朝着预期目标前进。”而后，在20世纪七八十年代，决策支持系统和执行信息系统逐渐流行，计算机架构逐渐完善。1989年，加特纳的分析师霍华德·德莱斯纳进一步将商业智能定义为“通过使用面向事实的支持系统来改善业务决策的概念和方法”。1996年，加特纳公司进一步将商业智能定义为“商业智能描述了一系列的概念和方法，通过应用基于事实的支持系统来辅助商业决策的制定。”至此，商业智能的概念发展为将信息提炼成知识，并帮助企业做出经营决策的方法、机制与系统。

组织架构是企业的骨架，其设置受所属行业特性、企业所处阶段、掌舵者个人带队风格等影响，参见2.2.1节，但在条件允许的情况下我们通常建议将支持企业决策的团队设为专门的BI（商业智能）部门，该部门的业务范围可包含但不限于：①数据建设；②运营数据分析；③产品数据分析；④业务决策支持，如图1-4所示。对应地，将BI部门从数据中提取信息，再将信息提炼成与运营、产品、业务决策相关的知识，来创造业务价值的业务动作定义为BI分析。