业务思考：如何利用数据分析讲好业务？
共 3981字，需浏览 8分钟
·
2023-10-12 15:19
内容主题就是“如何利用数据分析讲好业务故事“，具体又分为三部分，如何理解业务要素及其与数据、分析的关系，如何把业务需求转换为标准问题，如何借助于交互实现探索分析。
每当我进入到一个新的行业，我都用一套标准的方法理解业务，并进而理解数据表和分析需求。
1、「业务-数据-分析框架」
业务理解是由三个部分构成的：业务对象、业务过程，业务规则。业务对象是在交易过程中能够看得见的东西，在数据中是用“字段”的方式表达出来的，比如客户、门店、产品等。当然还会有很多持续衡量业务过程的字段，通俗称之为“值”，在分析层级上叫“度量”（measure）。同行业的业务过程、业务对象基本是一样的，差异主要在于业务规则，业务规则对应管理活动。
分析师和业务用户的一个关键差异是，分析师站在数据角度、以抽象的视角自上而下看业务，而业务用户眼中更多是真实的业务对象、业务过程。如今是一个信息世界，我们八零后、九零后和六七十年代的领导不同的部分也在于，他们直接看见的是业务过程，而我们直接看见是业务数据。业务数据是对业务过程的反映，注意，“反映”只是“记录”，没有创造新东西。这就是我精心设计的“业务-数据-分析框架”最基础的两个层次。
从这个角度你去看所有行业，业务和数据的关系都是一样的。
新行业和老行业的一个关键差异是对业务的抽象化水平不同。以前我做零售的时候，很少做客户流失数据分析，因为觉得客户流失了就是流失了，很难把它记下来；但是我们去看新零售、消费金融业务就不一样了。比如你在银行办了一张信用卡，哪怕你这个卡现在是 0 元，它的余额依然每天滚动记录。
同样，做过新零售的人回过头再去看传统零售，就会感觉简单很多，因为“新零售”的抽象程度更高。借助于互联网平台和数字化技术，它可以很快分析出来流失客户去哪里了，有哪些特征，然后我应该做什么调整，但传统零售分析的人都不会做。我做零售出身，当年合作的很多总监，到现在连商品“连带比率”都不会做。
分析是对数据的创造，是“升华”，这是我们分析师的起点。“从业务到数据”是IT的工作，他们负责把现实世界发生的事情以数据的方式记录下来；我们分析师则借助于数据总结业务世界的规律、指导业务的改进。现在很多企业做不到，是因为它的数据太乱了，乱到你“不可忍受”。
说到这里，你就可以完整地理解上面的“业务-数据-分析框架”，这是分析师理解业务世界的基础。
2、穿过数据，理解业务的需求
有了上述的分析框架，我们再来看领导的各种需求。你要把客户的需求置于宏达的分析框架之中，看到领导需求背后的潜在需求。不能领导说最后做个表，你就真的只是给他一个表。现在的很多领导看似需要的是报表，其实因为不知道更高级的业务分析形态是什么。
如果领导要个报表，你就给他一个报表（Report），在领导眼里你就只是一个做报表的人。
报表只是简单的呈现，你需要理解问题、展开分析，真正的分析应该超越显而易见的需求。
什么叫“显而易见的需求”？领导“显而易见的需求”是一个report，但其实最终他的需求是：为什么用户下降了，应该做什么措施？这一个部分是最难想明白的，所以很多人进了一个新行业，慢慢就变成了螺丝钉。
这里有两句经典名言。
第一句是《穷查理宝典》书中说的，它说“手里拿着锤子的人看来，到处都是钉子”。所以如果你以前做Report，你就会觉得每一个领导都需要Report，这会阻碍分析师的进步。
第二句话，“客户想要的不是一把‘锤子’，客户想要的是一个‘洞’”。很多做BI实施的供应商，包括部分BI厂家，普遍以为客户需要的是工具本身，或者需要更复杂的报表、更炫酷的大屏，其实不是的，客户真正需要的是能发现业务问题的“报表”，能发现业务机会的“交互仪表板”。
我们分析师也是一样，领导想要的不仅是一张“报表”，领导想要的是“能够指导业务决策的敏捷分析”。也只有从这个角度出发，你才能讲好一个数据故事，故事才会有“灵魂”。否则技术最好、展现再炫酷，都只是“形式主义”的胜利，我们后续的讲解也都是无用功。
02
理解问题：从分析需求转换为标准化问题
在分析实践中，我发现很多分析师都难以理解业务领导的需求，或者看似理解了，但是实现方式各不相同。在长期的时间过程中，我尝试总结了很多方法，其中效果最为显著的是“问题的标准结构”。
可以说，所有问题必须由三个部分构成：在哪里分析？分析的对象是什么？分析的答案？这三个部分分别称之为分析范围（筛选）、问题详细级别（维度）、问题答案（度量）。
很多时候，分析出现偏差的首要原因，是领导的抽象问题，没有被具体到一个可以落地的问题上。
分析是对业务的抽象概况，是对数据的抽象处理，抽象处理的最基本方式是聚合。所以说分析的本质是聚合，没有聚合就没有分析。
举个例子，假如你是一家银行的资深数据分析师，你的领导交代你完成一份银行客户分析，从数据中发现贷款业绩下滑的问题点并寻找机会，这时你会想如何理解、转换、实现领导的需求？
首先我要揭示，或者说去衡量“业绩下滑”的程度有多少。其次，我们要看，业绩下滑是由客户数量的减少导致的？还是客户数量没有变？而是人均的产能下降了？再次，当已经知道用户下滑的影响最大，那我接下来要分析，是哪一类的客户下滑了，是普通卡还是个人银行？是金卡还是钻石？不同的等级它对企业的贡献是不一样。
基于这样的逻辑，我们就可以明确地整理分析的问题：
-
各个开户年月的贷款金额、环比差异 -
各个客户年月的客户数量、人均贷款金额 各个客户年月、不同法人卡级别的 客户数量、人均贷款金额
在这个案例数据中，首先我们应该关注的是绝对值指标，之后逐渐分解为比率型指标——比率型指标更能业务的效率因素。
当然，上述的分析还是只是简单的概述性问题，一旦发现线索，分布分析、相关性分析就成为新的分析方法，典型问题如下：
-
不同贷款金额区间的法人卡数量（注意，问题的维度包含了预先的聚合） -
不同行业的贷款金额总和、存款金额总和相关性（两个指标在离散字段上的相关） 各个年月的客户数量增长趋势，是否与人均贷款金额趋势相一致（两个指标在连续字段上的相关）
随着分布、相关性问题的出现，分析就算进入中级阶段。它们要解释多个指标或者多个维度的结构性关系，是从基本问题走向高级问题分析的“桥梁”。
03
选择合适的可视化类型并赋予交互关系
用什么可视化类型来表达数据信息是有科学依据的，很多人说这个图表也行，那个也行，其实是缺乏方法论的表现。图表取决于人的视觉，所以最佳可视化是由普适性规范的。过于复杂的分类、枚举性质的可视化路线，只会让分析变得复杂。我们应该从问题出发，从问题中包含的业务对象之间关系出发，来选择合适的可视化类型。
这就是喜乐君推荐的“从问题到图形的可视化分析”，而不推荐“先选择图形再填充字段”的IT方式。
所以从这个意义上讲，我为什么特别反对做“炫酷图形”，因为炫酷的只是“图形”形式，增加了领导识别有效信息的负担。假设你做了个复杂图表，但会发现要先给领导讲 5 分钟如何查看这个图形，领导愣了半天，才能反映过来，这就是错误的方式。
我们如何用交互降低问题的复杂性呢？
对于复杂问题而言，我们可以拆解为更基本的问题，之后借助两个基本图形实现，用交互来表达它的关系。另外，分析的关键是筛选、变量传递，甚至高亮显示、跳转、导航等交互方式。
如果要问，交互是什么？交互是证实和证伪的过程。在交互过程中，业务领导才能建立假设、证实或证伪假设，最后辅助业务决策。所以有“灵魂”的数据故事，一定是有交互的数据故事。这就是“好图形”和“卓越图表”的差异，“卓越的可视化”让你更快地发现问题、走向决策。
对于分析而言，内容一定比形式重要。必要的交互是关键“内容”之一。
04
总结一下
简单总结这次的主题，叫有灵魂的数据故事，但实质是讲你要怎样表达你对业务的理解。
第一部分，怎样理解领导的需求？务必要从业务开始，要理解业务的对象、过程、规则是怎样的。
第二部分，怎样把一个抽象需求转变成可实践的具体问题？问题的结构是关键。
第三部分，交互是关键，是业务假设验证的过程。可视化应该减少“形式主义”，不管是复杂报表还是炫酷大屏。
最核心的，你要有层次概念，我们每一个人都是“现实世界”和“数字世界”的“使者”，或者说是“虚拟世界”的创造者。我们看见的业务世界是计算机帮我们虚拟化的，然后我们借助于敏捷BI工具进一步总结、抽象、升华业务理解，再反过来指导业务改进，改进后的业务系统生成新的数据和假设，能够实现这个循环的企业才是真正实现“数字化转型”的企业。
转自：数据分析不是个事儿