业务分析之人货场分析模型，该如何去了解？
凡是做过数据分析的人，都应该听过这么一句话：“数据分析要懂的业务”，但是很多人都没有真正搞懂这句话。在实际中很多人因为不能充分理解业务需求，从而导致数据分析紧急停留在数据提取的表面上，根本不能产生价值。企业的数据分析是个很复杂的工程，需要业务和分析技术两块知识，如何让数据分析充分为业务赋能，是现在业界最想解决的难题。
我们都知道数据分析最基本的作用是发现问题，而解决问题就不是简单依靠数据就能够完成的，一般来说用数据分析解决问题的流程是这样的：数据分析–发现问题–结合业务分析原因–返回数据验证–发现新问题–循环往复–解决问题。数据分析闭环的完成是需要结合业务才能实现的，任何抛开业务需求谈数据分析的，都是空谈！因此，为了避免出现数据分析沦为空谈主义，就必须要充分理解业务，针对业务场景进行数据分析，这样的结果才有价值。如何理解业务、吃透业务需求？
一、理解业务的本质。也就是业务是怎么挣钱的，其背后是对整个业务经营模式的理解，比如，某个业务是靠什么挣钱的，要理解产品；挣的是谁的钱，要挖掘用户需求；怎么吸引用户来挣钱，要搞清业务渠道；靠谁来挣钱，要掌握业务分工。
二、梳理业务信息，建立分析系统。业务的复杂程度决定了系统的复杂程度，若一个复杂的业务能够被梳理的业务分析的逻辑思维清晰条理清晰，系统也不会很复杂，但前提是你很懂很懂业务。比如，业务环节的处理动作是否清楚？跨部门的业务关系是否了解？业务基础数据、信息流向是否掌握？
三、带着数据意识去看业务。业务分析的逻辑思维是以业务经验为基础的，有时候跟业务走的太近往往会忘记了数据方法论，从而使得业务脱离了数据，导致结果偏离实际，不能为决策提供支持。因此，要带着数据意识去看业务，才能加深对业务的理解，否则跟普通的业务人员就没有区别了。
如何针对业务场景进行数据分析？在进行数据分析之前，我们首先要理解大体的思路是什么？
简单来说，第一步就是要明确业务场景，业务场景包括用户需求、业务流程等内容，了解这些场景需要什么内容和信息，作为我们分析的基础；
第二步就是确定分析目标，做数据分析需要以目标为导向，学会做数据维度的逐级拆分，以结构化思维来做运营数据的全面的，系统性的分析；
第三步就是建立分析体系，包括方法论和方法，方法论包括5W2H分析法、SWOT分析法、PEST分析法等，分析方法包括趋势分析、漏斗分析、用户调查等等；
第四步就是树立核心指标，和分析思维一样，指标也能结构化，也应该用结构化。
具体我们举个零售商的例子：首先我们明确业务场景包括销售、渠道、商品、会员、竞品等等，在整个业务分析体系中，电商行业遵循“人货场分析”的业务分析的逻辑思维，其指标可这样划分：销售分析主要是为了追踪销售情况，与KPI对比，调整销售策略，进一步提升销售额。
分析思路：基本上任何一个问题都可以套用“人货场分析模型”。比如分析客单价下降的原因，从人货场分析角度切入的话，可建立如下的分析模型：
分析方法：数据分析可通过数据对比、极值、预测的方式来分析
对比：比如事业部销售额排行榜、销售额贡献度、城市排行榜等等
极值：比如月销售额最高纪录，激励销售人员或事业部突破记录
预测：根据权重曲线预测未来的销售额商品分析是基于商品的一个流程管理——进销存。比如商品库存太大，占用资金，则采购进货不合理；商品陈列不合理，造成发货不及时，销售滞后。商品分析体系——“进销存”思路，常用的指标如商品的折扣率、动销率、周转率等。
业务分析是数据分析走向推动决策的第一步，这要求数据分析人员不仅要看重数据处理、数理统计，对于业务的理解也要放在第一位，才能充分给业务赋能，让数据分析成为决策、智能执行的推动或补充者。
立即沟通
