亲身经历，怒答一波。先忍不住吐个槽，现在总是存在着大量似之而非的概念，比如商业分析师、数据分析师、商业数据分析师、金融分析师，听起来高大上，然后你问它们到底是干啥的，有啥区别，然后都回答不上来。这让我一个理工出身的金融男的强迫症犯了，本人不才先简单下个定义：

1、商业分析师：这其实是个传统的岗位，类似就是咨询。下一个科班的定义：商业分析就是通过对商业现象的分析，来促进公司规模、业绩、用户等要素的提升。当然在实际工作中，就是调调研，和同行交流交流，然后做一个酷炫的PPT给领导讲好故事，领导再给更高的领导讲好故事，美其名曰商业洞察；

2、数据分析师：这是个似是而非的概念，总的来说可以分为两个方向，要么偏向业务，要么偏向技术产品。

偏向业务就是商业数据分析师，其实在以前做商业分析也是需要数据的，只是现在都说数据驱动，要求的数据更多的，因此相比于传统的商业分析师，还需要一些数据分析技能的储备，所以可以说商业数据分析师会比商业分析师的叫法更精准，技能点要求更多。

偏向技术产品就是数据科学家或者数据产品经理，专注于各种数据算法，或者数据产品的开发，这个其实就是数据科学家或者数据产品经理，和商业分析师差别有点大，这里就不多做赘述。

对了，顺便交代下背景。本人本人目前在金融券商总部工作，负责过商业分析、策略分析及数字化运营工作，和战略企划、财务管理、项目管理均共事过。我做过数据分析、数据运营以及数据产品经理。

目录

1、传统商业分析的3个层次？

2、商业数据分析师和传统商业分析师的区别？

3、优秀商业数据分析的3个原则？

一、传统商业分析的3个层次

要回答这个问题，首先我们先下个定义：商业分析就是通过对商业现象的分析，来促进公司规模、业绩、用户等要素的提升。商业分析的的分类方法多种多样，我们按照业内相对主流方法分为三大类：战略分析、经营分析和策略分析。

传统商业分析三个层次1.1 战略分析

战略分析是结合国家宏观经济发展，同时考虑到行业格局，并从公司自身的优劣势出发，来制定一个5年乃至10年的发展方向，并制定分年度目标。

我们抛开上述晦涩的概念，举一个具体的例子便于大家理解，券商老总抛出一个问题，“我们XX券商要不要向财富管理转型？”然后，战略分析师小黄开始了他的分析表演：

a.宏观经济层面：中国随着改革开发积累了大量的财富，高净值人群有强烈的财富保值的动机，中产阶级人群有财富增值的动力。中国经济整体趋势向好，财政和经济政策未来都稳健中提升；

b.行业趋势层面：100多家券商的佣金战愈打愈烈，低佣乃至零佣金是未来大概率发生时间。基础交易服务越来越同质化，因此提供差异化的财富管理服务是证券行业未来的一个发展趋势；证监会的政策也有通过财富管理来稳定股市的倾向性；

c.竞争对手分析：100多家券商中某些头部玩家已经率先推出了某某产品，市场反响良好，用户评价不错；我们也要抓紧上！!

d.公司收入分析：我们XX券商的收入结构中，交易佣金占比超过40%，有必要做收入结构的战略性调整，提升财富管理服务费的收入占比。要不在低佣和零佣的市场，我们没饭吃啦！！！

1.2 经营分析

经营分析一般针对某个部门或者某条业务线，来制定年度目标，并基于年度目标指定分月度目标，并做跟踪经营分析。

同样，我们抛开上述晦涩的概念，举一个具体的例子便于大家理，某个网络金融中心的部门老大抛出一个问题，“为什么这个月基金销量下滑这么多？”然后，经营分析师小黄又开始了他的分析表演：

a.各条业务线分析：当月基金下滑30%，其中现金类产品销量有所提升，主要是由于权益类产品下滑40%导致的，而最核心问题出在权益类产品中的场外非货基公募产品，竟然下滑了60%。

b.客户资产分析：通过对购买客户的资产分层分析，发现主要是资产层级在20万以下的客户下滑导致的，因此下个月需要对这个客群多搞搞动作。

1.3 策略分析

策略分析一般会针对某个营销活动展开的分析，一般每日就会做跟踪。举一个具体的例子便于大家理，某个基金营销的团队长抛出一个问题，“昨天的基金破冰活动效果为啥不显著？”然后，营销策略分析师小黄又开始了他的分析表演：

a.活动用户分析：昨天的破冰活动主要针对投资小白客户，相比前天的投资大咖破冰效果不显著，所以我们需要更换活动人群，或者更换促销产品；

b.活动物料分析：昨天的素材是灰色的，相比前天的红色素材效果更差了，因此我们考虑更换素材的颜色；

二、商业数据分析师和传统商业分析师的区别？

因此，当我们搞清楚了什么是商业分析，那么商业数据分析的定义就随之而来：利用数据科学的方法论，赋能传统商业分析，使之更加科学高效。数据科学的方法论可以简单分为“用数”、“治数”、“有数”三个方面。数据分析主要体现的用数层面。

数据分析常见的方法至少包含4个内容：搭建指标体系、搭建经营分析体系、搭建策略分析体系和搭建用户画像体系，下面我会简单介绍下：

2.1 指标体系

数据分析师需要结合业务，梳理出所有的指标，并按照一定的逻辑方法论搭建起来，然后对接大数据团队，将这些指标逐一入库，这也是所谓的数据治理项目，具体可以详见专栏文章。

2.2 经营分析体系

数据分析师需要结合具体业务条线，搭建经营分析体系并可视化报表实现。举个例子，业务想要提升“交易市占率”这个指标，那数据分析师围绕这个目标做一个拆解为多个小目标（如新增交易市占率=新增客户数*户均资产*换手率/市场交易量），然后可视化这个分析体系，建立数据看板，然后随时监控报表，并产生分析报告。

2.3 策略分析体系

围绕上述目标，比如上述提到的“新增客户数”的目标，团队会制定各种策略，比如针对“都市白领”投放免费的“新客理财产品”来吸引获客。比如针对“高校大学生“投放”权益积分“来吸引获客。这些都是策略，在合适的场景+针对合适的人群+投放合适的产品+基于合适的时机来做投放，最终提升转化效果。那么数据分析师和运营人员要一起协同，搭建一个策略分析体系，这个分析体系是运营方法论的沉淀。

2.4 标签画像体系

上面策略提到的人群、产品其实就是标签和画像的概念。围绕策略，数据分析师就需要设计一整套标签体系，这里面有规则标签，比如"都市白领=年龄30岁以下+工作地在省会以上城市+年收入大于30万"，也有算法标签，比如基于机器学习学出来的标签。标签体系需要策略表现不断更新迭代。

三、优秀商业数据分析的3个原则？

商业数据分析的逻辑其实就是偏业务的逻辑，最后无非就是成为高级业务顾问，运气好一点就是成为业务总监，完全转到业务了，这就是另外一条线了，不在此次讨论范围。

说点私货，我其实并不建议一直在商业数据分析这个领域做下去，因为这本质是个辅助岗位，大部人基本就是转业务、或者转产品技术去了，很少一直做下去的。当然如果想一直做下去，就要让自己往咨询转了。因为一个优秀的商业数据分析的逻辑和优秀的咨询顾问的逻辑是一样，至少要做好三件事情：1拔高定位，2讲好故事，3简单赋能

3.1 拔高定位

商业数据分析师说破天就是一个辅助岗位，这个时候只能自抬身家，毕竟没有非常可量化的产出，核心输出无非就是一份报告而已，很容易就会被人挑战的。所以一开始，必须把定位拔高，我不是承接业务需求的，而是给业务赋能的。

对自己的要求就要比公司领导还懂战略，比业务领导还懂业务，比运营还懂运营，其实这并不是很难达到的要求，懂不等于说要实际做到。

首先拿出一份从公司战略、业务规划和策略营销层面都面面俱到的规划，然后这份报告需要获得至少部门级领导的认可，然后后续工作就是不断围绕这个蓝图展开，然后自己也选择其中一点，和某个业务团队共同提升。

这样子做，可以兼顾战略和战术，战略上你有完整的方法论，战术上你也有实际的业务战果，战术来佐证的你的方法论。

3.2 讲好故事

讲故事的能力太重要了，对任何人都是如此，对商业数据分析师这种靠分析吃饭的人更是如此。讲故事不是简单的吹牛逼，而是吹一个逻辑严谨、简单易懂而又显高大上的牛逼。

其实整个职场生态圈大部分都是一个讲故事的生态，相信很多人都有这种感觉，毕竟只有基层员工才是实际干活的，中高层更多的是做规划，中层向高层讲好故事，高层向老总讲好故事，老总向全社会讲好故事。

如何讲好故事是一种技能，至少有两点可以总价：提炼方法论的能力和严谨的逻辑思维能力。这块可以后续再详细阐述。

3.3 简单赋能

简单赋能的核心在于简单，话不妨说的漂亮一点，事不妨做的简单一点。作为商业数据分析师，应该和业务团队合作，抓住相对简单且容易出成果的东西，来体现自己战术层面的价值。千万不要追求复杂，领导喜欢的永远都是简单的结果。

简单总结下的：一个优秀的商业分析师，懂得结合传统的商业分析和数据科学的方法论，并从战略规划、业务经营、营销策略拿出一整套方法论，并抓住一两个简单业务场景落实，并且懂得如何向同事领导讲好这套故事。那么这就是非常典型的数据赋能业务的逻辑框架。

最后，如果文章对你有帮助，希望你能双击点赞收藏关注。原创不易，欢迎大家多多喜欢。