说起数据分析面试，恐怕对于求职者来说，最难的就是考察业务知识的部分，其他知识都容易恶补，业务知识从哪学呢？业务经验真是一个世纪难题啊！

别急，今天这篇文章就帮大家科普一下，业务分析（不是数据分析）的一些知识；

这些知识是我在面试新人时最常问的概念性问题，它能最快速度帮我判断对方的业务经验基础。

业务分析与数据分析的区别

首先我们都说业务分析、业务分析，它一定是业务与分析两个部分的内容。

我之前介绍过数据分析的流程，可以用五个关键词来表示，分别是“目的”—“采集”—“清洗加工”—“可视化”—“业务价值”；

每个关键词都一一对应着数据分析流程当中的具体工作，分别是：“需求层”—“数据采集层”—“数据层”—“数据处理层”—“输出层”。

这是一般来说我们进行数据分析的五个关键步骤，不管你是做纯粹的数据分析，还是偏业务的分析，还是商业分析，基本原则是要按照这五个关键点出发的。

但是！

很多人在遇到真实的业务场景的时候，就会发现这套流程根本没有作用，这是因为什么呢？

因为实际的业务需求不仅是复杂的，而且是无序混乱的，按照我们习惯性的思维是很难去解决无序问题的，什么意思呢？

小时候我们都写过试卷，在试卷上的问题都是什么样的呢？

小明有十颗糖，上学的路上遇到了小红和小刚、小亮，给了小红三个，给了小刚两个，给了小亮一个，请问最后小明有几颗糖？

这就是我们从小时候就养成的思维方式，根据已经有的题干进行分析，因为我们的大脑会习惯性地依赖某个思维框架或者模式去分析问题，慢慢地大家都习惯地认为真正的业务问题也是有框架的、有模式的。

也就是说，大家都习惯在有提示的迷宫中寻找出口。

那么真正的业务问题应该是什么样子的呢？

小明一开始有十颗糖，上学的路上遇到了小红和小刚、小亮，请问最后小明剩下了几颗糖？

如果大家是在试卷上看到这样一道题目，大家肯定要骂娘了，这题干根本就不明确，连必要的信息都没有，你让我怎么解答？

这就是理论问题与实际业务问题的区别了！

真正的业务问题是没有题干的，是无序的，是混乱的，是复杂的，大家是站在一片迷雾当中寻找出口，所以大家会觉得无所适从。

那么怎么去克服这种依赖性思维方式呢？

最好的办法就是通过不断练习，尝试建立起自己的思维体系，任何问题放到思维框架中都可以得到解决，因此这个框架也就是分析思路。

业务分析的流程

想要搞清楚业务分析的流程，记住6个关键词就可以了，这也是业务分析报告的主要组成部分：场景——需求——问题——指标——结论——验证

这是我们进行业务分析流程的主要思路，首先我们确定分析场景是什么，然后将场景转化为需求，这时候我们需要建立需求文档；

有了需求，下一步就是梳理出业务问题是什么，业务问题往往不是单一的，而是复杂的，因此需要确立问题梳理的方法，这时候我们就需要利用指标体系；

通过指标体系进行数据分析的流程，每一个体系都可能做一次完整的数据分析，最终将所有分析形成一套业务方案，也就是业务结论；

这时候我们的工作还没有做完，因为业务分析的最后一步是需要将业务方案进行落地，或是配合的角色，或是主导的角色，总之要监督、跟踪并指导业务方案的实施。

1、诊断现状：

业务场景往往都是复杂的，我们需要准确判断业务问题的具体场景是什么，这里要包含三个要素：对象、关注点、目标

对象：场景中包含的分析对象，是分析人、物，还是企业、经济、财务、销售、用户等分类？

关注点：不同的对象侧重点不同，不能面面俱到，只能优先分析重点内容；

目标：分析要达到什么目的，是想发现问题，还是诊断现状，还是预测？

比如说，业务想让你分析一下最近的销售情况，这是一个相当复杂的场景，我们怎么进行梳理呢？

对象：对象是销售，也就是与销售直接相关的要素，最主要的是销售员、销售数据，因此我们主要是做销售收入、销售额、单价等与销售情况直接相关的分析。

目标：一般是完成销售任务，监控销售销量低的原因，提出解决方法；

关注点：销售与运营分析差不多，但是分析颗粒更细，频次更密，要求速度更快，所以主要关注时序进度、落后原因、销售单产情况；

2、需求文档：

下一步是将场景转化为需求，这时候我们需要做需求可行性文档，我们在进行分析之前，首先要搞清楚三件事：这个需求是什么？这件事值不值得做？这件事需要做到什么程度？

具体内容比较多，下一篇文章再详细介绍这一部分的内容！

3、梳理问题

确认了需求之后，我们要将需求转化为问题，也就是我们要分析什么东西、分析什么问题、分析什么内容，这里就不详细讲了。

4、建立指标

这是业务分析最困难的地方，这里我推崇两个方法去建立指标体系，一是点线面法，二是流程环节法，这里我以流程法举例：

我们按照如下框架梳理业务流程，首先是中间主要流程层，指某人通过某些流程步骤达到特定的目标；

在业务流程的具体步骤中，每个节点会做哪些事情，具体做到什么程度，即如何在业务流程中如何管理，我们称之为业务层；

在每个管理过程中，我们记录事件，对管理过程的事件进行量化，我们称之为数据层。

5、业务方案：

常理推断，当业务接到一个改进方案A的时候，脑海中浮现的问题是什么？

A是怎么解决我的问题的？

为什么A比B要好？好在哪些业务指标上？好多少？是否可持续可测量？

需要我做什么和现在不一样的事情？

也就是当我们着眼于业务的问题，提出解决方案的时候，第二步就是解决业务的后顾之忧。我们需要在方案中把业务关心的这些问题一并解决，告诉他们这么做了以后会有什么好处。

6、落地实施

做到前两步以后，基本上你的建议是可以落地了，但我的习惯是再加上最后一步：不断“跟踪”进行监测甚至迭代。

其实，这一步和上一步联系非常紧密。有些数据分析的同学会把建议甩给业务，业务接受以后自己就不管了。

但其实我很享受近距离观察自己的建议落地，并且持续监测各大指标，和业务一起优化的过程。当看到各项指标提升的时候，真的非常有成就感。

另外，当我们的建议被市场和用户证明了是有价值的以后，我们和业务之间的信任度就会提升非常多，那我们以后的方案再落地也会容易的多。

很显然在目前的信息时代，借助类似于FineBI的这些工具，可以让企业加速融入企业数据分析的趋势。备受市场认可的软件其实有很多，选择时必须要结合实际的情况。一般的情况下，都建议选择市面上较主流的产品，比较容易达到好的效果，目前企业数据分析BI软件市场占有率前列的，就是帆软BI软件——FineBI。

商业智能BI产品更多介绍：www.finebi.com

免费下载FineBI 立即体验Demo