分析师如何帮助业务（上）

〇、一组《人民日报》的图

1、博士生与人类知识价值

带来优质的增长，价值评定会相对高的多，这就是博士生（业务精深）的价值

2、后台价值

增长飞轮：后台建设每次价值1%的增长，业务都会有更高的增长，平台越大效果越明显

一、赋能业务难在哪

1、数据无法描述行为

有人说，这个业务场景太复杂了，数据没办法拆解清晰，这话对也不对。对的地方在，可能当前真的没办法用数据描述，投产比非常低；不对的地方在于，我们认为世间万事万物都能尝试用数据描述，身为数据从业者，尤其要相信这件事。

我们把“世间一切皆数据”翻译一下：

• 世间万物，都能尝试用各种数据指标描述；
• 用数据描述的前提是获取数据；
• 有的描述起来容易，有的描述起来复杂；
• 描述起来复杂的原因要么是事物本身很复杂，要么是事物本身拉齐的公知信息少，要么是历史数据沉淀不够；
• 复杂的本质是没有解耦清晰，没结构清晰的本质是对“需求”认知不清楚；

eg1：

人话：昨天北京下小雪了

数据翻译：

eg2：

人话：我考试没及格，回家估计得挨揍

数据翻译：

eg3：

人话：你猜她喜欢我吗？

数据翻译：客户画像与商品画像的匹配关系，以及第一次触达的视觉及内容展示…以及外界天气、客源状态等等影响…

2、【翻译】变成了【创造】

人类进步本质是模仿而非创新（全是这种毒鸡汤…）。如果数据分析师不能成功翻译业务，最终一定会导致分析结果跟业务没啥关系（不落地），非常多的数据无法指导业务都是这种情况。

没有一个内行人是希望外行人来指手画脚的。

eg：王者荣耀

真玩家流程

基础流程1：组队——分线——选角色——对线

基础流程2：击杀对方——赖线&推塔&游走支援

基础流程3：清线完成——推塔&耗血&清野&游走支援&控龙

基础流程4：被击杀——队友补线&队友收缩&干扰打龙&骂打野

云玩家流程

杀人——推塔——推水晶

翻译与创造（甚至捏造）换个说法，就是BI中心到底是支持部门还是决策部门。如果我们无法让自己先将业务翻译成数据语言，我们所有基于数据的分析支持绝大部分都成为错误的决策依据，自然就会被甲方从“决策”降级为支持。

生物所行为本能背后目的都是获取资源，一切被生物判定为阻止其获取资源的都会有天然敌对情绪

3、对数据解读是否到位

数据反应的是因子变化（如行为、外界环境变化）导致，不能仅解读为同比、环比；

不对照行为目标，单一数据变动无法说明做任何定性判断；

eg: 

①对数据的定义：复购转化率的定义是？

②对数据的敏感：时间周期&生命周期&突发事件？

③对数据初步归因：分子、分母量级、质量指标是否变动？

④对焦行为：哪个行为导致该变动发生？

⑤结合战术定性：从规模&利润&市占…出发，是否符合预期？

⑥对未来走势判定：影响周期预测

4、不同的语言系统

业务团队大部分传达给分子组的需求都是：我要哪些数据

分析团队大部分看到的问题都是：为什么指标上升&下降了

实际业务场景中，业务团队面临的问题是这样的

6、不了解业务诉求

因为不了解业务线诉求，导致数据增熵。

一线诉求

中层诉求

高层诉求