直播公开课
互联网和电商行业对于商业分析的人才需求
商科和文科转型商业分析要掌握哪些求职必备技能？
大厂对SQL、Python、Power BI、Tableau等商业分析模型和技能的掌握程度要求？
BA岗位如何准备Case Study，提升Business Sense？
从今年开始，ZARA母公司Inditex就一直坏消息不断，先是在1月宣布关闭旗下Bershka、Pull&Bear及Stradivirus在中国的所有门店。2月，其全球总市值排名第一服装企业的位置又被优衣库挤下来。
这家曾被各大商学院冠以“欧洲最值得研究的品牌”，突然给人一种“不行了”的感觉。ZARA真的不行了吗？
其实并不是，ZARA还是之前那个ZARA，我们把目光看会ZARA时代，看它是如何成为销量最高的服装品牌的。
一般而言，面对商业问题，数据分析都经常在四个层次进行分析。它们分别是：描述性分析、诊断性分析、预测性分析和处方性分析。
其中，大家对处方性分析的熟悉度较低。但道理很简单，就像医生抓药方一样。在商业数据分析师诊断出业务问题后，他还必须结合实际情况，给出运营策略和方案，去改善问题。
今天，我们就通过一些实际案例，并结合以上框架来学习一下商业分析的四个层次。
描述性分析 - 发生了什么？
作为商业数据分析师，你需要告诉通过一些核心指标的数据变化，以及前后数据对比，去告诉公司目前的业务现状是怎样的。
比如互联网公司常见的核心指标有：流量、用户量、转化率、收入、成本等指标。一般来说，核心指标都比较宏观和概括，通过时间周期做内部对比，或与外部竞品数据进行对比，就能对公司的整体或业务情况，有一个基本认知。
请你想一想，哪些业务值得你在汇报中展示呢？下面有几个维度可供参考：
1、老板关心哪些业务？想了解什么信息？
2、部门负责哪些业务，重点又在于哪些？
3、用哪些指标，如何衡量变好/变坏？
4、不断沉淀和优化分析框架。
诊断性分析 - 为什么会发生？
业务发展的趋势变得更好或者更坏，除了知道结果以外，还需要通过数据进一步了解为什么会这样。在诊断性分析中，首先需要分析结果与各种因素的相关性。当然，越是有经验，对业务理解的商业数据分析师，越能更加快速准确地定位因果关系。
如果没有经验也没关系。你可以召集大家一起头脑风暴，分析业务数据，也可以去调研用户，或者与业务的关键角色进行深度沟通。先获得一些信息，才可能知道从哪些维度去下手分析数据更合理，从而提高工作效率。
预测性分析 - 后续可能发生什么？
预测性分析就是提前评估，后续可能会发生什么情况？在工作场景中，通常是利用现有数据进行测算，评估业务的下一步发展。常见的有提前测算年度成本、年度目标、未来收益等等。
处方性分析 - 该怎么做？
当商业数据分析师找到了业务变化的原因后，就需要一些策略去改善它。
首先是定位出业务层面原因。但很多时候，业务原因的定位是缺失的，这样是数据分析师需要重视和补足的地方。往往发现数据原因后，就开始思考运营策略，指向性也非常的强。
比如把激励作为刺激用户的抓手，再加上数据维度的改变。这种做法是比较粗糙的，可能短期内有效果，但一旦停止激励，业务还是会回到原来的状态。因此，关键还是要找到业务结果被改变的关键动作，以及可以尝试运营的业务场景，不能盲目的抓到一个结果就干。
这是一个用数据说话的时代，也是一个依靠数据竞争的时代。世界500强企业中，有90%以上都建立了数据分析部门。IBM、微软、Google等知名公司都积极投资数据业务，建立数据部门，培养数据分析团队。
特别是商业数据分析师，无论从薪资还是晋升潜力，都属于最热门的科技行业岗位！根据Glassdoor的数据，在美国，Business Intelligence的平均年薪达到了76402美元。
以Amazon的Business Analyst岗位为例：
要找到如此高薪的职位，一定要能够熟练操作Excel，SQL，Tableau或PowerBI以及入门级别的R。
如果能够熟练使用R或者Python会是一个加分项。懂得如何使用Google Analytics并且能够从上面扒数据，就更好了，这样可以在做Digital相关的Business Intelligence的工作时有很大的帮助。
数据说话的时代，能够实打实地写在简历上的技能，比任何事都值得自己去花时间和精力。有个方法是提前积累相关的行业经验，你才能提前确定自己是否到底喜欢这个岗位，了解行业的生态环境，不断更新自己的知识储备，熟练掌握岗位必备硬技能。
点击“阅读原文”直接了解项目详情！
