光有熱忱和技術還不夠!想從事數據分析,你還需具備「業務 ...
文章推薦指數: 80 %
本文經合作夥伴數據分析那些事授權轉載,並同意TechOrange 編寫導讀與修訂 ... 說起數據分析面試,恐怕對於求職者來說,最難的就是考察業務知識的 ...
Share
(本文經合作夥伴數據分析那些事授權轉載,並同意TechOrange編寫導讀與修訂標題,原文標題為〈90%面試官都會考察的數據分析題:說說業務分析的流程〉;首圖來源:pixabay。
)
【我們為什麼挑選這篇文章】面試數據分析師一職,光有數據分析知識與技能可能還不太夠,對於用人企業,尋求的總是能替公司解決問題的人才,那要如何將自己的資產真正落地到公司的執行端,替公司解決業務問題?本文分享的心法與步驟你或許可以參考看看。
(責任編輯:賴佩萱)
本文發布於2020/12/23
說起數據分析面試,恐怕對於求職者來說,最難的就是考察業務知識的部分,其他知識都容易惡補,業務知識從哪學呢?業務經驗真是一個世紀難題啊!
別急,今天這篇文章就幫大家科普一下業務分析的一些知識;這些知識是我在面試新人時最常問的概念性問題,它能最快速度幫我判斷對方的業務經驗基礎,大家對這部分有疑問的可以直接留言在評論區,我會一一解答!
數據分析VS.業務分析
首先我們都說業務分析、業務分析,它一定是業務與分析兩個部分的內容。
我之前在講《十週入門數據分析》的時候,介紹過數據分析的流程,可以用五個關鍵詞來表示,分別是目的—採集—清洗加工—視覺化—業務價值;每個關鍵詞都一一對應著數據分析流程當中的具體工作,分別是:需求層—數據採集層—數據層—數據處理層—輸出層。
這是一般來說我們進行數據分析的五個關鍵步驟,不管你是做純粹的數據分析,還是偏業務的分析,還是商業分析,基本原則是要按照這五個關鍵點出發的。
但是!很多人在遇到真實的業務場景的時候,就會發現這套流程根本沒有作用,這是因為什麼呢?
因為實際的業務需求不僅是複雜的,而且是無序混亂的,按照我們習慣性的思維是很難去解決無序問題的,什麼意思呢?
改變思考框架,才能解決實際業務問題
小時候我們都寫過試卷,在試卷上的問題都是什麼樣的呢?
小明有十顆糖,上學的路上遇到了小紅和小剛、小亮,給了小紅三個,給了小剛兩個,給了小亮一個,請問最後小明有幾顆糖?
這就是我們從小時候就養成的思維方式,根據已經有的題幹進行分析,因為我們的大腦會習慣性地依賴某個思維框架或者模式去分析問題,慢慢地大家都習慣地認為真正的業務問題也是有框架的、有模式的。
也就是說,大家都習慣在有提示的迷宮中尋找出口。
那麼真正的業務問題應該是什麼樣子的呢?
小明一開始有十顆糖,上學的路上遇到了小紅和小剛、小亮,請問最後小明剩下了幾顆糖?
如果大家是在試卷上看到這樣一道題目,大家肯定要罵娘了,這題幹根本就不明確,連必要的資訊都沒有,你讓我怎麼解答?
這就是理論問題與實際業務問題的區別了!
真正的業務問題是沒有題幹的,是無序的,是混亂的,是複雜的,大家是站在一片迷霧當中尋找出口,所以大家會覺得無所適從。
那麼怎麼去克服這種依賴性思維方式呢?最好的辦法就是通過不斷練習,嘗試建立起自己的思維體系,任何問題放到思維框架中都可以得到解決,因此這個框架也就是分析思路。
認識業務分析的流程=了解業務分析報告組成
想要搞清楚業務分析的流程,記住6個關鍵詞就可以了,這也是業務分析報告的主要組成部分:場景——需求——問題——指標——結論——驗證。
這是我們進行業務分析流程的主要思路,首先我們確定分析場景是什麼,然後將場景轉化為需求,這時候我們需要建立需求文件;有了需求,下一步就是梳理出業務問題是什麼,業務問題往往不是單一的,而是複雜的,因此需要確立問題梳理的方法,這時候我們就需要利用指標體系;透過指標體系進行數據分析的流程,每一個體系都可能做一次完整的數據分析,最終將所有分析形成一套業務方案,也就是業務結論;
這時候我們的工作還沒有做完,因為業務分析的最後一步是需要將業務方案進行落地,或是配合的角色,或是主導的角色,總之要監督、跟蹤並指導業務方案的實施。
1.診斷現狀
業務場景往往都是複雜的,我們需要準確判斷業務問題的具體場景是什麼,這裡要包含三個要素:物件、關注點、目標。
物件:場景中包含的分析物件,是分析人、物,還是企業、經濟、財務、銷售、使用者等分類?
關注點:不同的物件側重點不同,不能面面俱到,只能優先分析重點內容
目標:分析要達到什麼目的,是想發現問題,還是診斷現狀,還是預測?
比如說,業務想讓你分析一下最近的銷售情況,這是一個相當複雜的場景,我們怎麼進行梳理呢?
物件:物件是銷售,也就是與銷售直接相關的要素,最主要的是銷售員、銷售資料,因此我們主要是做銷售收入、銷售額、單價等與銷售情況直接相關的分析
目標:一般是完成銷售任務,監控銷售銷量低的原因,提出解決方法
關注點:銷售與運營分析差不多,但是分析顆粒更細,頻次更密,要求速度更快,所以主要關注時序進度、落後原因、銷售單產情況
2.需求文件
下一步是將場景轉化為需求,這時候我們需要做需求可行性文件,我們在進行分析之前,首先要搞清楚三件事:這個需求是什麼?這件事值不值得做?這件事需要做到什麼程度?
具體內容比較多,下一篇文章再詳細介紹這一部分的內容!
3.梳理問題
確認了需求之後,我們要將需求轉化為問題,也就是我們要分析什麼東西、分析什麼問題、分析什麼內容,這裡就不詳細講了。
4.建立指標
這是業務分析最困難的地方,這裡我推崇兩個方法去建立指標體系,一是點線面法,二是流程環節法,這裡我以流程法舉例:
我們按照如下框架梳理業務流程,首先是中間主要流程層,指某人通過某些流程步驟達到特定的目標;在業務流程的具體步驟中,每個節點會做哪些事情,具體做到什麼程度,即如何在業務流程中如何管理,我們稱之為業務層;在每個管理過程中,我們記錄事件,對管理過程的事件進行量化,我們稱之為數據層。
5.業務方案
常理推斷,當業務接到一個改進方案A的時候,腦海中浮現的問題是什麼?
A是怎麼解決我的問題的?
為什麼A比B要好?好在哪些業務指標上?好多少?是否可持續可測量?
需要我做什麼和現在不一樣的事情?
也就是當我們著眼於業務的問題,提出解決方案的時候,第二步就是解決業務的後顧之憂。
我們需要在方案中把業務關心的這些問題一併解決,告訴他們這麼做了以後會有什麼好處。
6.落地實施
做到前兩步以後,基本上你的建議是可以落地了,但我的習慣是再加上最後一步:不斷「追蹤」進行監測甚至迭代。
其實,這一步和上一步聯絡非常緊密。
有些資料分析的同學會把建議甩給業務,業務接受以後自己就不管了。
但其實我很享受近距離觀察自己的建議落地,並且持續監測各大指標,和業務一起優化的過程。
當看到各項指標提升的時候,真的非常有成就感。
另外,當我們的建議被市場和使用者證明了是有價值的以後,我們和業務之間的信任度就會提升非常多,那我們以後的方案再落地也會容易的多。
(本文經合作夥伴數據分析那些事授權轉載,並同意TechOrange編寫導讀與修訂標題,原文標題為〈90%面試官都會考察的數據分析題:說說業務分析的流程〉;首圖來源:pixabay。
)
看更多數據分析文章
【我媽問我為什麼跪著】看過來!數據分析師的履歷這樣寫才吸睛
【一場拖了12年的金融弊案】摩根大通涉嫌操縱白銀市場,「數據分析」成了破案利器
CIA、五角大廈都是它的客戶!矽谷最神秘獨角獸Palantir如何以「大數據分析」橫行美國政界?
Share
馬上訂閱CONNECT▼
NowReading
光有熱忱和技術還不夠!想從事數據分析,你還需具備「業務能力」
2minread
最新文章
雲端運算人工智慧
雲端服務
數位轉型應用
資訊安全
資訊科技
未來生活電動車
智慧城市
新零售
數位金融
數位行銷
通訊科技5G/6G
太空
低軌道衛星
電信通訊
新科技
供應鏈智慧製造
半導體
能源創新
ESG
IoT
Web3.0元宇宙
區塊鏈
虛擬貨幣
NFT
主題特展2022高薪職涯攻略
2022智慧大工廠趨勢
0%
✕
Close
徵才
報名資安快充線上研討會
最新文章
Podcast
主題特展
2022高薪職涯攻略
2022智慧大工廠趨勢
雲端運算
人工智慧
雲端服務
數位轉型應用
資訊安全
資訊科技
未來生活
電動車
智慧城市
新零售
數位金融
數位行銷
通訊科技
5G/6G
太空
低軌道衛星
電信通訊
新科技
供應鏈
智慧製造
半導體
能源創新
ESG
IoT
Web3.0
元宇宙
區塊鏈
虛擬貨幣
NFT
投資創新
新投資
新人才
數位醫療
創業故事
公共服務
線上學習
數位政府與未來治理
網路民主與公民
品牌簡介
ABOUTUS
聯絡我們
✕
徵才
最新文章
Podcast
主題特展
2022高薪職涯攻略
2022智慧大工廠趨勢
雲端運算
人工智慧
雲端服務
數位轉型應用
資訊安全
資訊科技
未來生活
電動車
智慧城市
新零售
數位金融
數位行銷
通訊科技
5G/6G
太空
低軌道衛星
電信通訊
新科技
供應鏈
智慧製造
半導體
能源創新
ESG
IoT
Web3.0
元宇宙
區塊鏈
虛擬貨幣
NFT
投資創新
新投資
新人才
創業故事
公共服務
數位醫療
線上學習
數位政府與未來治理
網路民主與公民
品牌簡介
ABOUTUS
聯絡我們
LatestPosts
火狐多年的隱私保護「技術結晶」成為全新功能!小狐狸的cookie保護功能有什麼新鮮的?
助中小企業邁向能源轉型,日益能源執行長畢婉蘋:「為地球留下美好產品」
禁止陌生人在元宇宙對你「罵髒話」,Meta想到了個幽默的做法
多人會議同時講話也不怕聽不清!微軟如何靠AI技術打造更好的通話體驗?
Google機器人LaMDA害怕被關掉!AI背後倫理規範,人類真的有資格造出只利他主義的人工智慧?
為提供您更好的網站服務,本網站會使用Cookies及其他相關技術優化用戶體驗,繼續瀏覽本網站即表示您同意上述聲明了解隱私權政策同意並關閉視窗Manageconsent
Close
PrivacyOverview
Thiswebsiteusescookiestoimproveyourexperiencewhileyounavigatethroughthewebsite.Outofthese,thecookiesthatarecategorizedasnecessaryarestoredonyourbrowserastheyareessentialfortheworkingofbasicfunctionalitiesofthewebsite.Wealsousethird-partycookiesthathelpusanalyzeandunderstandhowyouusethiswebsite.Thesecookieswillbestoredinyourbrowseronlywithyourconsent.Youalsohavetheoptiontoopt-outofthesecookies.Butoptingoutofsomeofthesecookiesmayaffectyourbrowsingexperience.
Necessary
Necessary
AlwaysEnabled
Necessarycookiesareabsolutelyessentialforthewebsitetofunctionproperly.Thesecookiesensurebasicfunctionalitiesandsecurityfeaturesofthewebsite,anonymously.
CookieDurationDescriptioncookielawinfo-checkbox-analytics11monthsThiscookieissetbyGDPRCookieConsentplugin.Thecookieisusedtostoretheuserconsentforthecookiesinthecategory"Analytics".cookielawinfo-checkbox-functional11monthsThecookieissetbyGDPRcookieconsenttorecordtheuserconsentforthecookiesinthecategory"Functional".cookielawinfo-checkbox-necessary11monthsThiscookieissetbyGDPRCookieConsentplugin.Thecookiesisusedtostoretheuserconsentforthecookiesinthecategory"Necessary".cookielawinfo-checkbox-others11monthsThiscookieissetbyGDPRCookieConsentplugin.Thecookieisusedtostoretheuserconsentforthecookiesinthecategory"Other.cookielawinfo-checkbox-performance11monthsThiscookieissetbyGDPRCookieConsentplugin.Thecookieisusedtostoretheuserconsentforthecookiesinthecategory"Performance".viewed_cookie_policy11monthsThecookieissetbytheGDPRCookieConsentpluginandisusedtostorewhetherornotuserhasconsentedtotheuseofcookies.Itdoesnotstoreanypersonaldata.
Functional
Functional
Functionalcookieshelptoperformcertainfunctionalitieslikesharingthecontentofthewebsiteonsocialmediaplatforms,collectfeedbacks,andotherthird-partyfeatures.
Performance
Performance
Performancecookiesareusedtounderstandandanalyzethekeyperformanceindexesofthewebsitewhichhelpsindeliveringabetteruserexperienceforthevisitors.
Analytics
Analytics
Analyticalcookiesareusedtounderstandhowvisitorsinteractwiththewebsite.Thesecookieshelpprovideinformationonmetricsthenumberofvisitors,bouncerate,trafficsource,etc.
Advertisement
Advertisement
Advertisementcookiesareusedtoprovidevisitorswithrelevantadsandmarketingcampaigns.Thesecookiestrackvisitorsacrosswebsitesandcollectinformationtoprovidecustomizedads.
Others
Others
Otheruncategorizedcookiesarethosethatarebeinganalyzedandhavenotbeenclassifiedintoacategoryasyet.
SAVE&ACCEPT
延伸文章資訊
- 1光有熱忱和技術還不夠!想從事數據分析,你還需具備「業務 ...
本文經合作夥伴數據分析那些事授權轉載,並同意TechOrange 編寫導讀與修訂 ... 說起數據分析面試,恐怕對於求職者來說,最難的就是考察業務知識的 ...
- 2如何學習資料分析?十年數據分析經驗告訴你,看這一篇就足夠了
目前現有的資料分析師大多是統計學、電腦、數學等專業出身,他們大多缺乏從事行銷、管理方面的工作經驗,對業務的理解相對較淺,對資料的分析偏重於資料分析方法的 ...
- 3活用數據:驅動業務的數據分析實戰 - 博客來
書名:活用數據:驅動業務的數據分析實戰,語言:簡體中文,ISBN:9787121356209,頁數:267,出版社:電子工業出版社,作者:陳哲,出版日期:2019/02/01, ...
- 4數據分析思維: 分析方法和業務知識| 天瓏網路書店
書名:數據分析思維: 分析方法和業務知識,ISBN:7302563837,作者:猴子·數據分析學院,出版社:清華大學,出版日期:2020-11-01,分類:資料科學.
- 5面向業務分析師和數據科學家的工具和解決方案 - Altair
數據科學家和分析師. 如您所知,數據不只是數字,其中所蘊含的商業價值正等待您的挖掘,而用來挖掘商業價值的數據必須可信且可靠. 無論您是業務分析師還是數據科學家, ...