商业分析方法论与实践指南

　　商业分析是一种复合型的岗位，对知识的广度和深度均有较高要求。既需要理解“业务”，又需要懂“数据”，还需要熟练掌握“方法论”，只有将这三者串联成一个整体并做到无缝衔接，才是真正的商业分析。本书梳理了业务、数据、方法论三者的脉络关系，提出了商业分析是“业务—数据—业务”的循环，“方法论”贯穿始终。基于此，本书共分6篇进行阐述：第1篇带大家认识商业分析的真实工作场景；第2篇讲述商业分析的起源：业务；第3篇讲述商业分析的量化：数据；第4篇讲述商业分析的归宿：用数据驱动业务的优化和增长；第5篇讲述商业分析的重生循环：新业务/新数据/新优化增长；第6篇介绍商业分析的发展前景和能力培养方案。本书的内容实践性强，以案例形式介绍，手把手教学，分模块、分步骤讲述解决问题的方法，阐述的内容基本都是实际工作中高频出现的业务问题。

　　孙淑霞 先后在搜狐、百度、字节和快手从事商业分析和经营分析工作，担任商业分析专家。知乎号“小军师”专注分享商业分析文章，全网阅读量200万，收藏量2万。职业教育和知识付费平台“三节课”讲师。

==第1篇 开篇
--第1章 揭开商业分析的神秘面纱 2
1.1　经典案例揭示什么是商业分析 3
1.1.1 问题：老板问能否去寺庙里卖梳子如何回答 3
1.1.2 第1种回答：混乱的思维，杂乱的论据，主观的臆想 3
1.1.3 第2种回答：基础的逻辑，一定的论据，堆积的答案 4
1.1.4 第3种答案：严密的逻辑，翔实的论据，客观的答案 5
1.2　商业分析的能力模型 7
1.2.1 商业分析的三大能力模型 7
1.2.2 逻辑思维能力：贯穿所有的分析流程 8
1.2.3 商业理解能力：决定商业分析的高度 9
1.2.4 数据分析与整合能力：商业分析的指示器和量化器 9
1.3　商业分析的岗位类型 10
1.3.1 经营分析师：全局业务和财务的连接器
全局业务中最懂财务，财务中最懂全局业务 10
1.3.2 商业分析师：局部业务和数据的连接器
局部业务中最懂数据，数据中最懂局部业务 11
1.3.3 数据分析师：全局业务和基础数据的连接器
全局业务中最懂基础数据，基础数据中最懂全局业务 12
1.3.4 战略分析师：业务人员和决策者的连接器
比决策者更懂业务，比业务人员更懂战略方向 12
1.4　商业分析工作的基本流程 12
1.4.1 总述：商业分析是“从业务到数据，再到业务”的循环 13
1.4.2 商业分析的起源：业务 14
1.4.3 商业分析的量化：数据 15
1.4.4 商业分析的归宿：用数据驱动业务的优化和增长 16
1.4.5 商业分析的重生循环：新业务/新数据/新优化增长 17

==第2篇 商业分析的起源：业务
--第2章 知全貌——理解“行业”的运作模式 20
2.1　行业研究的基本构成框架 21
2.1.1 研究行业的市场规模，判断赛道的宽度 21
2.1.2 研究行业的生命周期，预估赛道的长度 24
2.1.3 研究产业链，明确身处哪条赛道 25
2.1.4 研究竞争格局，认清赛道的崎岖与平坦程度 28
2.1.5 研究宏观环境，知晓比赛的天气和环境 29
2.1.6 研究盈利模式，知道如何赢取奖金 29
2.2 如何在短时间内快速了解一个行业 30
2.2.1 二手资料搜集通路 31
2.2.2 一手资料搜集通路 32
2.3　传统行业的赚钱逻辑和盈利模式 34
2.3.1 传统企业盈利模式概览 34
2.3.2 星×克优势：先发者构建的品牌和大店直营优势 35
2.3.3 瑞×优势：后来者塑造的价格和小店加盟优势 35
2.4　互联网行业的赚钱逻辑和盈利模式 36
2.4.1 互联网公司盈利模式概览 36
2.4.2 自营电商模式：价差是主要驱动力 37
2.4.3 平台电商模式：广告是主要驱动力 38

--第3章 知彼——研究你的“竞争对手” 40
3.1　6步走做好竞争对手研究 40
3.2　为什么要研究竞争对手 42
3.3　谁才是你的竞争对手 43
3.3.1 旗鼓相当：直接竞争对手 43
3.3.2 望尘莫及：行业领头羊 43
3.3.3 悄然无声：潜在竞争对手 44
3.3.4 取而代之：替代者 44
3.3.5 互不侵犯：跨行业标杆 44
3.4 浩如烟海的竞争信息，需要研究哪些内容 45
3.4.1 基础画像 46
3.4.2 产品 46
3.4.3 用户 47
3.4.4 运营 47
3.4.5 财务 48
3.5 从哪些地方获取竞争对手的信息 49
3.5.1 桌面研究 49
3.5.2 产品亲身体验 51
3.5.3 专家访谈 51
3.5.4 用户调研 52
3.5.5 技术和购买 52
3.5.6 大脑强大的整合和测算能力 53
3.5.7 内部员工访谈和模拟招聘 54
3.6　如何进行多渠道信息的交叉验证 55
3.6.1 CheckList交叉验证 55
3.6.2 注意4种信息陷阱 56
3.7　案例：如何通过竞争对手研究寻找商机 57

--第4章 知己——剖析“所在的公司和业务” 60
4.1　一页纸梳理自身公司的商业模式——商业模式画布 60
4.1.1 商业模式画布是干什么的 60
4.1.2 商业模式画布的九大模块是什么 61
4.1.3 案例：如何描绘抖音的商业模式画布 64
4.2　一张图画出自身公司的组织架构——职能+业务+敏捷 66
4.2.1 职能型组织架构：注重职能设置 67
4.2.2 事业部型组织架构：偏重业务发展 67
4.2.3 “大中台，小前台”型组织架构：追求敏捷高效 69
4.3　3张图描绘所在业务的业务模式——逻辑+流程+架构 70
4.3.1 一张逻辑图厘清业务是如何赚钱的 71
4.3.2 一张流程图揭示业务是如何运转起来的 72
4.3.3 一张架构图展现业务是如何被管理的 73
4.4　2种模型对比自身公司和竞争对手的竞争实力——
五力竞争模型+竞争态势矩阵 74
4.4.1 五力竞争模型：判断自身公司所处的竞争环境 74
4.4.2 竞争态势矩阵：确认自身公司相比竞争对手的实力和优劣势 77

==第3篇 商业分析的量化：数据
--第5章 搭建业务的“晴雨表”——数据指标体系 82
5.1　“晴雨表”的最小单元：数据指标 83
5.1.1 数据指标的3个构成要素：维度+计算公式+度量 83
5.1.2 数据指标的类型 84
5.2 “晴雨表”的核心：北极星指标到底该怎么确定 86
5.2.1 明确公司的战略目标 87
5.2.2 建设备选梯队 87
5.2.3 遴选最终成员 88
5.3　经典问题：你会用哪些数据指标评价一款App 89
5.3.1 明确App的类型，挑选最熟悉的App 89
5.3.2 针对不同的App类型，罗列备选北极星指标 89
5.3.3 判断App所处的生命周期，确定北极星指标 90
5.3.4 对北极星指标进行下钻式拆解，明确二级指标 91
5.4　众木成林：数据指标体系 93
5.4.1 什么是数据指标体系 93
5.4.2 搭建数据指标体系的两大高频模型：OSM模型和UJM模型 94
5.4.3 7步走学会搭建数据指标体系 96
5.4.4 数据指标体系有什么作用 97
5.5　案例：以X短视频公司旗下的Y业务为例，搭建数据指标体系 100
5.5.1 平台的业务原理和团队设置 100
5.5.2 确定GMV作为北极星指标 101
5.5.3 四大策略拱卫GMV，形成二级指标 101
5.5.4 借助UJM模型梳理行为路径，形成过程指标 103
5.5.5 团队管理模式打造最小执行单元，形成维度指标 104
5.6　行业应用：互联网广告行业的数据指标体系 105
5.6.1 广告主数据指标体系 107
5.6.2 营收数据指标体系 107
5.6.3 流量/用户数据指标体系 108
5.6.4 创作者数据指标体系 108
5.6.5 内容数据指标体系 109

-第6章 制定业务的“指南针”——目标 110
6.1　利用“两大模型”制定目标 111
6.2　进行宽度测算：用算法模型测算北极星指标的范围值 112
6.2.1 回归预测的7个流程 112
6.2.2 案例：如何制定短视频公司的广告收入目标 113
6.2.3 回归预测的“利”与“弊” 115
6.3　进行深度测算：用业务模型确定北极星指标的精确值 115
6.3.1 搭建北极星指标的计算逻辑和公式 115
6.3.2 确定每个指标的负责部门 116
6.3.3 搭建预估框架 117
6.3.4 开展层级预估 117
6.3.5 多轮沟通调整，确定最终值 119
6.3.6 目标下发 120
6.4　借助“3条线路”拆解目标 121
6.4.1　横向拆解：2种方法进行“时间线”拆解 121
6.4.2 纵向拆解：3个步骤进行“管理模式线”拆解 125
6.4.3 漏斗拆解：3个步骤进行“业务流程线”拆解 128
6.5 通过“3种策略”平衡各方利益 129
6.5.1 找准立场，厘清利益链条，抓住主要矛盾 130
6.5.2 用数据和事实说话，准备充足的论据 131
6.5.3 3种机制与业务部门紧密沟通，防止闭门造车 132

-第7章 布局业务的“观测站”——监控体系 137
7.1 如何构建监控机制？点线面全方位出击 139
7.1.1 点的监控：筛选5类监控指标 139
7.1.2 线的监控：4条线开展监控 140
7.1.3 面的监控：点和线的交织网络 142
7.2　如何搭建预警机制？5W2H法鉴别异常、发出预警 143
7.2.1 什么是5W2H法 144
7.2.2 What：找出哪些数据异常 145
7.2.3 Where：判断哪里异常 148
7.2.4 When：判断什么时候异常 149
7.2.5 How Much：判断波动幅度的大小 153
7.2.6 Why：判断什么场景需要开展归因分析及如何开展归因分析 155
7.2.7 How：如何进行预警 157
7.2.8 Which：通过何种方式触达 158
7.3　案例：如何开展监控和预警工作 159
7.3.1 判断数据是否异常 160
7.3.2 排除非业务影响因素 160
7.3.3 下钻式拆解定位异常原因 160
7.3.4 发出异常预警 161
7.3.5 解决异常问题 162

-第8章 掌握数据分析的“百宝箱”——方法和模型 163
8.1　授人以鱼不如授人以渔：运用数据分析方法持续解决业务问题 163
8.1.1 对比分析法：发现差距，寻找增长空间 164
8.1.2 分类分析法：发现相同群体，寻找共同特征 168
8.1.3 相关性分析法：发现指标关联性，寻找关键影响因素 172
8.1.4 同期群分析法：发现同期群体在不同生命周期的变化特征 177
8.1.5 逻辑树分析法：发现层级关系，寻找解决问题的路径 182
8.1.6 杜邦分析法：发现不同ROE背后的财务秘密 183
8.2 贴近业务的才是最好的：选择经典分析模型高效应对业务诉求 186
8.2.1 RFM模型：开展用户分层研究 187
8.2.2 漏斗模型：优化产品和用户体验 190
8.2.3 AARRR/RARRA模型：助力用户增长和精细化运营 194
8.2.4 BCG矩阵：评价产品和业务组合 196
8.2.5 生命周期模型：制定生命不同阶段的运营策略 199
8.2.6 财务模型和UE模型：制定年度预算，评估业务可行性 202


==第4篇 商业分析的归宿：用数据驱动业务的优化和增长
---第9章 商业分析在“用户运营业务”中的应用 206
9.1　用户拉新：获客渠道评估和获客成本优化 207
9.1.1 如何获取用户 207
9.1.2 如何评估获客渠道 208
9.1.3 5步分析降低获客成