你可曾了解过，数据分析师与商业数据分析师？

作为长期在大数据行业工作的你，是否有过成为数据分析师或者商业分析师的想法呢？

其实，各行各业都有自己的分析师，比如金融类的就有证券分析师、金融分析师、股票分析师；统计类的就有数据分析师、调查分析师、信息分析师……

你想到的数据分析师或者商业数据分析师是两个完全不同的职业。今天小亿就来为大家分享一下两者有什么区别，以便帮助大家更好的理解这两个职业。

一、初步了解商业数据分析师、数据分析师

什么是分析师？分析师是运用定性和定量调查方法，收集有关信息，运行数据处理和分析，形成报告以供决策参考的人员。

商业分析师是在需求的背景中理解业务问题和商业机会，给出解决方案，以支持组织实现其目标。而数据分析师指的是不同行业中，专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测的专业人员。

看完概念，大家可能已经有了一些了解，但还不够清晰，接下来我们从3个方面来谈谈两者的区别。

二、从3个角度谈两者的不同

1.专业要求和工作能力不同

（1）商业分析师

一般来说，商业分析师都需要有一定的MBA背景，对市场、上下游、商业有强烈的洞察力，具备系统的资料收集、市场研究、整理能力，及良好的文字处理能力，具备较强的逻辑思维能力，敏锐的观察能力和独立分析能力。

很多商业分析师是需要独立完成一份行业分析报告，站在整个行业的角度，去看待本公司、所有竞品公司、上下游的各种关系与优劣势。需要懂得各类的策略模型与方法论：如SCP、RFM、波士顿矩阵、金字塔原理、5W2H、MECE分析、SWOT分析等等，专业偏向经济、金融、工商管理、数学、统计（整体更倾向商科）。

（2）数据分析师

数据分析师更偏向针对某个公司产品，进行分析建模，驱动增长。需要有较强的落地能力，与各业务部门的配合的沟通能力。

需要懂得统计学相关知识，寻找大数据中隐藏的用户行为规律，掌握基本统计模型及统计学知识：回归分析、聚类分析、时间序列、多元统计，贝叶斯等，如果在互联网研究产品的话需要了解：漏斗分析、产品转化等。专业偏向数学、统计、计算机（整体更倾向理科）。

上述的模型，商业分析师和数据分析师都会交叉使用，只是侧重点较为不同。通过以上简短的介绍，我们可以发现无论是商业分析师还是数据分析师都需要依靠数据来得出结论，都需要掌握数据分析工具。

2.工作内容不同

（1）商业分析师

商业分析更加注重决策能力，结合内外部数据深度剖析商业问题，最后进行企业战略调整和产品迭代，主要有以下工作职责：

①根据专业专长和所涉领域的不同，负责某个独立项目的调查分析，通过收集、整理数据信息，提出有针对性的方案或建议，能独立、高质量的完成大部分成果文件；

②协助高级咨询师完成咨询或培训项目中的部分模块；

③在现场通过专业、逻辑、理性的方式与客户讨论、界定问题并与其保持密切合作；

④与客户沟通，帮助客户理解、实施咨询建议，协助其解决实际问题；

⑤完成咨询过程的后续回访等工作；

⑥撰写商业分析报告，包括但不限于以上。

（2）数据分析师

数据分析师是一个连接业务与技术的职位，要求比工程师更了解业务逻辑，又要比产品、运营等具有更多的数据分析思维与技能。数据分析主要是为公司业务人员、运营人员提供数据支持的，帮助员工提高工作能力和工作效率，让组织里面的每一个人都有主观能动性，另外还能通过数据优化员工绩效，主要有以下工作职责：

①根据时间维度产出数据报告，用数据统计分析方法对搜集来的数据信息进行分析，并加以归纳和理解。

②监控数据趋势。数据分析能提取有效信息和形成结论，对数据加以详细研究。

③为业务提供数据支持。数据分析后，以求最大化地开发数据的功能，充分发挥数据的作用。

④在分析数据后可以对行业发展，行业知识规则进行预测和挖掘。

⑤撰写专题性报告，，包括但不限于以上。

如果将企业比作战场，数据分析更像是为每一个士兵服务，并且数据分析能渗入到组织里面的每个细胞。而商业分析是为将领服务的，提高管理者决策的准确性、决策效率和决策能力；数据分析师在实际工作中更偏向业务，而商业分析师则更深入商业场景。

3.职业发展路径不同

（1）商业分析师

在本行业领域内，初级商业分析师通过专业素养的不断提升，以及实践经验的多年培养，可以向高级商业分析师的方向发展。

此外，商业分析师往往兼顾商业和运营的各种方向的知识，最成功的商业分析师都是那些能够“沟通、推动和分析”的人。因此，从长远发展角度看，有望向企业战略咨询顾问、企业文化咨询顾问、企业改制咨询顾问、品牌管理咨询顾问、营销管理咨询顾问、CRM咨询顾问、精益生产咨询顾问、供应链管理咨询顾问、人力资源咨询顾问、财务管理咨询顾问、BPR咨询顾问、区域经济咨询顾问、知识管理与信息化咨询顾问等方向发展；或转向其他相关领域，成为财务分析师、品牌经理等。

（2）数据分析师

数据分析可以简单分为业务和技术两大方向。

业务方向——数据运营、数据分析师、商业分析、用户研究、增长黑客、数据产品经理等；技术方向——数据开发工程师、数据挖掘工程师、数据仓库工程师等。

业务类岗位的数据分析师大多在业务部门，主要工作是数据提取、支撑各部门相关的报表、监控数据异常和波动，找出问题、输出专题分析报告。在日常工作中，业务部门往往更关心某个指标的为什么下跌或上升、产品的用户属性是怎样的，如何更好的完成自己的KPI等。

技术方向的岗位如数据挖掘/算法专家等岗位有的归在研发部门，有的则单独成立数据部门。与业务方向的数据分析师相比较来说，数据挖掘工程师要求更高的统计学能力及编程技巧。因为数据挖掘工程师对工具的要求比较高，所以数据挖掘的平均薪资也会高于数据分析师。

三、如何提高商业分析能力？

商业分析能力就是从业务和战略发展的角度出发，用数据分析手段，发掘业务问题，支撑商业决策。所以我们认为，商业分析能力最核心的两件事：业务思维+数据思维。

1.业务思维

做商业分析，要知道商业价值在哪儿，必须充分了解企业的商业模式和行业属性，这样才知道到底企业有啥分析需求，才能有目的性地去思考到底要分析啥问题，因此可以从以下几个方面来分析：

（1）企业商业模式

商业模式，简单来说就是公司或个人运用某种方法或途径赚钱，从而产生利润的效应模式。我们谈商业分析能力的业务思维方式，就是能深入理解到企业战略定位、业务体系、关键资源、盈利模式，有助于拓宽视野并提升思考深度，保证产品与企业战略和业务发展同步。快速了解商业模式比较好的渠道有公司业务负责人、行业竞对、行业专家、垂直行业媒体等，广谋从众，各取所长。

（2）企业行业属性

理解商业模式只是开始商业分析的第一步，具体到一门生意上，还有行业、产品、用户群体的区别。比如大家最喜欢说的：互联网行业，其实范围非常广泛，包含了：电商、游戏、广告、新闻、社交、O2O、VR、团购、消费贷、小额贷、保险等众多子领域，每个领域间差异巨大。而所谓传统行业，比如快消、耐用、零售、家具、美容、金融、餐饮等等，也在积极拥抱互联网，不但大力建设自己社交媒体矩阵，而且纷纷开设自己的小程序吸纳会员，开劈电商渠道拓展客户，可以说行业边界本身也在模糊，具体形态越来越多元化。

（3）了解业务的途径

脱离具体的商业模式和行业属性就没法谈商业分析，了解商业模式和行业属性的途径如下：

①洞察行业趋势

垂直媒体：针对垂直行业的互联网媒体平台，提供行业深度内容、知识分享和互动，例如：电子商务新闻门户的亿邦动力网。

行业专家：向公司业务专家、外部专业人士、资深传统从业者、行业咨询顾问等角色调研交流，可帮助你快速深度挖掘行业内幕。

市场报告：专业的市场研究机构，从报告中可以获得行业趋势、市场份额、头部企业分析等信息，例如：艾瑞网、易观。

②理解主营业务

培养业务思维最直接的方式莫过于贴近业务，包括了解主营业务流程、策略规则、角色分工、管理权限、协作关系等。具体实施可以通过组织讨论会、部门轮岗、问卷调研、绘制流程图、梳理角色权限表等，将业务转化成标准、模块、可视的文档资料。

③了解产业链

产业链简单来讲就是某行业中，各个产业部门之间基于产品、技术、服务等需要，客观形成的链条式关联关系。产业链包含价值链、企业链、供需链和空间链四个维度。产业链有助于产品经理了解行业全貌、梳理上下游关系、理解业务本质。产业链信息可以通过互联网媒体、市场报告获得。

④熟悉合作渠道

合作渠道即存在商业合作关系的上游和下游组织机构，按组织机构关系区别，可分为内部合作渠道和外部合作渠道。渠道对产品的价值是1后面的0，优质渠道可以帮助产品短时间内成几何增长，常见的渠道资源表现为资金、流量、商品、内容、服务等。我们可通过公司商务、社交媒体、搜索引擎、应用商店等方式寻找合作渠道，为产品价值最大化助力。

⑤分析营收结构

营收结构是指企业收入中主营业务收入与其他业务收入的比率，通过分析营收结构，可以了解企业经营状况和财务政策。

2.数据思维

数据思维是指将营销过程中的各项因素转化成数据进行研究，数据实际上是营销向科学导向的自然演化，数据研究的目的就是解决业务目的，创造商业价值，可以从以下几个方面来研究：

（1）业务流程梳理及业务指标搭建

商业分析能力的体现就是通过挖掘业务数据发现商业价值，怎么去挖掘？一定是要基于业务，一定要对业务非常熟悉，才能以业务为导向，发掘数据背后的问题，为商业决策提供数据支撑，推动业务发展。

这就要求我们不仅要具有良好的商业洞察与判断，很强的逻辑思维能力、产品策划、品牌包装与宣传能力，而且必须对数据和业务具备超强敏锐度。业务流程梳理就按照第一部分业务逻辑去探寻即可，那业务指标搭建怎么做呢？

首先，理解一下什么是业务指标？两方面，结果指标，一般指产品或项目过程中的考核指标；过程指标，一般指产品或项目过程中影响结果指标的具有可执行意义的指标。

从结果和过程的设计过程中，可以发现数据分析是一个系统性工程，一个简单的技术改造都有可能导致全局的蝴蝶效应，但是在落地过程中，需要把握资源与分析粒度的平衡，达到项目相关最优。如收入、用户数、留存率、客户价值、客户满意度等等 然后如何搭建业务指标体系呢？

指标体系官方定义是指由若干个反映社会经济现象总体数量特征的相对独立又相互联系的统计指标所组成的有机整体。其实简单来讲指标体系就是：通过一组相互关系的指标，来反应企业的管理状况。企业不同，目标不同，但是归纳下来不外乎以下几个方面：

指标体系建设是一个渐进明细、抽象到具化的过程，我们把他分别三个步骤，首先是指标梳理，也就是体系建设的核心；第二步是对梳理好的指标按照其口径进行定义；第三步也就是应用分析。

①指标范围确定和指标识别

指标梳理一开始最迷茫，在不知道从何入手的时候，我们就要找到指标的需求，这些需求通常来自于：对业务部门和技术部门的需求调研、业务系统常用指标、用户用到的统计报表、行业标准。之后，我们要在众多需求中提炼出指标（基础指标、合成指标），剔除掉噪音指标和不需要的指标。

②指标解析

拿统计报表的指标解析步骤来举例，通常指标解析的步骤分为5步：

第一步：理解报表。首先要了解统计报表，通过报表标题、报表的表头、表尾，以及各数据项的关系和公式来了解统计报表是要做什么的。

第二步：剔除不必要的指标。特别关注如下指标和元素：超长字符、计量单位、统计信息、无统计意义的字符等。

第三步：分析指标的维度、筛选条件、公式。

第四步：确定报表的数据期。数据期也就是查看统计报表的时间粒度，我们需要确认：确定数据期字段、确定数据期类型。

最后我们需要找权威人士确认和佐证。与客户方业务和技术专家确认，保证指标的权威性；记录存档，以备指标定义时使用。

不妨，我们来看看具体的实例，如下是某集团的测算表，图中分别解析出了指标的标题、数据期、计量单位、维度、基础指标、合成指标、表尾备注。结合以上的指标解析方法，使指标解析简单化。

③确定指标源头

确定指标源头是找到指标来自于哪里？可以来自于某个业务系统，也可以来自于某个主题表，目的是为了保证指标的口径唯一，其流程如下：

（2）数据模型数据挖掘等大数据领域技术能力

业务指标体系的搭建是为商业分析做准备，回到文章开头，商业分析能力就是从业务和战略发展的角度出发，用数据分析手段，发掘业务问题，支撑商业决策。

有了业务指标，如何将业务指标落地并针对业务指标做进一步的数据分析呢？这就要求我们必须具备：

a. 数据生产加工流程和数仓技术：数据采集，数据预处理，数据存储等ETL设计与数仓建模能力，商业分析的基础是业务数据分析，如何整合企业内多源业务数据，如何按梳理好的业务指标体系搭建业务分析数据模型？

b. 数据挖掘及算法：掌握通用的挖掘算法并能通过数据挖掘工具发掘数据价值

c. 数据分析工具能力：会写JAVA或者Python最好，或者会熟练操作数据分析工具如tableau，亿信ABI等，将数据呈现出来；

四、总结

1.商业分析师的视角比数据分析师高，因为处于战略模块，放眼的是全行业、上下游。而数据分析师更偏向落地能力，具体帮助业务某个产品得到增长；

2.商业分析师的汇报对象的都是管理决策层。数据分析师的汇报对象的是业务部门和数据部门的领导；

3.企业中对战略部门的商业分析师的学历背景要求会比较高，需要有一定的咨询行业或MBA背景或强大的逻辑思维与业务拆解能力。企业中对业务部门的数据分析师的掌握工具技能、数据处理能力要求比较高；

4.商业分析师不仅仅只是对数据进行分析，还需要做信息类的分析，如市场研究、国家政策、行业形势等；而数据分析师更偏向针对某一产品的分析，业务落地性比较强（当然这两者边界现在也越来越模糊，很多数据分析师也需要有一定的高度去看待问题，而商业分析师也慢慢需要一定的编程能力）；

5.关于薪酬，一般来说商业分析师毋庸置疑会比数据分析师起薪高，商业分析师薪资对标的就是咨询行业的分析师或者咨询顾问，大家都知道咨询行业的起薪都比较高的。但是数据分析师驱动业务增长，可获得奖金就会比较多，只要业务产生增长，加薪也比较快。

知道这些之后，你的感想如何呢？欢迎加微信和我交流，我愿分享更多商业分析知识，与你共勤勉。