知识分享-商业数据分析业务全流程

‍♂️ 个人主页：@艾派森的个人主页

✍作者简介：Python学习者
希望大家多多支持，我们一起进步！
如果文章对你有帮助的话，
欢迎评论 点赞 收藏 加关注+

---

喜欢大数据分析项目的小伙伴，希望可以多多支持该系列的其他文章

大数据分析案例合集

大数据分析案例-基于随机森林算法预测人类预期寿命

大数据分析案例-基于随机森林算法的商品评价情感分析

大数据分析案例-用RFM模型对客户价值分析(聚类)

大数据分析案例-对电信客户流失分析预警预测

大数据分析案例-基于随机森林模型对北京房价进行预测

大数据分析案例-基于RFM模型对电商客户价值分析

大数据分析案例-基于逻辑回归算法构建垃圾邮件分类器模型

大数据分析案例-基于决策树算法构建员工离职预测模型

大数据分析案例-基于KNN算法对茅台股票进行预测

大数据分析案例-基于多元线性回归算法构建广告投放收益模型

大数据分案例-基于随机森林算法构建返乡人群预测模型

大数据分析案例-基于决策树算法构建金融反欺诈分类模型

---

以往做了很多期数据分析的案例项目，今天简单总结一下在如今商业领域的数据分析业务全流程步骤，希望对学习数据分析的小伙伴有所帮助。

商业数据分析总体分为三个阶段、六个步骤。

三个阶段：

1. 构建问题
2. 分析、解决问题
3. 传达结果并行动

六个步骤：

1. 识别问题
2. 总结发现
3. 建模
4. 收集数据
5. 分析数据
6. 传达结果并行动 

阶段一

        在第一阶段构建问题这，常用的模型为SCQ模型，Situation情景、Complication矛盾、Question问题，该模型是用于复杂报告中的思维分析方式， 可以帮助我们寻找问题的关键突破口。举个栗子，某多多目前的年交易用户数已经是国内最高的app（S），接下来它会面临一个矛盾，是继续做用户增长呢？还是提升用户的RMB值？（C）这时候我们会把矛盾总结成一个问题（Q）。

阶段二

        在第二阶段主要遵循以下流程：

 1.明确问题核心

• 优先考虑核心问题
• 跟你的上级/客户对焦
• 善用SCQ模型和问题树
• 巧用二八法则

  2.围绕假设分析 

• 以假设驱动问题解决
• 寻找最合适的分析路径
• 灵活应对数据局限

  3.制定方案执行

• 依据目标出发
• 了解执行责任
• 初步模拟输出
• 跟你的上级/客户对焦 

   4.问题深入解读

• 锻炼良好品质（毅力、创意、智慧） 
• 剖析问题（不局限于常规分析）

阶段三 

        在第三阶段中，常用的三种传达结果方式为：归纳推理（根据分析的结论进行推理，来说明某事情的重要性等）、演绎推理（通过结论推导会发生什么、基于某个动作会带来什么结果或某指标的变化）、整体推理（归纳和演绎的结合）。

 Step 1识别问题

这一步的要解决的核心问题是：了解问题是什么以及这个问题为什么重要？

比如我们遇到了一个项目或案例，首先要思考我们要解决的问题是什么?它是一个什么类型的问题？在这个过程中，我们可能会得出好几个问题，接下来就需要选出一个最核心的问题，并且需要去询问客户或上级这个核心的问题是否是他们关注的问题，这一步是不可或缺的，因为我们做数据分析最后都是要与业务相挂钩。

Step 2总结发现

这一步的要解决的核心问题是：以前是怎么定义和解决这些问题的？

在识别问题之后，我们需要有一个总结的发现，总结历史上过往的过程中，这个问题有没有被出现过，别人是怎么解决的？得出了什么结论，为什么现在还存在？所以我们需要有一个这样的回顾和总结，这样我们才能真正发现出别人没有做好的原因在哪，或者说它能否成为一个问题，以及是不是一个关键的问题。

Step 3建模

模型是某个现象或问题的一种有目的性的简化呈现

在第一阶段完成后，我们对问题有了基本的认识，接下来就需要有一个基础的模型。当然这个模型不仅仅是数学模型，还有商业模型等，我们把这些都整体称为一个模型的概念。这一步就需要把这个问题按照结构化的逻辑方式展现出来，就是根据这个模型的框架或逻辑，研究它们之间有什么关联性，最后需要把这个模型搭建出来。

Step 4收集数据

有了基础模型之后，我们就可以根据模型及问题的需要有目的性去收集数据。数据的话，每个公司一般都有自己的数据仓库，可以从中提取出所需数据，也可通过爬虫手段去采集其他所需数据。

数据包括一手数据、二手数据、结构化数据、非结构化数据等等。

Step 5分析数据

基本方法：对比分析、构成分析、趋势分析、描述性分析、预测性分析、相关性分析。

收集完数据后就可以进行基本的数据分析和可视化，最后得出一些结论。

常用的数据分析工具：Excel、SPSS、各种BI工具等。编程语言有：R语言、Python等。

Step 6传达结果并行动

核心问题：描述问题及其背后的故事、模式、数据的使用以及分析变量之间的关系（可视化）

这一步就需要将前面的数据分析得出的结论传达给我们的利益相关方，并且告诉他应该做什么，不应该做什么，这些都是一个传达结果的过程，并且也可以做到kpi的过程中，与业务相关联。