记住一点：商业数据分析的重点不是可视化报告，而是关注数据分析如何改善业务。

我们往下看。（文末有惊喜~）

商业分析的范式

关于这个范式，是基于客户调研总结及个人使用总结，按照一些数据分析场景提炼出的数据分析流程。只要将任何一个产品按这样的数据分析流程走一遍，就能比较好地凸显产品价值。

形成从数据分析到业务驱动的决策闭环：

1. 洞悉业务背景
2. 制定分析计划（常用方法：MECE原则+内外因素分解法）
3. 数据拆分建模（包含数据准备、数据清洗）
4. 执行分析计划（常用方法：探索式分析+可视化分析）
5. 提炼业务洞察（做到数据预览）
6. 产出商业决策（做到数据共享、数据预警）
7. 验证决策效果

用一段话描述整个数据分析工作流程，就是在一个数据分析实践故事里，我们要讲清楚：

“① 客户要通过这次分析得到什么内容；② 通过的得到的内容，如何去反映问题；③ 发现问题后，预计如何做调整来解决对应问题；”

当然只说理论不谈实际，你可能永远get不到商业分析的重点，我们一起来看下这个案例：

（分析需求多，解析有点长，请耐心阅读）

银行理财产品用户分析

01 洞悉业务背景

某银行个人理财部的理财经理小王接受到新的一年的绩效考核指标，主管希望今年理财用户数量做到同比增长百分之20。

为了实现目标，小王需要对于理财产品的营销策略进行一些调整，他首先分析了行内现在的营销手段：

现在银行大部分理财客户经理是通过随机联系客户和在银行网点内播放理财产品的介绍视频进行营销，这种模式暴露出两个问题：

• 营销手段单一，过程随意和盲目性比较强，导致每月理财用户数量增长缓慢。
• 在网点进行视频播放，需要大量的网点作为支持，也导致银行营销成本增加。

小王通过思考和分析也总结出了解决办法，打算转变营销模式，遵循以客户为核心的概念，结合客户对银行整体利润的贡献以及实际的金融需求，开展分层次的服务模式。

具体的做法就是：

• 对于普通客户，提高宣传的效率。做到宣传对象要有侧重点，宣传内容也要有侧重点。
• 对于高端客户，主要采取的提高服务质量，提高客户体验的方法来进行营销。

说起来简单，做起来难，那么具体怎么来对客户进行分级，或者又如何识别出客户的价值，找到侧重点呢？

于是小王想到了利用信息部门采集到的客户数据来对客户进行一个分析，具体的分析方法是这样的。

02 制定分析计划

1. 首先呢，我们需要筛选出头部客户，对这些客户进行点对点的的高端服务。
2. 然后对于我们的大多数客户，也就是我们的普通客户，我们需要制定出高价值潜在客户属性的标签，以此来提高寻找潜在目标客户的效率。
3. 最后找到客户最感兴趣的产品，侧重宣传。

如图：

已知：用户数据分析的数据组成由用户基础数据、用户行为数据等组成。那么针对于这三类，我们需要的数据有：

• 客户的一些基本属性数据：比如说：性别、年龄、学历、家庭年收入
• 产品的一些数据，比如说：购买金额、客户收益、年化收益率、客户风险偏好属性
• 头部客户的一些明细数据，可以很方便地展示给我们的客户经理。

03 数据准备及建模

（1）数据准备

如果暂时手上没有这些数据，可以让IT帮助我们把数据先调出来。

那么就像是这样的一张或者几张宽表，就可以模拟成我们的IT给到我们的原始的数据。有了基础数据我们就可以开始分析了。

（2）数据加工处理

期限中数据情况是“X个月”，是文本类型的数值，不利于我们后面分析，所以我们可以将文本字段“期限”提取关键数字，从而将其转化成数值字段，为后续数据分析做更充分的准备。

由于我们需要分析三类数据，因此在下面的分析中，需要分别展开：

---第一类：高潜客户----

04 执行分析计划

我们想要确认高价值潜在客户属性的标签的话，通常的话，我们需要分析的就是某一类特征人群的占比多少。

从性别、年龄、文化水平、家庭收入维度去分析客户群体基本属性标签

• 性别，主要想看一下男女占比
• 年龄，主要想看一下占比（饼图）
• 家庭收入，主要想看下一每一个层级具体有多少人（文本图）
• 学历，主要想看一下各学历的人群分布（折线图，累计值，警戒线）

05 提炼商业洞察

分析结论（属性标签）：

• 性别：男女比例平均。
• 年龄：30-50岁中青年用户占比较大
• 家庭收入：家庭收入中等用户占比较大。
• 学历：本科以上文化水平人数占比较高。

06 产出商业决策

• 根据这4个维度制定客户标签，来识别出潜在客户中的目标客户。
• 
  

---第二类：客户偏好----

04 执行分析计划

针对客户最感兴趣的产品，侧重宣传。

从客户的购买总金额、风险偏好维度去分析客户感兴趣的产品。

• 购买金额：各产品购买金额累计结构图。（矩形图）
• 风险偏好：各种风险偏好的人数占比（饼图）
• 年化收益率：产品的年化收益率排名。（柱状图）

05 提炼商业洞察

• 购买金额多的是银行理财产品。
• 收益率较高的是股票、基金、银行理财产品

风险偏好喜欢中低风险的客户占比居多。

06 产出商业决策

• 一方面：低风险的产品更受大众欢迎，可以加大对于低风险产品的宣传。视频中增加低风险产品宣传时长占比。
• 另一方面：对于高收益的产品可以强化其优势进行重点宣传。

---第三类：头部客户----

04 执行分析计划

针对头部客户，重点在于提升服务质量，提高用户的服务体验。

把top十的客户展示出来，并可以快速查找对应人的明细信息

• 客户购买金额排名（柱行图）
• 明细表查看具体的客户详细信息。

05 提炼商业洞察

头部客户选择本行的原因多为认可本行的服务质量

06 产出商业决策

• 针对头部客户，重点在于提升服务质量，提高用户的服务体验。如：设立贵宾卡、制定便捷服务通道和优惠计划等服务。
• 
  

案例进展到这里，所有的商业分析需求已完成，接下来就到闭环的最后一步：

07 验证决策效果

在后续的一年中，小王利用分析得出的结论，对于营销策略做出了一些调整，并且也取得了一些不错的成果。成果：

• 利用客户标签筛选出的客户中有80%都有理财的意向和需求。
• 调整了宣传视频的内容，增多了对于低风险产品的介绍。重点关注头部客户，维护好了头部客户的关系，保证头部客户没有流失
• 年终小王成功实现了理财用户数量同比增长20%的目标。

总结

商业数据分析的本质在于能够创造商业价值 ，驱动企业业务增长。也就意味着我们的商业数据分析工作需要和最终的业务价值驱动之间有闭环性。

记住上面的范式七步骤：洞悉业务背景、制定分析计划、数据准备及建模、执行分析计划、提炼业务洞察、产出商业决策、验证决策效果。