我理解的互联网商业分析

传统调研与咨询行业从业两年，转行到互联网分析工作两年，今日对互联网的各类分析工作梳理一遍，谈谈我理解的互联网商业分析。

大致分以下几类：

战略分析：行业研究、竞争分析、行业动态追踪、商业模式研究等课题，基于对商业逻辑的深刻理解，提出公司战略层面的未来发展规划、可拓展的业务方向、可投资的项目。比较务虚、向上，工作上以说服领导为根本，需要多年积累才能培养出敏感的商业嗅觉，以深刻地洞察行业。从用途上又分为战略投资（面向外部市场）、战略规划（对内紧贴业务）。表面上很光鲜，背后还是需要摸爬滚打好些年才能hold住全场大拿们吧，有独到且深刻的商业见解是关键。崇尚海外背景和国际著名咨询公司经历，眼界要宽广。

调查研究：涉及第三方和甲方两个层面。第三方市场调研，以客户诉求为中心，一部分客户真心寻求改变，还有一部分客户想借你的手而已，不管怎样个人认为公共事务方面还是很利民利国的，在此不多谈。甲方调研，涉及业务调研、用户调研等，从公司业务本身出发，调研业务发展中的问题，通过分析给出解决方案，供业务部门或产品部门决策参考。

互联网公司的分析性岗位几乎都需要用到调研的技能，但形式上不像第三方从「立项→方案设计→问卷/调研提纲设计→问卷/调研执行→整理分析→形成报告文档→报告展现」那么正式，周期也可能只是几个小时到几天，而不是第三方几周、几个月甚至年度项目那么持久，业务调研通常是战略规划、业务分析、数据分析等分析性工作的一个基础或第一步工作，即首先需要了解现状、问题及可能的原因，下一步才是基于调研问题的深入分析及策略输出。

用户研究：用户调研、用户体验。大致分为产品开发/迭代前的用户需求、产品上线后的产品体验及使用问题。大量第三方市场调研人不断涌入用研队伍，主要是因为二者工作方法有些相似。通过问卷调查、访谈、焦点小组、工作坊、眼动试验、可用性测试、现场观察等各种定性和定量的调研分析方法，研究不同产品的用户群体，以期找准目标群体、瞄准需求、改进产品、提升产品体验。

产品分析：自身产品或竞对产品分析，产品经理的第一步工作，只有分工极其细分的大公司才可能有独立岗位。此外，想进入互联网产品、运营序列的应届生或想跨行的人，可以通过产品分析去敲互联网产品、运营序列岗位的大门，有不少这样的案例。有对产品的深刻见解，不愁找不到坑。

数据分析：偏向产品的数据分析、偏向业务的数据分析、偏向技术的数据挖掘或底层仓库搭建等等。偏向产品的数据分析，尤以备受推崇的用户增长方向为突出。偏向业务的数据分析，涉及数据提取与支持、数据报表、销售KPI制定与核算、销售预测、业务诊断等等。

从事任何一种数据分析工作，都应具备数据指标体系的框架，这说明对业务有基本了解而后才能分析。以外卖行业数据分析师为例，心中要有用户、商户、物流、销售的各个维度关注的指标，并深知所有一级、二级、三级指标背后的意义与问题，比如惠前GMV与惠后GMV的内涵不同。

经营分析：主要为收益分析，有在财务预算部门，有在数据分析部门。工作内容围绕成本、收益、利润展开，包括营收结构变化及对比分析等，涉及较少，了解不多。

此外，业务分析，我理解应是集合了数据分析、调查研究、业务经验的综合体。策略分析，则是侧重给出可供执行的建设性意见，更强调对业务的指导。

无论是哪种分析性工作，基本都遵循「问题发现/需求梳理→搜集资料/数据→逻辑推理分析→可行性建议→推动执行落地」的思路，每一个环节都是一门大学问，都值得深入研究。

第一步：问题发现/需求梳理，看似简单，实则最重要，直接决定了你的选题是否有价值。通常领导提出的需求可能比较笼统，需要分析人员沟通清楚问题外延和分析目的，避免方向性错误。

举个例子，如果领导提出的问题是“流水为什么降低了？”，那你要明确是全国降低了、还是城市降低了，跟什么时间对比降低了，等等细节，需求越明确，分析的结果越能切中要点。

第二步：搜集资料/数据，包括外部信息和内部信息，包括定性信息和定量信息，从大量汪洋信息中抽取所需，需要用脑子用心，才能高效快捷地获取有效、全面的信息。

举个例子，如果想研究一个行业，首先应该使用多种搜索工具（谷歌、百度、微信等等）穷尽所有公开资料，尤其关注有深度、有参考价值的、多样化的信息来源，比如中金等券商报告、艾瑞易观等第三方报告、行业领先媒体文章（如36Kr、虎嗅等）、行业KOL见解，以行业前三的公司为案例二度深度搜索，如遇上市公司则深入研究财报、如未上市则只能寄托于公开信息了，当然若能通过人脉了解一些隐秘信息那简直棒极了。收集到全部资料后，再进行材料的整理（去重、甄选等），才是抽丝剥茧分析。

第三步：逻辑推理分析，是整个工作的核心，最能体现专业技能，有了这一步才能称之为分析。我刚做数据分析时，经常遇到一个问题却不知如何下手。后来经过一段时间的积累，认识到之所以分析思路不清晰，一方面积累的理论知识不足，所以需要系统的梳理统计分析方法及应用场景。最常用的描述分析可以观察大致分布情况；销售预测可以用回归、时间序列模型；看两者差距可以对比分析；看业务发展变化可以趋势分析；研究依存关系就用相关分析；还有随互联网兴起来的海盗模型、漏斗分析等。另一方面，对业务不熟悉，没有了然于胸的指标体系框架。这没有捷径，只能深入钻研业务环节，钻研的越透彻越详细，分析思路就越清晰，不再无从下手。所以既懂分析又懂业务的人是很受欢迎的人才。

还是那个例子，如果确定分析的题目是分析外卖平台上某个城市“流水为什么降低了？”

从业务角度，首先了解该城市业务是否发生了什么调整，比如区域范围是否缩减了，是否受季节、天气、节假日等因素影响，是否受政策影响等等。

从分析角度，可以考虑将流水进行层层拆分，然后对比参照期和当前的指标变化。C端用户层面，分为新老用户及其消费频次、客单价，而下单新用户数又可以通过漏斗分析进一步探究是哪个环节出了问题。B端商户供给层面，也可以通过漏斗分析供给端变化。此外，还可以从物流端分析，是否发生了物流体验下降导致用户订单减少等等。层层深挖，直至得到有效结论。

第四步：可行性建议，是案头工作的结束，也是最有价值的地方。需要基于对业务/产品的深刻理解，才能给出建设性策略，一句话“靠谱儿”。

第五步：推动执行落地，是分析的终极目的，是体现价值所在。只有分析的结论对业务/产品产生了正向的指导作用，别人才会信服你。这也极有可能是最难的一步，这里需要一点情商啊，当然一切都得基于你分析的结论靠谱才行。

以上为从业四年来的浅显见解，总结记录在此，一为时刻敦促自己不断精进，二为有需要的人提供些许帮助，如有不妥之处敬请更正。