首页 > 经济管理 > 工商管理 > 管理与决策

商业分析方法论与实践指南

作译者：孙淑霞,董峻含

出版时间：2023-11 千字数：581 版次：01-01 页数：436

开本：16开装帧： I S B N ：9787121465703

换版：

纸质书定价：￥136.0

库存:有

分享到：

共有图书评论0条【查看评论摘要】

看了又看

{{data.bookName}}

￥{{data.price}}

内容简介

前言

上架建议

作者简介

编辑推荐

音视频专区

==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步分析降低获客成本	215
9.2　用户活跃：DAU异动分析和预测分析	219
9.2.1  活跃指标分析	220
9.2.2  异动分析：3个步骤定位DAU异常下滑的原因	223
9.2.3  预测分析：4个步骤预测未来DAU	229
9.3　用户留存：留存率分析和提升策略	232
9.3.1  留存指标分析	232
9.3.2  留存率曲线	235
9.3.3  留存生命周期：振荡期、选择期、平稳期	237
9.3.4  留存率提升策略：5步走发现振荡期的“Aha时刻”	239
9.3.5  留存率提升策略：矩阵图优化选择期的产品功能	244
9.3.6  留存率提升策略：用户分层降低平稳期的用户流失率	245
9.4　用户付费：LTV预测和ROI分析	246
9.4.1  付费指标分析	247
9.4.2  LTV曲线	248
9.4.3  预测分析：4步操作预测LTV	248
9.4.4  ROI分析衡量投入产出比	252
9.4.5  PBP分析衡量回收周期	253
9.5　用户传播：K因子分析衡量传播能力	254


---第10章  商业分析在“广告业务”中的应用	256
10.1  异动分析：广告收入下滑了该如何分析	258
10.1.1  广告供给端归因：从媒体公司的客户和商业化视角定位原因	259
10.1.2  广告需求端归因：从广告主的需求视角定位原因	263
10.2　天花板预测：广告收入的天花板在哪里	267
10.2.1  广告供给端预测收入天花板	267
10.2.2  广告需求端预测收入天花板	270
10.3　可行性评估：商业化常见的评估问题，是否要增加广告位	272
10.3.1  供需分析：评估现有广告位的供需匹配度	273
10.3.2  广告位置分析：评估广告位的开发价值	273
10.3.3  正负向因子分析：评估正向影响因子和负向影响因子	274
10.3.4  损益分析：评估增加广告位的损益变化	275
10.4　归因分析：广告行业的经典难题，如何做广告渠道的归因分析	276
10.4.1  渠道归因的定义	277
10.4.2  渠道归因的作用	277
10.4.3  5种主流的渠道归因模型	277
10.4.4  利用渠道归因模型开展渠道归因分析	278
10.4.5  利用马尔可夫链进行渠道归因分析	279
10.5　漏斗分析：一条广告的生命周期，如何提升广告转化率	285
10.5.1  广告转化的前半生：前端转化链路	286
10.5.2  广告转化的后半生：后端转化链路	291
10.6　效果评估：业界争论不休的品牌广告和效果广告，如何评估它们的投放效果	292
10.6.1  品牌广告和效果广告到底有什么区别	293
10.6.2  如何评估品牌广告的投放效果	296
10.6.3  如何评估效果广告的投放效果	300


---第11章  商业分析在“电商业务”中的应用	304
11.1　异动分析：如何分析GMV的异常下滑	305
11.1.1  需求端：从用户维度剖析下滑原因	305
11.1.2  供给端：从商家维度剖析下滑原因	307
11.2　预测分析：如何预测电商行业的GMV	309
11.2.1  AIPL模型是什么	310
11.2.2  FAST模型是什么	310
11.2.3  如何利用AIPL模型和FAST模型预测GMV	311
11.3　提升策略：如何提升电商行业的GMV	313
11.3.1  GROW模型是什么	313
11.3.2  如何利用GROW模型提升GMV	313
11.4　活动预估：如何设计运营活动	316
11.4.1  明确活动的目的	317
11.4.2  制定活动的规则和玩法	317
11.4.3  设置活动的关键指标	318
11.4.4  预估活动的成本、产出和ROI	320
11.5　效果评估：如何评估运营活动的效果	321
11.5.1  基础分析的5种方法	321
11.5.2  双重差分法	323
11.5.3  方差分析法	324
11.6　商品关联分析：如何开展购物篮分析	326
11.6.1  购物篮分析是什么	327
11.6.2  购物篮分析的3个关键指标：支持度、置信度和提升度	327
11.6.3  如何开展购物篮分析	329


---第12章  商业分析在“二手车和教育业务”中的应用	332
12.1　投资界心心念念的UE模型究竟是什么	333
12.1.1  变动成本和边际利润	333
12.1.2  UE模型	336
12.1.3  3步走搭建基础UE模型	339
12.1.4  3种典型的UE模型	340
12.1.5  案例：3步分析助力投资人做出投资决策	342
12.1.6  案例：6步分析助力管理层制定来年预算	344
12.2　敏感性测试到底在测试什么	351
12.2.1  单变量和多变量敏感性测试	352
12.2.2  敏感性测试的3个分析场景	352
12.2.3  如何开展敏感性测试	354
12.2.4  案例：敏感性测试和UE模型结合输出可行性决策	358
12.3　“高大上”的财务模型究竟是什么	369
12.3.1  揭开财务模型的神秘面纱，澄清3个普遍误解	369
12.3.2  如何搭建财务模型	370
12.3.3  商业分析中的“财务模型”	374
12.3.4  UE模型和财务模型的区别	376

==第5篇  商业分析的重生循环：新业务/新数据/新优化增长
---第13章  新业务可行性评估和量化	380
13.1　新业务的可行性评估	381
13.1.1  4个方向判断新业务是否迎合市场需求	382
13.1.2  3个方面判断市场是否具有吸引力	383
13.1.3  2轮评分定位关键成功要素，评估公司是否具备实力	385
13.1.4  2个模型测算公司财务是否具备可操作性	387
13.1.5  5个方面预估风险是否在可承受范围之内	388
13.2  可行新业务的量化	389
13.2.1  搭建新的数据指标体系	389
13.2.2  制定新的目标	390
13.2.3  布局新的监控体系	391
13.2.4  开展新的分析洞察，驱动新业务的优化和增长	392
13.2.5  开启新一轮的循环	393

---第14章  新业务评估实际案例——二手车公司拓展线上新业务	394
14.1  国外先行者验证成功模式，资本市场给予较高估值	395
14.2  关键成功要素具备基础建设能力	395
14.3  财务模型乐观，净利润有望提升	396
14.4  案例结果：建议实行线上看车模式	398
14.5  新业务的量化和评估	399

====为什么要写这本书
不知不觉，从事商业分析工作已有十余载。一路走来，坎坷与欣喜同行，在磕磕绊绊中成长，走过不少弯路，但依然保持热情。做这份工作越久，就对分析越热爱，对写作越渴望。
两年前，我在知乎上分享了一些商业分析的心得和体会，有不少人来咨询商业分析的各种问题。既有人咨询商业分析是什么，商业分析需要什么能力，商业分析的前景如何，商业分析能力如何培养；也有人咨询如何解答面试题目；还有人咨询在实际工作中如何解决业务问题；甚至有人咨询如何转型做商业分析。
在解答这些问题的过程中，自己也做了思考和文字总结，某一天发现有接近200页的记录。最后，有了成书的想法。我对这些问题进行了系统的梳理、归类和补充，一是希望以总结和复盘的形式发现工作中的漏洞与盲区，寻找新的前进方向，二是希望分享给更多喜欢分析和思考的人，带给大家一点帮助和启发。

====本书的主要内容
商业分析工作对综合能力的要求很高。熟悉业务不是真正的商业分析，会使用数据分析工具也不是真正的商业分析，熟悉各种方法论还不是真正的商业分析。真正的商业分析是懂业务、懂数据、懂方法论，游刃有余于三者之间，将这三者无缝衔接并产出业务价值。
这三者无法割裂，割裂的模块带来的是割裂的视角和思维，缺少任何一个模块都无法完成商业分析的闭环。只会使用数据分析工具无法产出业务价值；只懂业务而缺乏数据分析往往会受主观和感性思维所累；只熟悉方法论而不懂业务和数据往往是纸上谈兵。
因此，本书分6篇15章，描绘了由业务、数据和方法论构成的商业分析全景图。
第1篇以一个经典案例揭开商业分析的神秘面纱，继而描述了商业分析的能力模型、商业分析的岗位类型和商业分析工作的基本流程。
第2篇重点介绍了商业分析的起源，从三个方面讲述如何认识和熟悉业务，即如何快速了解一个行业以做到“知全貌”，如何研究你的竞争对手以做到“知彼”，如何剖析所在的公司和业务以做到“知己”。
第3篇介绍了如何量化业务，将业务数据化，即如何搭建业务的“晴雨表”——数据指标体系，如何制定业务的“指南针”——目标，如何布局业务的“观测站”——监控体系，如何掌握数据分析的“百宝箱”——方法和模型。
第4篇介绍了商业分析的归宿，即如何在实际工作场景中用数据驱动业务的优化和增长，包括在“用户运营业务”中如何进行用户拉新、活跃、留存、付费和传播分析，在“广告业务”和“电商业务”中如何进行异动、预测和评估分析，在“二手车和教育业务”中如何使用UE模型和财务模型评估业务，如何进行敏感性测试。
第5篇揭示了商业分析的重生循环，即如何进行新业务的可行性评估，如何进行新业务的量化，以及新业务评估实际案例。
第6篇展望了商业分析的发展前景，提出了锻炼商业分析能力的4种方法，总结了商业分析师必经的4条职业发展路径。

====本书的特色

（1）体系性强，帮助读者快速构建、优化与升级知识体系，实现由“树叶”到“树林”的跃迁。
顶级商业分析师和咨询顾问都有一个习惯：给他一个问题，他能输出一套知识体系。这就是业内所谓的“给我一片树叶，还你一片树林”。知识体系的重要性可见一斑。
本书对没有建立知识体系的读者来说，可以帮助其快速梳理和构建商业分析知识体系；对已经建立知识体系的读者来说，可以帮助其补齐知识体系里缺失的部分，优化和升级已有的部分。

（2）覆盖商业分析的全流程，帮助读者系统地梳理商业分析全景图。
商业分析本质上是“以分析驱动业务”，因此需要很强的综合能力，绝不仅是数据分析能力。市面上大部分书籍以“数据分析”为主，本书则覆盖商业分析的全流程。
- 从分析对象来说，本书包含行业分析、竞争对手分析和自身公司的全方位分析。
- 从分析内容来说，本书覆盖数据指标体系搭建、目标制定、监控体系布局、异动分析、归因分析、供需分析、效果评估、业务预测、新业务可行性评估等一系列内容。
- 从分析场景来说，本书涉及用户增长、用户运营、产品、销售、财务、市场等各类业务场景。
- 从分析流程来说，本书涵盖“了解业务→将业务数据化→用数据驱动业务”的完整流程和重生循环。

（3）整合方法论和业务实践，践行“知行合一”，摆脱“知道不会用”的桎梏。
不管做任何事情，方法论和实践都是不可或缺的孪生兄妹。方法论指导实践，实践验证和反哺方法论。本书通过真实的业务场景代入和案例展现，将方法论落实到业务实践中，业务实践覆盖多种行业的业务场景。
- 从“方法论”来看，本书包含大量高频使用的方法论和可复制的模型，包括逻辑思维方法（如5W2H、逻辑树、归纳演绎、假设检验、MECE等）、行业和竞争对手分析方法（如PEST、五力竞争模型、竞争态势矩阵、商业模式画布等）、业务分析方法（如RFM、AARRR、生命周期、漏斗、购物篮、同期群、OSM、UJM、UE等），且每种方法论背后均融入案例，帮助读者快速理解和上手。
- 从“业务实践”来看，本书涵盖商业分析在各行业和业务中的应用，包括用户运营、广告、电商、二手车和教育，这些业务场景都是商业分析的重要前沿阵地。

（4）大量插图，摆脱枯燥，享受数据和分析的乐趣。
本书大部分的原理、数据和流程均采用形态各异的图形来展示及表达，让读者在看图的过程中学会商业分析，领悟逻辑思维的魅力，感受输出价值的成就，体验数据之美，享受分析之乐。
?	大部分的原理和流程均采用图解，包括流程图、逻辑图、思维图、框架图、路径图、架构图、循环图、拆解图、测算图、指标体系图、旅程地图、概率图、关键因子图、生命周期图、杜邦分析图、监控图、预警图、模型图、评分图、操作图、步骤图、Cohort图、敏感性测试图、趋势图、原理图、策略图等。
?	汇集各种形态和样式的图形用来解决商业问题，包括矩阵图、漏斗图、树形图、环形图、四象限图、九宫格图、散点图、S曲线图、横向图、纵向图、交叉图等。
通过了解姿态万千的图形，不仅可以直观地理解商业分析知识，还可以学会如何用图形分析问题、展现问题和表达问题。

（5）问题模块化、步骤化、标准化，“几步走”学会解决问题。
本书把如何分析和解决问题模块化、步骤化和标准化，书中多采用“几步走”的策略为读者提供解决问题的步骤，让读者能够按照标准步骤一步一步学习和操作，快速上手，即学即用，摆脱“只知道方法和理论，却不知道如何应用”的困境。

（6）满足不同人群的需求，既适合商业分析岗位和业务岗位的读者，又适合传统行业和互联网行业的读者。
- 对专业的商业分析从业者来说，通过阅读本书不仅可以跳出岗位限制，拓宽知识体系和视野，还可以扩展业务分析场景，真正产出业务价值，做到从业务中来，到业务中去。
- 对业务人员（如用户增长、用户运营、产品、销售、财务、市场等）来说，通过阅读本书可以学会用数据、方法论、模型去思考和解决业务问题，让工作提升效率、产出增加亮点、效果脱颖而出，提升职场竞争力。
- 对传统行业从业者来说，通过阅读本书可以将互联网和数据思维引入工作中，提升用数据驱动业务的能力和效率。
- 对互联网行业从业者来说，通过阅读本书可以将传统行业的标准化和精细化思维引入工作中，提高标准化和精细化运营的能力。

====本书的读者定位
（1）从事商业分析、经营分析和数据分析1～5年的专业人员。
本书可以帮助其更系统地梳理与分析方法论，以实际场景串联业务和数据，以便其能熟练地穿梭于“业务—数据—业务”的流程中，成为业务语言和数据语言的“翻译者”，做分析中最懂业务的那个实干者。
（2）从事用户增长、用户运营、产品、销售、财务、市场等业务的人员。
在日常工作中，很多人不懂数据，畏惧数据，缺乏逻辑思维，依赖感性和主观做判断，汇报工作思路混乱，分析结论缺乏说服力。本书可以帮助其学会用数据、方法论、模型去理性与缜密地分析业务和汇报工作，成为业务中最懂数据和方法论的那个理性人。
（3）零基础想新入行或零经验想转行商业分析、经营分析、数据分析的人员。
本书可以帮助其在脑海里描绘一张商业分析全景图——能力模型、岗位类型、工作内容、工作流程和职业前景，让其知道商业分析的前世今生，锻炼商业分析能力的方法，以及从事商业分析必走的路径。


孙淑霞
2023年5月

查看更多 > 图书评论

暂无评论

发表图书评论

评论标题：
评论内容：
验证码：: 看不清楚
点击刷新
: 您还没有登录，请登录后再评论。
点击“登录”

购买过本书的顾客还买过

{{data.bookName}}

￥{{data.price}}