大数据服务公司-商业数据分析
关于如何着手数据分析，市面上有很多的牛人们精辟且详细的入门指南，以下梳理下商业数据分析学习框架，如果想要更专业、更深入的学习，还是需要到专业学习平台深入学习。
(一)入门篇
虽然关于商业数据分析的定义也许我们已经耳熟能详，但是这里我还是想要再强调一下并且可以提炼出以下几点：
1、业务知识。本质上，商业分析为的是解决商业问题，商业问题是盈亏利损，不是加减乘除。能理解商业运作本质，具体问题具体分析，才是商业分析师真正该做的事。
P.s.但是很多时候业务知识都是在日常数据分析工作中或者生活中日积月累中得来的，不是一蹴而就的。可以说他是很重要的，但是对于现阶段的楼主来说不是最紧急的。
2、数据。数据是一切数据分析的基础，我一直特别赞成一个观点“数据分析不重要，重要的是数据”。对于数据就设计到3个最重要的问题：
公司都要哪些类型的数据? 交易数据?线上浏览数据?人口统计数据?哪些变量是可用的?他们之间的关系是什么?也就是要充分了解公司或者业务数据。回答具体商业问题，我们需要哪些些维度的数据?以及相应的指标数据是什么?商业问题就转化成数据问题：维度以及指标的选取。这些数据我们应该如何拿到这些数据? 我们必须要熟悉SQL语言并且熟练从数据库中提取所需要的数据。
3、数据分析/挖掘技能。这块内容涉及到统计思想以及数据挖掘、数据可视化等。
数据分析或者挖掘很多时候都涉及到工具R/SAS/Python等，建议寻找R/Python中一种语言深入学习，因为解决问题才是关键。并且语言之间都是共通的，如果一个出现一种新的流行语言，很快就能上手。数据可视化涉及到的工具有Excel/PPT/Tableau/Shiny/D3/QlikView等，建议先从Excel学起，因为传统CRM运用最广泛。其次美学都一脉相承。近年来Tableau越来越收到很多公司的喜爱，它相对于Excel 简单易用、快速分析、瞬时共享、存储空间大，也是是很多BI数据分析的首选。(二)提升篇
数据分析/挖掘技能这么多，很难一起学起来。在时间有限的情况下， 我的意见是排优先级，逐一击破，下面以蚂蚁金服商业数据分析师的岗位以及自己本身的优势进行技能拆分：
岗位描述：
有一定的金融业务或互联网业务背景，负责业务数据支持，并支持业务分析，有识别数据产品化的能力，通过产品设计提升数据的应用效率;通过数据分析洞察客户产品使用行为习惯，建立客户全生命周期管理体系，及时提出营销策略或建议，提升客户转化率与使用率;负责多维数据集市的规划与设计、业务数据报表需求分析、设计、落地，为业务及管理层提供决策支持与业务分析;负责模型建立与优化，在对业务、场景和用户深刻理解的基础上，能将业务问题抽象为数据问题，并通过建模解决。
从中我将其拆为三大块，互不干扰，可以逐一击破：
1、BI报表的制定和维护能力，即数据可视化楼主的优势是日常接触的都是Excel报表并且有相关的数据。可以优先做的一件事情就是先走BI数据可视化分析路线，一方面通过excel报表的数据可以最快速的了解公司的业务，可以为深入的数据分析打下基础。另一方面BI数据可视化也是可以深入走的方向，但是缺点是越走越专。当然前提是楼主非常喜欢这个方向并且未来也致力于专注此方向。-推荐书籍：《Tableau：数据可视化之极速BI》以及用Excel对话数据-零基础Excel商业智能分析。
2、建模能力，即数据挖掘-楼主的另一个优势就是科班出身，相对有数学逻辑、统计以及建模思想，可以深入学习现今火爆的机器学习算法。往数据分析师、数据工程师方向发展。-建议找些自己公司的商业问题，选择公司已有的合适的数据以及可以解决此问题的方法进行建模练习，实战出真知;也可以到Kaggle上找出一些自己感兴趣的项目，进行练习。每个项目里面包含商业问题/数据/解决思路/以及具体的代码/结果。
3、营销活动的设计以及管理能力-商业分析师往往要兼顾商业和运营，要实现是商业落地，而一般情况下都是以营销活动的形式落地。要想成为一个优秀的商业数据分析师，这部分内容必不可少，并且要合理运用前面2块的技能，不仅要有硬实力也要有软实力。
营销活动的设计：给什么样的人发、以什么时机和频次来发、发的内容和产品是什么，折扣力度如何?在什么渠道上去发?这些就是营销设计阶段要回答的问题，有些问题可以通过历史数据建模得到，比如人群的筛选、产品的推荐、渠道的优化等，但是有的要通过AB测试得到，比如频次、折扣力度等。营销活动的AB测试：市面上有很多ABTest的工具，像TestingData、Blue Stout。营销活动事后效果衡量:这个时候会设计BI报表的定制以及追踪，订单的归因是否是这个活动带来的，营销活动的结果是否在统计上是显著有差异的 等等。
最后，还是要明确一点是商业数据分析不是独立的，是要跟公司的营销活动，产品功能、渠道、运营策略相结合，共同实现业务目标增长。
