什么是商业数据分析师？

前言背景
现在显然已经是数据智能时代了，传统商业和智能商业的本质区别可以用一个字来概括：“活的闭环”。数据是“活”的，用户的每一次行为都转化为新的数据汇入数据的大海，而每一个新数据的汇入都实时引发各个数据集的连锁反应；算法是“活”的，用户对产品、服务的每一次体验，都成为算法迭代成长的养分，使算法越来越聪明地反映商业本质；反馈闭环是“活”的，在其中， 产品在迭代，数据在流动，算法在成长；终，我们所熟悉的工业时代的机械逻辑——预先设定一切——将被彻底颠覆，取而代之的将会是一个全新的商业生态系统和商业形态。


用一个例子开篇
举个例子:
有一对双胞胎，在2011年一起大学毕业，一个加入腾讯，一个进入报社。7年之后，去腾讯的那位已经是年薪百万，而且满街都是挖他的猎头。投资人也在挖他，只要出来创业就给钱。去报社的那位，因为报社沉沦了，他曾经寄托理想的整个产业都没有了，一切都需要重来。
这里不是说双胞胎的素质或者能力有多大差异，也不是说他们分别跟随的领导的能力或者个人操守有问题。
敲黑板！！！核心问题是——这两个单位所附着的经济体，一个在快速崛起，一个在快速崩溃。
这就是我们要谈的点线面体。其实我们都有体会，努力工作的工资收益，远远不如2013年以前买了腾讯的股票，或者2010年以前买了北上广的房子。
为什么？
因为你再努力工作，你还是一个点。一个月或一年的工资，只是一个点的努力成果。但是腾讯股票与北上广房子的收益，是因为这个点附着于一个快速崛起的经济体，这是一个线性周期的结果。对于做投资来说，你需要首先选择某个正在崛起的大型经济体，接着去找一个领域，投它的成长周期。所以你会发现很多投资人，会投资一个赛道上所有的产业。为什么呢？因为他不赌单点，而是整个周期的收益。
有一个经典的悲催人生警示：
悲催的人生，就是在一个常态的面上，做一个勤奋的点。
更悲催的人生，就是在一个看上去常态的面上，做一个勤奋的点，你每天都在想着未来，但其实这个面正在下沉。
悲催的人生，就是在一个看上去常态的面上，做一个勤奋的点，其实这个面附着的经济体正在下沉。

上面就是我以这个案例给大家开篇的目的所在，在社会大环境下要找准自己的定位，顺势而为，及时做出改变。

2.DT时代
许多互联网大拿都说过，我们现在所处的时代是：ABC=DT时代

从移动互联网时代迈入数据技术时代，数据技术造就了优秀的互联网公司，如阿里、头条。人工智能尝试应用多个领域，如无人驾驶、无人机、医疗诊断等。区块链和虚拟货币的大火背后也是数据技术的驱动。可以说数据技术给很多公司带来以往达不到的增长收益。

3.商业数据分析师：从BI到AI

BI（Business Intelligence）即商务智能，它是一套完整的解决方案，用来将企业中现有的数据进行有效的整合，快速准确地提供报表并提出决策依据，帮助企业做出明智的业务经营决策。而随着深度学习技术的突破，是的人工智能又能跟进一步。在海量数据的今天，传统方法已经难以支撑企业的正常需求，现在很多数据达到了PB级。这么海量的数据需要更强大的计算资源，需要强大的挖掘算法等才能给我们挖掘出更多的价值。

自动化打开效率之门
借助BI，用户可以访问大量数据，但必须提出适当的问题才能获得正确的洞察。对于没有BI经验的用户来说，这证明是有问题的，他们可能不知道什么样的请求会得到有价值的信息。AI是打破这一门槛的关键，它可以有效消除预先确定问题的需要。AI中的自动化功能让计算机能够通过确定数据点之间的关系，处理BI数据分析，以生成相关洞察，甚至是用户不知道的必要洞察。发现这些关键业务关系后，解决方案会自动生成仪表板，形象地呈现发现的问题。
以制造业为例，AI和BI可以帮助追踪之前的机器故障，并收集导致这些故障的详细信息，例如繁重的工作流程或机器老化。然后这些信息可以应用到现有机器上，机器根据类似的情况，当需要维护时自动发出警报。终，制造商将能够防患于未然，降低维修时间和成本，终提高效率。

AI和BI结合使用，实现更高准确性
结合使用AI和BI不仅可以让更多人能够使用这些解决方案，还可以增加可被分析的数据量。机器学习技术分析大数据集的速度比人类更快，这让每次决策能够考虑更多信息，同时减少检查这些信息的时间，终提高使用BI的效率和准确性。
这在零售业尤其有效，特别是传统企业，由于当今电商巨头的出现，它们正在经历巨大的变化。传统零售商必须采用智能技术才能保持领先，通过结合AI和BI，零售商可以根据过去六年（而不是过去六个月）的销售量数据做出库存决策。这会让零售商更准确地了解消费者偏好，保证在正确的时间提供正确的产品，从而在每次决策时都能将消费者摆在重要位置。

下面用思维导图的方式展现给大家-从BI到AI过度的过程中会经历哪几个阶段，分别有哪些特点。

上面这张图从BI到AI发展的过程会遇到的四个阶段，以及各个阶段的业务要求，阶段特点。希望通过他，大家对BI到AI发展的原因和会遇到的一些瓶颈有所理解了。

4.我该如何成为商业数据分析师呢？
商业数据分析师要做什么？
商业分析师负责利用数据分析将IT技术和商业联系起来，通过数据分析帮助企业优化生产流程，产品，服务和软件，评估生产流程，确定产品需求并向管理层和投资者提供数据驱动的建议和报告。
敏锐的分析师们填补了技术与商业之间的鸿沟，提高生产效率并实现技术的商业价值。
国际商业分析协会（IIBA），定义商业分析师是“变革的推动者”，他们认为商业分析“是一种为组织引入和管理变革的规范方法，无论他们是营利性企业，政府或非营利组织。“
商业分析师需要兼具硬软技能。商业分析师需要知道如何获取，分析和报告数据趋势，并能够与其他人分享这些信息并将其运用于商业之中。并非所有的商业分析师都需要IT方面的背景知识，只要他们对信息系统，产品和工具的工作方式有一个基础的了解即可。另外，还有一些商业分析师是具有强大的IT背景但较少的商业经验，他们也有兴趣从IT技术岗位转型到这种混合角色

作为一个合格的商业分析师，我们需要什么能力？

1.统计相关的数学知识

我们在之后的专栏当中会给大家逐个讲解在解决业务分析的过程中会用到的一些统计学知识。
例如：我们专栏安排中有以下内容
2.5.1：统计学入门
（1）描述统计学基础
（2）概率
（3）正态分布
（4）中心极限定理
（5）Python应用
2.5.2：统计学进阶
（1）推论统计学基础
（2）置信区间
（3）假设检验
（4）线性回归
（5）多元线性回归
（6）逻辑回归
我相信通过这些学习，我们会掌握一些统计学在数据分析中的应用。

2.趁手的工具和分析思维

Excel SQL
Python 业务理解能力
社交和咨询技能分析思维和解决问题的能力 口头和书面沟通技巧
– –
成本收益分析 利益相关者分析
那么，到现在为止。我想大家应该对商业数据分析师有了一个大致的概念了。但是在这里要强调的是，这不是单纯的商业分析师，也不是单纯的数据分析师，而是综合的复合型人才，既要有商业的一些分析方法和对业务的理解，又要会数理统计的一些分析方法，只有这样才能更好的适应从BI到AI的过度升级。
商业分析师的分析方法和模型其实有很多很多，关键是要熟练掌握一部分方法，再结合业务、结合公司情况去分析。之后我们也会加大家如何利用所学技能去分析业务的各个环节并实现用户增长的方案。
下面举例几种方法：
1、KANO分析模型
2、5W2H分析模型
3、逻辑树分析模型
4、战略钟分析模型
5、RFM客户价值模型
…
而作为数据分析的硬核技能，我们有需要掌握一些处理数据的工具，包括一些统计学的方法，并会建模分析，能够做预测分析，再结合商业分析的方法和业务的一些情况，我们才能做的更好。
作为一名数据分析师，如果你能够站在业务领导的高度，主动的思考问题并提出解决方案，有很好的表达技巧说服业务人员接受你的观点，并能够全程推动和监控方案的落地实施，那么你一定能够通过数据来推动业务的持续发展。这几点看似很难，但只要你能够明确方向，一点一点的推进，你一定会惊喜的发现，原来通过数据影响业务并没有那么困难，随着业务对于数据依赖的不断加强，你的价值也会不断凸显，升职加薪自然水到渠成。