作為長期在大數據行業工作的你，是否有過成為數據分析師或者商業分析師的想法呢？

其實，各行各業都有自己的分析師，比如金融類的就有證券分析師、金融分析師、股票分析師；統計類的就有數據分析師、調查分析師、信息分析師……

你想到的數據分析師或者商業數據分析師是兩個完全不同的職業。今天小億就來為大家分享一下兩者有什么區別，以便幫助大家更好的理解這兩個職業。

一、初步了解商業數據分析師、數據分析師

什么是分析師？分析師是運用定性和定量調查方法，收集有關信息，運行數據處理和分析，形成報告以供決策參考的人員。

商業分析師是在需求的背景中理解業務問題和商業機會，給出解決方案，以支持組織實現其目標。而數據分析師指的是不同行業中，專門從事行業數據搜集、整理、分析，并依據數據做出行業研究、評估和預測的專業人員。

看完概念，大家可能已經有了一些了解，但還不夠清晰，接下來我們從3個方面來談談兩者的區別。

二、從3個角度談兩者的不同

1.專業要求和工作能力不同

（1）商業分析師

一般來說，商業分析師都需要有一定的MBA背景，對市場、上下游、商業有強烈的洞察力，具備系統的資料收集、市場研究、整理能力，及良好的文字處理能力，具備較強的邏輯思維能力，敏銳的觀察能力和獨立分析能力。

很多商業分析師是需要獨立完成一份行業分析報告，站在整個行業的角度，去看待本公司、所有競品公司、上下游的各種關系與優劣勢。需要懂得各類的策略模型與方法論：如SCP、RFM、波士頓矩陣、金字塔原理、5W2H、MECE分析、SWOT分析等等，專業偏向經濟、金融、工商管理、數學、統計（整體更傾向商科）。

（2）數據分析師

數據分析師更偏向針對某個公司產品，進行分析建模，驅動增長。需要有較強的落地能力，與各業務部門的配合的溝通能力。

需要懂得統計學相關知識，尋找大數據中隱藏的用戶行為規律，掌握基本統計模型及統計學知識：回歸分析、聚類分析、時間序列、多元統計，貝葉斯等，如果在互聯網研究產品的話需要了解：漏斗分析、產品轉化等。專業偏向數學、統計、計算機（整體更傾向理科）。

上述的模型，商業分析師和數據分析師都會交叉使用，只是側重點較為不同。通過以上簡短的介紹，我們可以發現無論是商業分析師還是數據分析師都需要依靠數據來得出結論，都需要掌握數據分析工具。

2.工作內容不同

（1）商業分析師

商業分析更加注重決策能力，結合內外部數據深度剖析商業問題，最后進行企業戰略調整和產品迭代，主要有以下工作職責：

①根據專業專長和所涉領域的不同，負責某個獨立項目的調查分析，通過收集、整理數據信息，提出有針對性的方案或建議，能獨立、高質量的完成大部分成果文件；

②協助高級咨詢師完成咨詢或培訓項目中的部分模塊；

③在現場通過專業、邏輯、理性的方式與客戶討論、界定問題并與其保持密切合作；

④與客戶溝通，幫助客戶理解、實施咨詢建議，協助其解決實際問題；

⑤完成咨詢過程的后續回訪等工作；

⑥撰寫商業分析報告，包括但不限于以上。

（2）數據分析師

數據分析師是一個連接業務與技術的職位，要求比工程師更了解業務邏輯，又要比產品、運營等具有更多的數據分析思維與技能。數據分析主要是為公司業務人員、運營人員提供數據支持的，幫助員工提高工作能力和工作效率，讓組織里面的每一個人都有主觀能動性，另外還能通過數據優化員工績效，主要有以下工作職責：

①根據時間維度產出數據報告，用數據統計分析方法對搜集來的數據信息進行分析，并加以歸納和理解。

②監控數據趨勢。數據分析能提取有效信息和形成結論，對數據加以詳細研究。

③為業務提供數據支持。數據分析后，以求最大化地開發數據的功能，充分發揮數據的作用。

④在分析數據后可以對行業發展，行業知識規則進行預測和挖掘。

⑤撰寫專題性報告，，包括但不限于以上。

如果將企業比作戰場，數據分析更像是為每一個士兵服務，并且數據分析能滲入到組織里面的每個細胞。而商業分析是為將領服務的，提高管理者決策的準確性、決策效率和決策能力；數據分析師在實際工作中更偏向業務，而商業分析師則更深入商業場景。

3.職業發展路徑不同

（1）商業分析師

在本行業領域內，初級商業分析師通過專業素養的不斷提升，以及實踐經驗的多年培養，可以向高級商業分析師的方向發展。

此外，商業分析師往往兼顧商業和運營的各種方向的知識，最成功的商業分析師都是那些能夠“溝通、推動和分析”的人。因此，從長遠發展角度看，有望向企業戰略咨詢顧問、企業文化咨詢顧問、企業改制咨詢顧問、品牌管理咨詢顧問、營銷管理咨詢顧問、CRM咨詢顧問、精益生產咨詢顧問、供應鏈管理咨詢顧問、人力資源咨詢顧問、財務管理咨詢顧問、BPR咨詢顧問、區域經濟咨詢顧問、知識管理與信息化咨詢顧問等方向發展；或轉向其他相關領域，成為財務分析師、品牌經理等。

（2）數據分析師

數據分析可以簡單分為業務和技術兩大方向。

業務方向——數據運營、數據分析師、商業分析、用戶研究、增長黑客、數據產品經理等；技術方向——數據開發工程師、數據挖掘工程師、數據倉庫工程師等。

業務類崗位的數據分析師大多在業務部門，主要工作是數據提取、支撐各部門相關的報表、監控數據異常和波動，找出問題、輸出專題分析報告。在日常工作中，業務部門往往更關心某個指標的為什么下跌或上升、產品的用戶屬性是怎樣的，如何更好的完成自己的KPI等。

技術方向的崗位如數據挖掘/算法專家等崗位有的歸在研發部門，有的則單獨成立數據部門。與業務方向的數據分析師相比較來說，數據挖掘工程師要求更高的統計學能力及編程技巧。因為數據挖掘工程師對工具的要求比較高，所以數據挖掘的平均薪資也會高于數據分析師。

三、如何提高商業分析能力？

商業分析能力就是從業務和戰略發展的角度出發，用數據分析手段，發掘業務問題，支撐商業決策。所以我們認為，商業分析能力最核心的兩件事：業務思維+數據思維。

1.業務思維

做商業分析，要知道商業價值在哪兒，必須充分了解企業的商業模式和行業屬性，這樣才知道到底企業有啥分析需求，才能有目的性地去思考到底要分析啥問題，因此可以從以下幾個方面來分析：

（1）企業商業模式

商業模式，簡單來說就是公司或個人運用某種方法或途徑賺錢，從而產生利潤的效應模式。我們談商業分析能力的業務思維方式，就是能深入理解到企業戰略定位、業務體系、關鍵資源、盈利模式，有助于拓寬視野并提升思考深度，保證產品與企業戰略和業務發展同步。快速了解商業模式比較好的渠道有公司業務負責人、行業競對、行業專家、垂直行業媒體等，廣謀從眾，各取所長。

（2）企業行業屬性

理解商業模式只是開始商業分析的第一步，具體到一門生意上，還有行業、產品、用戶群體的區別。比如大家最喜歡說的：互聯網行業，其實范圍非常廣泛，包含了：電商、游戲、廣告、新聞、社交、O2O、VR、團購、消費貸、小額貸、保險等眾多子領域，每個領域間差異巨大。而所謂傳統行業，比如快消、耐用、零售、家具、美容、金融、餐飲等等，也在積極擁抱互聯網，不但大力建設自己社交媒體矩陣，而且紛紛開設自己的小程序吸納會員，開劈電商渠道拓展客戶，可以說行業邊界本身也在模糊，具體形態越來越多元化。

（3）了解業務的途徑

脫離具體的商業模式和行業屬性就沒法談商業分析，了解商業模式和行業屬性的途徑如下：

①洞察行業趨勢

垂直媒體：針對垂直行業的互聯網媒體平臺，提供行業深度內容、知識分享和互動，例如：電子商務新聞門戶的億邦動力網。

行業專家：向公司業務專家、外部專業人士、資深傳統從業者、行業咨詢顧問等角色調研交流，可幫助你快速深度挖掘行業內幕。

市場報告：專業的市場研究機構，從報告中可以獲得行業趨勢、市場份額、頭部企業分析等信息，例如：艾瑞網、易觀。

②理解主營業務

培養業務思維最直接的方式莫過于貼近業務，包括了解主營業務流程、策略規則、角色分工、管理權限、協作關系等。具體實施可以通過組織討論會、部門輪崗、問卷調研、繪制流程圖、梳理角色權限表等，將業務轉化成標準、模塊、可視的文檔資料。

③了解產業鏈

產業鏈簡單來講就是某行業中，各個產業部門之間基于產品、技術、服務等需要，客觀形成的鏈條式關聯關系。產業鏈包含價值鏈、企業鏈、供需鏈和空間鏈四個維度。產業鏈有助于產品經理了解行業全貌、梳理上下游關系、理解業務本質。產業鏈信息可以通過互聯網媒體、市場報告獲得。

④熟悉合作渠道

合作渠道即存在商業合作關系的上游和下游組織機構，按組織機構關系區別，可分為內部合作渠道和外部合作渠道。渠道對產品的價值是1后面的0，優質渠道可以幫助產品短時間內成幾何增長，常見的渠道資源表現為資金、流量、商品、內容、服務等。我們可通過公司商務、社交媒體、搜索引擎、應用商店等方式尋找合作渠道，為產品價值最大化助力。

⑤分析營收結構

營收結構是指企業收入中主營業務收入與其他業務收入的比率，通過分析營收結構，可以了解企業經營狀況和財務政策。

2.數據思維

數據思維是指將營銷過程中的各項因素轉化成數據進行研究，數據實際上是營銷向科學導向的自然演化，數據研究的目的就是解決業務目的，創造商業價值，可以從以下幾個方面來研究：

（1）業務流程梳理及業務指標搭建

商業分析能力的體現就是通過挖掘業務數據發現商業價值，怎么去挖掘？一定是要基于業務，一定要對業務非常熟悉，才能以業務為導向，發掘數據背后的問題，為商業決策提供數據支撐，推動業務發展。

這就要求我們不僅要具有良好的商業洞察與判斷，很強的邏輯思維能力、產品策劃、品牌包裝與宣傳能力，而且必須對數據和業務具備超強敏銳度。業務流程梳理就按照第一部分業務邏輯去探尋即可，那業務指標搭建怎么做呢？

首先，理解一下什么是業務指標？兩方面，結果指標，一般指產品或項目過程中的考核指標；過程指標，一般指產品或項目過程中影響結果指標的具有可執行意義的指標。

從結果和過程的設計過程中，可以發現數據分析是一個系統性工程，一個簡單的技術改造都有可能導致全局的蝴蝶效應，但是在落地過程中，需要把握資源與分析粒度的平衡，達到項目相關最優。如收入、用戶數、留存率、客戶價值、客戶滿意度等等?然后如何搭建業務指標體系呢？

指標體系官方定義是指由若干個反映社會經濟現象總體數量特征的相對獨立又相互聯系的統計指標所組成的有機整體。其實簡單來講指標體系就是：通過一組相互關系的指標，來反應企業的管理狀況。企業不同，目標不同，但是歸納下來不外乎以下幾個方面：

指標體系建設是一個漸進明細、抽象到具化的過程，我們把他分別三個步驟，首先是指標梳理，也就是體系建設的核心；第二步是對梳理好的指標按照其口徑進行定義；第三步也就是應用分析。

①指標范圍確定和指標識別

指標梳理一開始最迷茫，在不知道從何入手的時候，我們就要找到指標的需求，這些需求通常來自于：對業務部門和技術部門的需求調研、業務系統常用指標、用戶用到的統計報表、行業標準。之后，我們要在眾多需求中提煉出指標（基礎指標、合成指標），剔除掉噪音指標和不需要的指標。

②指標解析

拿統計報表的指標解析步驟來舉例，通常指標解析的步驟分為5步：

第一步：理解報表。首先要了解統計報表，通過報表標題、報表的表頭、表尾，以及各數據項的關系和公式來了解統計報表是要做什么的。

第二步：剔除不必要的指標。特別關注如下指標和元素：超長字符、計量單位、統計信息、無統計意義的字符等。

第三步：分析指標的維度、篩選條件、公式。

第四步：確定報表的數據期。數據期也就是查看統計報表的時間粒度，我們需要確認：確定數據期字段、確定數據期類型。

最后我們需要找權威人士確認和佐證。與客戶方業務和技術專家確認，保證指標的權威性；記錄存檔，以備指標定義時使用。

不妨，我們來看看具體的實例，如下是某集團的測算表，圖中分別解析出了指標的標題、數據期、計量單位、維度、基礎指標、合成指標、表尾備注。結合以上的指標解析方法，使指標解析簡單化。

③確定指標源頭

確定指標源頭是找到指標來自于哪里？可以來自于某個業務系統，也可以來自于某個主題表，目的是為了保證指標的口徑唯一，其流程如下：

（2）數據模型數據挖掘等大數據領域技術能力

業務指標體系的搭建是為商業分析做準備，回到文章開頭，商業分析能力就是從業務和戰略發展的角度出發，用數據分析手段，發掘業務問題，支撐商業決策。

有了業務指標，如何將業務指標落地并針對業務指標做進一步的數據分析呢？這就要求我們必須具備：

a. 數據生產加工流程和數倉技術：數據采集，數據預處理，數據存儲等ETL設計與數倉建模能力，商業分析的基礎是業務數據分析，如何整合企業內多源業務數據，如何按梳理好的業務指標體系搭建業務分析數據模型？

b. 數據挖掘及算法：掌握通用的挖掘算法并能通過數據挖掘工具發掘數據價值

c. 數據分析工具能力：會寫JAVA或者Python最好，或者會熟練操作數據分析工具如tableau，億信ABI等，將數據呈現出來；

四、總結

1.商業分析師的視角比數據分析師高，因為處于戰略模塊，放眼的是全行業、上下游。而數據分析師更偏向落地能力，具體幫助業務某個產品得到增長；

2.商業分析師的匯報對象的都是管理決策層。數據分析師的匯報對象的是業務部門和數據部門的領導；

3.企業中對戰略部門的商業分析師的學歷背景要求會比較高，需要有一定的咨詢行業或MBA背景或強大的邏輯思維與業務拆解能力。企業中對業務部門的數據分析師的掌握工具技能、數據處理能力要求比較高；

4.商業分析師不僅僅只是對數據進行分析，還需要做信息類的分析，如市場研究、國家政策、行業形勢等；而數據分析師更偏向針對某一產品的分析，業務落地性比較強（當然這兩者邊界現在也越來越模糊，很多數據分析師也需要有一定的高度去看待問題，而商業分析師也慢慢需要一定的編程能力）；

5.關于薪酬，一般來說商業分析師毋庸置疑會比數據分析師起薪高，商業分析師薪資對標的就是咨詢行業的分析師或者咨詢顧問，大家都知道咨詢行業的起薪都比較高的。但是數據分析師驅動業務增長，可獲得獎金就會比較多，只要業務產生增長，加薪也比較快。

知道這些之后，你的感想如何呢？歡迎加微信和我交流，我愿分享更多商業分析知識，與你共勤勉。

總結

以上是生活随笔為你收集整理的你可曾了解过，数据分析师与商业数据分析师？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。