第1章 欢迎来到数据侦探事务所：商业数据分析到底能做什么？

放学铃刚响，你和同学冲进学校门口的蜜雪冰城，盯着菜单犯了难：杨枝甘露原价12元，第二杯半价；珍珠奶茶原价8元，第二杯半价；要是你俩各买一杯不同口味的，总价是12+8=20元，但要是凑单买同款杨枝甘露，两杯只要12+6=18元——可要是买一杯杨枝甘露加一杯珍珠奶茶，第二杯半价是按12元算还是按8元算？你掰着手指头算了三分钟，最后拉着同学一起买了同款杨枝甘露，省下来的4块钱加购了个甜筒，同桌直夸你会过日子。

你刚才做的这件事，就是最基础的数据分析：从一堆杂乱的信息里，找到能帮你做决策的答案。很多人听到“数据分析”四个字，第一反应是“那是程序员才做的事吧？要写代码、要懂高数，我可学不会”，但事实上，你每天追星时统计明星微博的点赞评论数、打游戏时计算英雄的胜率、算奶茶优惠的时候，已经在做数据分析了。而商业数据分析，就是把这种“找答案”的能力放到商业场景里，帮企业解决问题、帮个人优化决策的工具——它从来不是少数人的专利，而是每个普通人都能掌握的“超能力”。

<!-- 标签：核心概念 纸书格式：1.1 你已经在做数据分析了，只是你没发现 电子版侧边栏：💡 小贴士：数据分析的本质是“用信息解决问题”，不是复杂的技术堆砌 -->

1.1 别被术语吓住：数据分析就是你每天在做的小事

要理解数据分析，我们先把那些听起来很厉害的术语扔掉，回到你熟悉的生活场景里。

第一个场景：追星。你粉的偶像刚发了新微博，配了九张自拍，你第一时间冲去评论区点赞，还转发了微博带了话题。半小时后你再去刷，发现这条微博的点赞量是10万，评论是2万，转发是1万；而上一条他发的广告微博，点赞是8万，评论是1万，转发是5000。你心里立刻就有了判断：这条自拍微博的互动量比广告高多了，偶像下次多发自拍，粉丝会更开心。这个“对比不同微博的互动量、得出结论”的过程，就是最基础的数据分析。

第二个场景：打游戏。你最近在练鲁班七号，打了20场排位，赢了12场，输了8场，胜率是60%；之前你玩后羿打了20场，赢了9场，输了11场，胜率是45%。你觉得鲁班比后羿更适合你上分，接下来排位就优先选鲁班。这个“统计英雄的胜率、对比后做选择”的过程，也是数据分析。

第三个场景：算奶茶优惠。除了刚才说的第二杯半价，你还会遇到“满30减5”“第二杯1元”的活动，你每次都会快速算出来怎么买最划算：比如买两杯12元的杨枝甘露，总价24，满30减5的话不划算，第二杯半价的话总价18，更便宜；要是买一杯12元的杨枝甘露加一杯18元的芋泥啵啵，总价30，满30减5的话总价25，比第二杯半价的12+9=21贵，所以你会选第二杯半价。这个“对比不同优惠规则的总价、选最划算的组合”的过程，还是数据分析。

你看，这些你天天在做的事，本质上都是数据分析：你不需要写任何代码，也不需要懂任何复杂的公式，只是把零散的信息整理起来，对比、计算，最后找到你想要的答案。商业数据分析只是把这种能力用到了商业场景里：比如奶茶店老板想知道哪款饮品最赚钱、明星工作室想知道粉丝喜欢什么内容、游戏公司想知道哪个英雄太强要削弱，这些都是商业数据分析的应用。

<!-- 标签：误区澄清 纸书格式：1.2 商业数据分析不是程序员的专属 电子版侧边栏：🚫 避坑提醒：90%的入门级数据分析工作，只需要会加减乘除和分类统计，根本不需要写代码 -->

1.2.1 商业数据分析到底是什么？

如果把“数据分析”拆成两个字，“数据”就是你手里的信息，“分析”就是你处理信息、找答案的过程。而“商业数据分析”，就是专门用来解决商业场景里问题的数据分析：它的目标非常明确，就是要帮企业赚钱、帮企业少走弯路、帮企业更好地服务用户。

举个最简单的例子：你家楼下新开了一家奶茶店，老板想知道为什么开业第一个月销量很好，第二个月就掉了，这时候他用的就是商业数据分析。他不会坐在店里瞎想“是不是口味不好？是不是位置不好？”，而是会先收集数据：第一个月和第二个月的每天销量、每款饮品的销量、客流量、客单价、用户的评价，然后把这些数据整理出来，对比着看：比如第一个月每天卖200杯，第二个月只卖120杯，客流量没变，还是每天300个客人，只是买的人少了；再看每款饮品的销量，发现第一个月卖得最好的杨枝甘露，第二个月的销量掉了60%，而其他饮品的销量没怎么变；再看用户的评价，发现很多人说“杨枝甘露太甜了”。这时候老板就得出了结论：不是门店位置不好，也不是客流量少了，是杨枝甘露太甜了，不符合用户的口味，所以买的人少了。接下来他可以调整杨枝甘露的糖度，或者推出少糖版本，销量很快就能涨回来。

你看，整个过程老板不需要写代码，不需要懂高数，只需要会算数、会对比数据，就能解决问题。这就是商业数据分析的核心：它不是炫酷的技术，而是解决问题的工具。

1.2.2 商业数据分析能帮到你什么？

很多人觉得商业数据分析是给企业用的，和自己没关系，其实不是。掌握数据分析思维，不仅能帮你解决生活里的各种问题，还能让你在学习、未来工作里都比别人更有优势。

对生活来说，它能帮你省钱、帮你做决策。比如你统计自己过去一个月的零花钱支出，发现每个月买奶茶花了150块，买游戏皮肤花了200块，买零食花了100块，总共花了450块，而你每个月零花钱只有500块，剩下的50块根本不够应对突然的支出。你通过数据分析找到了“钱不够花”的原因：买游戏皮肤花了太多，接下来你就能调整支出，每个月只买一个皮肤，省下来的100块可以攒起来买喜欢的书，或者和朋友出去玩，不用再每个月向爸妈多要钱。

对学习来说，它能帮你提高效率。比如你最近一次数学考试考了80分，你不想盲目刷题，就统计了最近5次考试的错题，发现10道选择题里你错了6道，其中4道是因为计算粗心，2道是因为知识点没记住；4道大题里你错了2道，都是因为最后一步算错了。你很快就找到了自己的问题：不是知识点没学会，是太粗心了。接下来你每天做10道计算题，专门练细心，下次考试数学就考了95分，比之前盲目刷20套卷子有用多了。

对未来工作来说，它是所有行业都需要的核心能力。不管你是以后想做设计师、做老师、做博主，还是开奶茶店，都需要用数据分析来做决策：设计师要分析用户的点击数据，知道用户喜欢什么风格的封面；老师要分析学生的考试数据，知道学生哪部分知识点没学会；博主要分析粉丝的活跃数据，知道粉丝喜欢什么内容；开奶茶店要分析销售数据，知道哪款饮品最赚钱。现在连很多学校的社团招新、班级活动策划，都会用到数据分析：比如社团招新的时候统计哪个渠道来的报名人数最多，下次就重点在那个渠道宣传；班级组织春游的时候统计大家想去的地方，选得票最高的去。

<!-- 标签：流程讲解 纸书格式：1.3 商业数据分析的6步通用流程 支持Mermaid流程图 -->

1.3 所有数据分析都逃不开这6步

不管你是算奶茶优惠，还是给企业做百万级别的数据分析项目，所有的数据分析都遵循同一个通用流程：提出问题→收集数据→处理数据→分析数据→得出结论→落地应用。我们用“算奶茶第二杯半价怎么买最划算”的例子，把每一步都讲清楚：

```mermaid graph LR A[提出问题] --> B[收集数据] B --> C[处理数据] C --> D[分析数据] D --> E[得出结论] E --> F[落地应用] ```

1.3.1 第一步：提出问题——你为什么要做数据分析？

所有数据分析的起点，都是一个明确的问题，而不是上来就堆数据。如果你不知道自己要解决什么问题，就算给你100万条数据，你也分析不出任何有用的结论。 比如你要算奶茶优惠，你的问题就是“第二杯半价怎么买最划算？”而不是“我要收集所有奶茶的数据”。如果你连问题都不清楚，就会去收集奶茶的原料、产地、营养成分这些没用的数据，最后算来算去还是不知道该怎么买。

1.3.2 第二步：收集数据——找你需要的信息

问题明确了之后，就要去找能回答这个问题的数据。还是算奶茶优惠的例子，你需要的数据只有两类：一是每款饮品的价格，二是优惠规则。你不需要去查奶茶店老板是谁、开了多少家店、有没有融资，这些数据对你的问题没有任何帮助。 收集数据的方式有很多：可以去奶茶店的小程序看菜单，可以问店员优惠规则，可以看门店的海报，只要能拿到你需要的信息就行。

1.3.3 第三步：处理数据——把

直接开始第一段正文内容，阐述本章要讨论的核心问题。不需要任何标题或开场白。

放学铃刚响，你和同学冲进学校门口的蜜雪冰城，盯着菜单犯了难：杨枝甘露原价12元，第二杯半价；珍珠奶茶原价8元，第二杯半价；要是你俩各买一杯不同口味的，总价是12+8=20元，但要是凑单买同款杨枝甘露，两杯只要12+6=18元——可要是买一杯杨枝甘露加一杯珍珠奶茶，第二杯半价是按12元算还是按8元算？你掰着手指头算了三分钟，最后拉着同学一起买了同款杨枝甘露，省下来的4块钱加购了个甜筒，同桌直夸你会过日子。

你刚才做的这件事，就是最基础的数据分析：从一堆杂乱的信息里，找到能帮你做决策的答案。很多人听到“数据分析”四个字，第一反应是“那是程序员才做的事吧？要写代码、要懂高数，我可学不会”，但事实上，你每天追星时统计明星微博的点赞评论数、打游戏时计算英雄的胜率、算奶茶优惠的时候，已经在做数据分析了。而商业数据分析，就是把这种“找答案”的能力放到商业场景里，帮企业解决问题、帮个人优化决策的工具——它从来不是少数人的专利，而是每个普通人都能掌握的“超能力”。

<!-- 标签：核心概念 纸书格式：1.1 你已经在做数据分析了，只是你没发现 电子版侧边栏：💡 小贴士：数据分析的本质是“用信息解决问题”，不是复杂的技术堆砌 -->

1.1 别被术语吓住：数据分析就是你每天在做的小事

要理解数据分析，我们先把那些听起来很厉害的术语扔掉，回到你熟悉的生活场景里。

第一个场景：追星。你粉的偶像刚发了新微博，配了九张自拍，你第一时间冲去评论区点赞，还转发了微博带了话题。半小时后你再去刷，发现这条微博的点赞量是10万，评论是2万，转发是1万；而上一条他发的广告微博，点赞是8万，评论是1万，转发是5000。你心里立刻就有了判断：这条自拍微博的互动量比广告高多了，偶像下次多发自拍，粉丝会更开心。这个“对比不同微博的互动量、得出结论”的过程，就是最基础的数据分析。

第二个场景：打游戏。你最近在练鲁班七号，打了20场排位，赢了12场，输了8场，胜率是60%；之前你玩后羿打了20场，赢了9场，输了11场，胜率是45%。你觉得鲁班比后羿更适合你上分，接下来排位就优先选鲁班。这个“统计英雄的胜率、对比后做选择”的过程，也是数据分析。

第三个场景：算奶茶优惠。除了刚才说的第二杯半价，你还会遇到“满30减5”“第二杯1元”的活动，你每次都会快速算出来怎么买最划算：比如买两杯12元的杨枝甘露，总价24，满30减5的话不划算，第二杯半价的话总价18，更便宜；要是买一杯12元的杨枝甘露加一杯18元的芋泥啵啵，总价30，满30减5的话总价25，比第二杯半价的12+9=21贵，所以你会选第二杯半价。这个“对比不同优惠规则的总价、选最划算的组合”的过程，还是数据分析。

你看，这些你天天在做的事，本质上都是数据分析：你不需要写任何代码，也不需要懂任何复杂的公式，只是把零散的信息整理起来，对比、计算，最后找到你想要的答案。商业数据分析只是把这种能力用到了商业场景里：比如奶茶店老板想知道哪款饮品最赚钱、明星工作室想知道粉丝喜欢什么内容、游戏公司想知道哪个英雄太强要削弱，这些都是商业数据分析的应用。

<!-- 标签：误区澄清 纸书格式：1.2 商业数据分析不是程序员的专属 电子版侧边栏：🚫 避坑提醒：90%的入门级数据分析工作，只需要会加减乘除和分类统计，根本不需要写代码 -->

1.2.1 商业数据分析到底是什么？

如果把“数据分析”拆成两个字，“数据”就是你手里的信息，“分析”就是你处理信息、找答案的过程。而“商业数据分析”，就是专门用来解决商业场景里问题的数据分析：它的目标非常明确，就是要帮企业赚钱、帮企业少走弯路、帮企业更好地服务用户。

举个最简单的例子：你家楼下新开了一家奶茶店，老板想知道为什么开业第一个月销量很好，第二个月就掉了，这时候他用的就是商业数据分析。他不会坐在店里瞎想“是不是口味不好？是不是位置不好？”，而是会先收集数据：第一个月和第二个月的每天销量、每款饮品的销量、客流量、客单价、用户的评价，然后把这些数据整理出来，对比着看：比如第一个月每天卖200杯，第二个月只卖120杯，客流量没变，还是每天300个客人，只是买的人少了；再看每款饮品的销量，发现第一个月卖得最好的杨枝甘露，第二个月的销量掉了60%，而其他饮品的销量没怎么变；再看用户的评价，发现很多人说“杨枝甘露太甜了”。这时候老板就得出了结论：不是门店位置不好，也不是客流量少了，是杨枝甘露太甜了，不符合用户的口味，所以买的人少了。接下来他可以调整杨枝甘露的糖度，或者推出少糖版本，销量很快就能涨回来。

你看，整个过程老板不需要写代码，不需要懂高数，只需要会算数、会对比数据，就能解决问题。这就是商业数据分析的核心：它不是炫酷的技术，而是解决问题的工具。

我们再用你熟悉的追星场景走一遍完整的商业数据分析流程，帮你把抽象的概念落地：假设你是明星工作室的工作人员，老板给你布置的任务是“下个月给偶像策划3条微博内容，让互动量比这个月高20%”，这就是一个典型的商业数据分析问题，你可以用6步流程解决： 1. 提出问题：什么类型的微博内容互动量更高？ 2. 收集数据：收集偶像过去6个月的所有微博，记录每条的内容类型、点赞、评论、转发数。 3. 处理数据：去掉重复的、和内容无关的数据，把数据整理成表格，按内容类型（自拍、广告、vlog、日常）分类。 4. 分析数据：计算每种内容类型的平均互动量，发现自拍的平均互动量是15万，广告是6.5万，vlog是10万，

日常是12万，其中带“日常vlog”话题的自拍平均互动量更是达到了18万，比不带话题的自拍高了20%；而广告的平均互动量只有6.5万，连自拍的一半都不到。你看，对比完数据，答案就很清楚了：粉丝最喜欢看的是带日常话题的自拍，最不喜欢看的是硬广。这就是第四步“分析数据”的核心：不是光罗列数字，而是通过对比、计算，从数字里找到规律。

接下来是第五步：得出结论。结论不是随便说

接上之前被打断的追星工作室案例，我们继续走完剩下的步骤：接下来是第五步：得出结论。结论不是随便说“自拍比广告好”这么简单，必须是能直接指导行动的具体判断——比如“带#日常碎片#话题的自拍微博，平均互动量比普通自拍高20%，比广告高180%，是下个月最值得发的内容类型”。你看，这个结论直接告诉了你接下来该做什么，而不是一堆没用的数字。然后是第六步：落地应用：你拿着这个结论，给老板策划了3条内容：2条带日常话题的自拍，1条软植入的生活类vlog，结果这个月的互动量比上个月高了27%，超额完成了任务。整个流程走完，你没写一行代码，没用一个复杂的公式，全靠把日常的“找答案”能力用到了商业场景里，这就是商业数据分析的完整过程。

我们再用你更熟悉的“算奶茶优惠”场景走一遍这6步，你会发现自己早就把流程烂熟于心： 1. 提出问题：第二杯半价怎么买最划算？ 2. 收集数据：杨枝甘露12元/杯，珍珠奶茶8元/杯，第二杯半价规则是“第二杯饮品享半价，按低价饮品计算半价金额”。 3. 处理数据：去掉和优惠无关的信息（比如奶茶店的地址、原料产地），只保留价格和规则两个核心信息。 4. 分析数据：计算两种组合的总价：① 两杯杨枝甘露：12 + 12×0.5 = 18元；② 一杯杨枝甘露+一杯珍珠奶茶：12 + 8×0.5 = 16元——哦，原来凑不同款更便宜，之前你默认按高价算半价是错的。 5. 得出结论：买不同款的两杯，总价比买同款便宜2元。 6. 落地应用：下次买奶茶的时候，和同学凑不同款，省下来的钱加购甜筒。

你看，这个你天天在做的事，完全符合商业数据分析的6步流程，没有任何复杂的步骤。我们再把这个流程用更清晰的图呈现出来，方便你记忆：

```mermaid graph LR A[第一步：提出问题<br>明确你要解决什么问题] --> B[第二步：收集数据<br>只找能回答问题的信息] B --> C[第三步：处理数据<br>去掉无用信息，整理成清晰的结构] C --> D[第四步：分析数据<br>对比、计算，找规律] D --> E[第五步：得出结论<br>给出能指导行动的具体判断] E --> F[第六步：落地应用<br>把结论用到实际中，拿到结果] ```

<!-- 标签：流程梳理 纸书格式：1.3 商业数据分析的6步通用流程 电子版侧边栏：💡 小贴士：这6步是万能的，不管你是算奶茶优惠，还是给企业做千万级别的项目，都逃不开这个流程 -->

1.3.4 第四步：分析数据——从数字里找规律

分析数据是最容易让人犯懵的步骤，很多人觉得“分析数据就是要算复杂的公式、画炫酷的图表”，其实根本不是。分析数据的核心只有一个：对比。你把不同的数据放在一起对比，规律自然就出来了。 还是用奶茶优惠的例子，你不需要算任何复杂的公式，只要把两种组合的总价放在一起对比，马上就能知道哪个更便宜。再比如你统计一周的零食支出，把每天的支出列出来对比，马上就能知道哪天花得最多、哪个类别花得最多。 我们再用一个真实的商业案例帮你理解：2022年夏天，喜茶发现自己的销量连续3个月下跌，他们用6步流程做了分析： 1. 提出问题：为什么销量下跌？ 2. 收集数据：过去1年的销量数据、客流量数据、用户评价数据、竞品的活动数据。 3. 处理数据：去掉无效数据（比如门店装修期间的销量数据），把数据按月份、按门店、按产品分类。 4. 分析数据：对比发现，所有门店的客流量都没怎么变，但客单价从35元降到了22元，而销量下跌最厉害的都是30元以上的高端产品；再看用户评价，很多人说“太贵了，喝不起”；再看竞品的数据，发现蜜雪冰城在同时间段推出了10元左右的果茶，抢了很多用户。 5. 得出结论：销量下跌不是因为口味不好、不是因为位置不好，是因为价格太高，被更便宜的竞品抢了用户。 6. 落地应用：喜茶马上推出了10元左右的轻享系列产品，同时把部分高端产品的价格降了5块，结果下个月的销量就涨了40%，比之前下跌的时候高了30%。

你看，整个分析过程没有任何复杂的公式，就是对比不同的数据，找到规律。很多人觉得分析数据难，其实是把“分析”想得太复杂了，本质上就是“找不同、找联系、找规律”。

1.3.5 第五步：得出结论——别让数字骗了你

得出结论是很多人最容易踩坑的步骤，最常见的错误就是“把相关性当成因果性”。什么叫相关性？就是两个事情一起发生，不代表其中一个导致了另一个。比如你发现每次你买奶茶的那天，第二天都会下雨，你不能得出结论“买奶茶会导致下雨”，这只是巧合，是相关性，不是因果性。 再比如奶茶店老板发现“杨枝甘露销量下跌的那天，店里搞了装修”，他不能直接得出结论“装修导致杨枝甘露销量下跌”，还要看是不是装修那天刚好在下雨，或者刚好附近搞了活动，要多维度对比，才能找到真正的原因。 还有