业务分析逻辑的思考

本文主要是介绍业务分析逻辑的思考，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

两种分析逻辑

对于业务分析而言，很多方法论中会非常明确的说明，需要先定一个目标，之后才能再进行评价好坏，是否达标，差多少，需要做啥

但是实际工作中，很多分析工作并没有明确的“目标”，而是在一种非常开放的语境下去探索这个新功能/新业务带来的影响。在不断的探索挖掘下，得到一些洞察跟结论，在此基础上，考虑怎么用，顺序是反过来的

那为啥会有两种分析的逻辑 ？哪种更加合理 ？

首先，方法论从抽象意义上讲，对于一个具体“事实”，需要评价，肯定是要一个标准或者目标，才能进行。
而实际的分析时，“事实”就是“洞察”,这是需要数据探索，分析得到的。因此我们的直观感受是 并没有带着 “目标/标准“去做分析，是因为前期还没有形成”事实“。

但是在对维度拆解的时候，本身是带着隐藏的”目标“的，1）期望均匀： 说明覆盖面宽，无死角 2）期望不均匀，偏态分布，或者跟总体比有这种情况， 说明有特性/针对性。比如 活动分析时，在年龄维度，大多数我们期望产品能符合目标战略定位人群，在消费行为维度，会期望吸引中重度客群参与。

随着不同的“事实”被挖掘出来，我们的在核心 KPI 映射下的“目标”也被不断带出来，形成了多对 “事实”-“目标”。

比如在某类型活动中，经过分解，年轻人的比例长期在 29%的参与度，重度循环借贷人群 15%。因此对于新活动，我们对这2个维度就有一个潜在的 “目标”/“标准”，也要达到这么多。 - 这就是从历史找目标

对这次新活动的分析，在这个时候，我们才实质上进入 方法论中所说的 ，“事实”-“目标” 分析循环中。是有很多不同 “事实-目标-评价-措施” 现条同时进行的。

对于新功能的影响分析，我们没有历史数据的，那我们就看绝对的业务标准 - 比如 “重度消费人群，越高越好 - 越高说明吸引特定人群的效果好，有助于维护重点客户关系“

一条 洞察 insight，关键是看怎么用， ”事实“ + 背后原因 跟 结果推演

这篇关于业务分析逻辑的思考的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！