那么，真实、可量化、可衡量的数据一定会反映业务某方面的情形。而“数据分析”在实现业务目标和输出数据报告的过程中，就需要 清晰地描述、并展示业务现状，解决业务痛点，帮助业务提升业绩等。所以， “数据分析”就需要围绕业务展开。
而现实当中，很多业务场景都可由数据体现出来。通过分析业务存在的问题并解决业务问题，数据分析才能创造价值。对于公司来讲，解决业务问题可以提高收益或者降低成本;对于个人来讲，知道怎么利用数据解决业务问题，对个人的技能成长和职场生涯都有很大的助力。
要理解业务，其根本上来讲就是：数据从业务场景中来，要用回业务场景里去。接下来，我们就来看一下理解业务对“数据分析”重要性有哪些呢?
重要性一
了解业务痛点，多理解业务流程，才有机会分析出业务场景中可能存在的问题。刚入门做数据分析时，很容易过度关注数据、方法论、工具等，却忽略了数据背后的业务痛点以及需求。埋头苦干一通，最后业务人员一句话否定掉：“你分析出的问题和结果对我有什么用?一点也不符合业务逻辑”。
举个简单的例子，以To b 一个考勤hr产品为例。
比如某一月份产品会员购买数量下降了，对于很多做数据分析人员来说，可能马上就会去拿着数据做多维交叉分析，分析什么原因导致购买会员数量下降了，而不是主动去思考里面的业务痛点以及流程逻辑。客户购买会员下降有很多原因，产品设计问题、购买流程问题、客户公司内部政策问题、队伍销售能力问题等等。
如果你了解业务痛点，多理解业务流程，你就应该了解到业务需求关注的因素是什么?也就是聚焦客户购买会员这个点，理清购买相关的客户旅程漏斗(如图所示)，识别出几个关键的行为转化节点，然后分析行为点间的转化与流失情况， 结合业务以及用户痛点，去对着数据来源、口径、清洗、分析等做一系列工作，进而定位问题，指导决策。而不是遇到一个数据指标出现异常，就直接去从数据中找答案，实际上答案就藏在背后的业务逻辑里面。
重要性二
了解相应的业务阶段侧重的关注点是什么，才可能设计出更符合业务视角的数据指标监控体系，通过相应的专题分析，解答出现异常的状况。因为业务发展一定是「萌芽——起步——快速发展——成熟——衰退」。这是规律，也可以说是产品的生命周期，我们需要判断出产品业务线所处的阶段，才能针对性设计出数据监控数据体系。
而在产品业务线不同的生命周期阶段，其数据分析侧重的关注点不相同：
- 萌芽期阶段：侧重监控用户行为数据等，优化产品迭代。
- 起步期阶段：侧重监控用户新增、渠道数据等，筛选优质渠道，扩大客户基数。
- 快速发展期：侧重监控用户活跃、留存数据等，提高各个关键环节转化率。
- 成熟期阶段：侧重监控会员，成单数据等，提升盈利点。
- 衰退期阶段：侧重监控内容、市场品牌数据等，品牌驱动，设计出有效的营销策略，找出第二增长曲线或者二次创新。
重要性三
了解行业内相应业务流程和规则，才可以使数据分析的结论和建议更加落地。还以To b 一个考勤hr产品为例。该产品的业务模式很简单，无非是以引导客户购买会员变现为主，以广告变现为辅，从而实现从投入到盈利的商业闭环，这个模式得有渠道(市场推广)有内容(打造品牌)，有产品(满足客户需求)，有运营(提升日活和客户转化)，有客户(购买会员)等。
如果你了解了行业内相应业务流程和规则，就不会在tob产品的日活出现下行趋势时，单纯提出加大投放费用这样谁都知道的建议，还可能是企业规则特殊情况的周期性活跃;就不会在客户出现流失苗头时，只是说一下同环比数据情况;就不会在关于广告流量减少时粗暴建议业务侧全局增加广告频率……
重要性四
了解相应业务中所有角色KPI以及如何协作，才可以快速有序的推进数据工作。明确各个业务环节的责任人，如何协作以及分别承担什么职责，就可以看出部门需要的数据是什么，并对其进行可视化，通常来说，都会异常关注当下的kpi指标，并从中提炼涉及到的侧重指标，帮助业务解决痛点。
还是以To b的考勤hr产品为例。划分了几大角色： 产品、运营(包括销售，市场，渠道，内容)、客户、客户成功等。
- 产品：为了获得利润，企业必须要先有产品，这个产品不仅指实物产品还包括服务、互联网产品。(如产品经理岗)
- 运营：有了产品，就要把产品推广出去，通过不断的优化渠道组合，提高销量，连接产品和用户，把产品带出去，把客户的钱带回来。
- 客户：产品最终会到用户手中，客户是产品的最终使用者，最终的目的就是为了让客户尽可能多的去使用产品。我们也要了解客户画像(这里就不展开讲了)。
- 客户成功：有了用户购买了产品，那么我们要去维护用户，留存，转化。
运营根据所支持的角色不同，类别有很多种，如互联网产品运营，主要是优化产品体验，app这个功能没有什么用户使用，就要考虑哪里出问题了，怎么改进。支持渠道的运营，需要在销售前，做品牌公关，打响产品或品牌知名度;在销售中，进行活动策划运营，折扣、营销活动等;在销售后，吸引用户再度付费。支持客户的运营，如微信群、售后服务等。
了解各个部门在四大角色，每个人的职责所在，如何协作等，结合遇到的问题，可以有序的推进数据工作。
最后
现在我们来总结一下理解业务对“数据分析”重要性有哪些呢?
- 第一、了解业务痛点，多理解业务流程，才可能有机会分析出来符合业务场景中存在的问题。
- 第二、了解相应的业务阶段侧重的关注点是什么，才可能设计出更符合业务视角的数据指标监控体系，通过相应的专题分析，解答出现异常的状况。
- 第三、了解行业内相应业务流程和规则，才可以使数据分析的结论和建议更加符合实际，精准落地。
- 第四、了解相应业务中所有角色KPI以及如何协作，才可以快速有序的推进数据工作。
总的来说，我们不能脱离业务去看“数据”，而是要时刻从业务角度去理解数据、分析数据。也可以说，没有业务指导的数据分析是无意义的。 这一点对于刚刚入门数据分析的新手来说，甚是需要注重和积累培养的。
最后，倘若你不一样的看法，欢迎留言添加完善分享，并交流!
