作为单纯的数据分析从业者，自成为数据分析师以来，我就会不断地遇到 Business Analysis 的提法。我直觉地知道 BA（Business Analysis 商业分析）和 DA（Data Analysis 数据分析）之间有相同也有差异，从信息分析的角度讲 DA 似乎包括 BA，从商业管理的角度讲 BA 似乎包括 DA。最初我只是简单地通过搜索引擎查找各类资料，结果就是找到各种说了一遍又一遍的车轱辘话，为学无益。

于是，我花费了一些时间，整合了几本冠有 Business Analysis 的书籍、几个较为流行的国外 BA 商业分析硕士项目，并参考 INFORMS 的知识框架整理出这一份 Business Analysis Body of Knowledge。BA-BOK 这个标题自然有夸大的嫌疑，但自信这份工作的成果，还是可以给对数据分析、商业分析的朋友提供一些帮助的。

商业分析学的来源

按我个人的理解，商业分析所需技能，或者说企业对一个优秀商业分析团队的期望，是从两个地方发展出来的。

第一个来源，是以统计学、运筹学等为代表的学科在商业届的应用。概率论起源于赌博，统计起源于经济、人口统计，运筹学源自战争，虽然它们并不像财务分析一样直接源自商业实践，但只要一门学科能 play with numbers，就能 play with money，就能应用于商业分析。

第二个来源，则是商业自身在发展过程中产生的需求。在生产能力孱弱的过去，市场渴求商品，只要能生产出符合人们需求的商品就可以很快销售出去，而在生产能力出现过剩时，生产商从单纯的品质竞争和价格竞争转向差异化竞争，开始研究消费者类型、细分需求、产品的市场定位等等，市场营销学诞生了，统计和调研的科学方法开始被应用在商业之中。为了以更低的成本将商品尽快地递送给消费者，以及尽可能地利用好生产线的产能以降低单位生产成本，运筹优化的方法也被运用于商品的生产和运输环节。这些方法的运用都是单纯人力所不能的，因此各种电子信息系统被发明和引入。为了管理上述所有的新技术、新方法、新人员，管理学的内容也因此扩充了。

总结而言，商业分析学是真实的商业需求和不断更新发展的科学技术的结合产物。

但是，我们必须认识到。商业分析学可以帮助商业届构建新的商业组织、新的商业模式，但它始终不是商业本身，它只是商业的一个环节。商业分析学和商业的关系类似于菜谱知识和烹饪的关系，现代科学可以为美味找到一些科学依据，优秀的菜谱可以让厨师更快应对新的菜色，但优秀的大厨总是会抛开菜谱成规，做出独特的菜品。如某前咨询业者在网上所言”如果咨询分析是最懂商业的，那么世界上最优秀的企业家应该都有咨询背景”（按记忆转述，不是原句）。商业分析学借鉴了科学方法，但它并不是科学，至少不是所谓的硬科学。因为商业分析的对象，或者说现象，缺乏物理世界的稳定性、持续性，商业环境总是持续变化，单个商业体所能触及商业世界必然地不是完整的世界，也不是完整世界的固定的一部分，因此所有的分析结论都是暂态的结论，无法做到完整的求真证伪，大多只能从商业措施的效果上得到衡量。这是商业分析学的残憾之处，也是商业分析从业者的奇妙挑战。总之，科学方法让我们对获取的商业新知有更大的信心水平，数理方法让我们的措施更加精确可衡量。

商业分析学的内涵

各种商业分析学的定义，基本都会涉及三个方面：技术上，它借助了数学、统计学、信息技术等多种学科知识和工具；方法上，它让企业决策变得有据可循，基于事实；价值上，它可以帮助企业管理者更好地运营。

INFORMS（Institute for Operations Research and the Management Sciences，运筹学与管理科学协会）的定义可谓言简意赅：Business analytics is the scientific process of transforming data into insight for making better decisions。

真实商业环境中，以 BI 为代表的 MIS、DSS 系统以及电子表格技术都得到广泛的应用。

在 INFORMS 的知识框架里，分析被分成 3 大类，而我则采取了更广为流传的 4 分类。

知识框架

P1-商业战略分析

  • 企业战略分析框架
  • 行业研究
    • （宏观）产业分析
    • 市场分析
      • 竞争分析
    • 消费者分析
  • 信息收集的方法

  • 财务报表分析

    P2-工商业知识

  • 市场营销

  • 供应链管理
  • 信息系统管理
  • 传统企业的数据分析议题
  • …

P3-数据分析方法（归入 DA 的部分）

  • Survey（调查）和用户访谈方法
  • 描述性统计学
    • 可视化与仪表盘技术
  • 统计推断
    • 质量检测
  • 预测
  • 仿真 Simulation
  • 优化
  • 决策分析
  • 文本分析
  • 其他统计学方法
    • 生存分析
  • … 还有其他数据挖掘与人工智能方法

P4-数据分析工具

（略）