商业分析方法论与实践指南 9787121465703 孙淑霞，董峻含著 电子工业出版社
当天发货，全新正版书。
￥ 95.2 7.0折 ￥ 136 全新
库存81件
北京通州
认证卖家担保交易快速发货售后保障
作者孙淑霞，董峻含著
出版社电子工业出版社
ISBN9787121465703
出版时间2023-11
装帧平装
开本其他
定价136元
货号14330405
上书时间2024-06-01
- 在售商品 暂无
- 平均发货时间 9小时
- 好评率 暂无
- 最新上架
![中国建筑史(精) 9787571609719 [日]伊东忠太 沈阳出版社](https://www0.kfzimg.com/sw/kfz-cos/kfzimg/befcebaf/0c89670a2fcdd886_s.jpg)
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
"孙淑霞 具有11年商业分析和管理咨询经验，先后在三星鹏泰、百度、字节和快手担任管理咨询顾问、商业分析专家和数据分析专家等工作。 熟悉数据运营、数据分析和业务分析，在互联网广告营销行业和电商行业有丰富的数字化实战经验和深厚的积累。 曾为三星等世界500强企业提供数字营销策略、市场进入策略和零售店面管理策略，对商业模式和商业策略有独到的见解。"
目录
==第1篇 开篇 --第1章 揭开商业分析的神秘面纱 2 1.1 经典案例揭示什么是商业分析 3 1.1.1 问题：老板问能否去寺庙里卖梳子如何回答 3 1.1.2 第1种回答：混乱的思维，杂乱的论据，主观的臆想 3 1.1.3 第2种回答：基础的逻辑，一定的论据，堆积的答案 4 1.1.4 第3种答案：严密的逻辑，翔实的论据，客观的答案 5 1.2 商业分析的能力模型 7 1.2.1 商业分析的三大能力模型 7 1.2.2 逻辑思维能力：贯穿所有的分析流程 8 1.2.3 商业理解能力：决定商业分析的高度 9 1.2.4 数据分析与整合能力：商业分析的指示器和量化器 9 1.3 商业分析的岗位类型 10 1.3.1 经营分析师：全局业务和财务的连接器 全局业务中最懂财务，财务中最懂全局业务 10 1.3.2 商业分析师：局部业务和数据的连接器 局部业务中最懂数据，数据中最懂局部业务 11 1.3.3 数据分析师：全局业务和基础数据的连接器 全局业务中最懂基础数据，基础数据中最懂全局业务 12 1.3.4 战略分析师：业务人员和决策者的连接器 比决策者更懂业务，比业务人员更懂战略方向 12 1.4 商业分析工作的基本流程 12 1.4.1 总述：商业分析是“从业务到数据，再到业务”的循环 13 1.4.2 商业分析的起源：业务 14 1.4.3 商业分析的量化：数据 15 1.4.4 商业分析的归宿：用数据驱动业务的优化和增长 16 1.4.5 商业分析的重生循环：新业务/新数据/新优化增长 17 ==第2篇 商业分析的起源：业务 --第2章 知全貌――理解“行业”的运作模式 20 2.1 行业研究的基本构成框架 21 2.1.1 研究行业的市场规模，判断赛道的宽度 21 2.1.2 研究行业的生命周期，预估赛道的长度 24 2.1.3 研究产业链，明确身处哪条赛道 25 2.1.4 研究竞争格局，认清赛道的崎岖与平坦程度 28 2.1.5 研究宏观环境，知晓比赛的天气和环境 29 2.1.6 研究盈利模式，知道如何赢取奖金 29 2.2 如何在短时间内快速了解一个行业 30 2.2.1 二手资料搜集通路 31 2.2.2 一手资料搜集通路 32 2.3 传统行业的赚钱逻辑和盈利模式 34 2.3.1 传统企业盈利模式概览 34 2.3.2 星×克优势：先发者构建的品牌和大店直营优势 35 2.3.3 瑞×优势：后来者塑造的价格和小店加盟优势 35 2.4 互联网行业的赚钱逻辑和盈利模式 36 2.4.1 互联网公司盈利模式概览 36 2.4.2 自营电商模式：价差是主要驱动力 37 2.4.3 平台电商模式：广告是主要驱动力 38 --第3章 知彼――研究你的“竞争对手” 40 3.1 6步走做好竞争对手研究 40 3.2 为什么要研究竞争对手 42 3.3 谁才是你的竞争对手 43 3.3.1 旗鼓相当：直接竞争对手 43 3.3.2 望尘莫及：行业领头羊 43 3.3.3 悄然无声：潜在竞争对手 44 3.3.4 取而代之：替代者 44 3.3.5 互不侵犯：跨行业标杆 44 3.4 浩如烟海的竞争信息，需要研究哪些内容 45 3.4.1 基础画像 46 3.4.2 产品 46 3.4.3 用户 47 3.4.4 运营 47 3.4.5 财务 48 3.5 从哪些地方获取竞争对手的信息 49 3.5.1 桌面研究 49 3.5.2 产品亲身体验 51 3.5.3 专家访谈 51 3.5.4 用户调研 52 3.5.5 技术和购买 52 3.5.6 大脑强大的整合和测算能力 53 3.5.7 内部员工访谈和模拟招聘 54 3.6 如何进行多渠道信息的交叉验证 55 3.6.1 CheckList交叉验证 55 3.6.2 注意4种信息陷阱 56 3.7 案例：如何通过竞争对手研究寻找商机 57 --第4章 知己――剖析“所在的公司和业务” 60 4.1 一页纸梳理自身公司的商业模式――商业模式画布 60 4.1.1 商业模式画布是干什么的 60 4.1.2 商业模式画布的九大模块是什么 61 4.1.3 案例：如何描绘抖音的商业模式画布 64 4.2 一张图画出自身公司的组织架构――职能+业务+敏捷 66 4.2.1 职能型组织架构：注重职能设置 67 4.2.2 事业部型组织架构：偏重业务发展 67 4.2.3 “大中台，小前台”型组织架构：追求敏捷高效 69 4.3 3张图描绘所在业务的业务模式――逻辑+流程+架构 70 4.3.1 一张逻辑图厘清业务是如何赚钱的 71 4.3.2 一张流程图揭示业务是如何运转起来的 72 4.3.3 一张架构图展现业务是如何被管理的 73 4.4 2种模型对比自身公司和竞争对手的竞争实力―― 五力竞争模型+竞争态势矩阵 74 4.4.1 五力竞争模型：判断自身公司所处的竞争环境 74 4.4.2 竞争态势矩阵：确认自身公司相比竞争对手的实力和优劣势 77 ==第3篇 商业分析的量化：数据 --第5章 搭建业务的“晴雨表”――数据指标体系 82 5.1 “晴雨表”的最小单元：数据指标 83 5.1.1 数据指标的3个构成要素：维度+计算公式+度量 83 5.1.2 数据指标的类型 84 5.2 “晴雨表”的核心：北极星指标到底该怎么确定 86 5.2.1 明确公司的战略目标 87 5.2.2 建设备选梯队 87 5.2.3 遴选最终成员 88 5.3 经典问题：你会用哪些数据指标评价一款App 89 5.3.1 明确App的类型，挑选最熟悉的App 89 5.3.2 针对不同的App类型，罗列备选北极星指标 89 5.3.3 判断App所处的生命周期，确定北极星指标 90 5.3.4 对北极星指标进行下钻式拆解，明确二级指标 91 5.4 众木成林：数据指标体系 93 5.4.1 什么是数据指标体系 93 5.4.2 搭建数据指标体系的两大高频模型：OSM模型和UJM模型 94 5.4.3 7步走学会搭建数据指标体系 96 5.4.4 数据指标体系有什么作用 97 5.5 案例：以X短视频公司旗下的Y业务为例，搭建数据指标体系 100 5.5.1 平台的业务原理和团队设置 100 5.5.2 确定GMV作为北极星指标 101 5.5.3 四大策略拱卫GMV，形成二级指标 101 5.5.4 借助UJM模型梳理行为路径，形成过程指标 103 5.5.5 团队管理模式打造最小执行单元，形成维度指标 104 5.6 行业应用：互联网广告行业的数据指标体系 105 5.6.1 广告主数据指标体系 107 5.6.2 营收数据指标体系 107 5.6.3 流量/用户数据指标体系 108 5.6.4 创作者数据指标体系 108 5.6.5 内容数据指标体系 109 -第6章 制定业务的“指南针”――目标 110 6.1 利用“两大模型”制定目标 111 6.2 进行宽度测算：用算法模型测算北极星指标的范围值 112 6.2.1 回归预测的7个流程 112 6.2.2 案例：如何制定短视频公司的广告收入目标 113 6.2.3 回归预测的“利”与“弊” 115 6.3 进行深度测算：用业务模型确定北极星指标的准确值 115 6.3.1 搭建北极星指标的计算逻辑和公式 115 6.3.2 确定每个指标的负责部门 116 6.3.3 搭建预估框架 117 6.3.4 开展层级预估 117 6.3.5 多轮沟通调整，确定最终值 119 6.3.6 目标下发 120 6.4 借助“3条线路”拆解目标 121 6.4.1 横向拆解：2种方法进行“时间线”拆解 121 6.4.2 纵向拆解：3个步骤进行“管理模式线”拆解 125 6.4.3 漏斗拆解：3个步骤进行“业务流程线”拆解 128 6.5 通过“3种策略”平衡各方利益 129 6.5.1 找准立场，厘清利益链条，抓住主要矛盾 130 6.5.2 用数据和事实说话，准备充足的论据 131 6.5.3 3种机制与业务部门紧密沟通，防止闭门造车 132 -第7章 布局业务的“观测站”――监控体系 137 7.1 如何构建监控机制？点线面全方位出击 139 7.1.1 点的监控：筛选5类监控指标 139 7.1.2 线的监控：4条线开展监控 140 7.1.3 面的监控：点和线的交织网络 142 7.2 如何搭建预警机制？5W2H法鉴别异常、发出预警 143 7.2.1 什么是5W2H法 144 7.2.2 What：找出哪些数据异常 145 7.2.3 Where：判断哪里异常 148 7.2.4 When：判断什么时候异常 149 7.2.5 How Much：判断波动幅度的大小 153 7.2.6 Why：判断什么场景需要开展归因分析及如何开展归因分析 155 7.2.7 How：如何进行预警 157 7.2.8 Which：通过何种方式触达 158 7.3 案例：如何开展监控和预警工作 159 7.3.1 判断数据是否异常 160 7.3.2 排除非业务影响因素 160 7.3.3 下钻式拆解定位异常原因 160 7.3.4 发出异常预警 161 7.3.5 解决异常问题 162 -第8章 掌握数据分析的“百宝箱”――方法和模型 163 8.1 授人以鱼不如授人以渔：运用数据分析方法持续解决业务问题 163 8.1.1 对比分析法：发现差距，寻找增长空间 164 8.1.2 分类分析法：发现相同群体，寻找共同特征 168 8.1.3 相关性分析法：发现指标关联性，寻找关键影响因素 172 8.1.4 同期群分析法：发现同期群体在不同生命周期的变化特征 177 8.1.5 逻辑树分析法：发现层级关系，寻找解决问题的路径 182 8.1.6 杜邦分析法：发现不同ROE背后的财务秘密 183 8.2 贴近业务的才是优选的：选择经典分析模型高效应对业务诉求 186 8.2.1 RFM模型：开展用户分层研究 187 8.2.2 漏斗模型：优化产品和用户体验 190 8.2.3 AARRR/RARRA模型：助力用户增长和精细化运营 194 8.2.4 BCG矩阵：评价产品和业务组合 196 8.2.5 生命周期模型：制定生命不同阶段的运营策略 199 8.2.6 财务模型和UE模型：制定年度预算，评估业务可行性 202 ==第4篇 商业分析的归宿：用数据驱动业务的优化和增长 ---第9章 商业分析在“用户运营业务”中的应用 206 9.1 用户拉新：获客渠道评估和获客成本优化 207 9.1.1 如何获取用户 207 9.1.2 如何评估获客渠道 208 9.1.3 5步分析降低获客成本 215 9.2 用户活跃：DAU异动分析和预测分析 219 9.2.1 活跃指标分析 220 9.2.2 异动分析：3个步骤定位DAU异常下滑的原因 223 9.2.3 预测分析：4个步骤预测未来DAU 229 9.3 用户留存：留存率分析和提升策略 232 9.3.1 留存指标分析 232 9.3.2 留存率曲线 235 9.3.3 留存生命周期：振荡期、选择期、平稳期 237 9.3.4 留存率提升策略：5步走发现振荡期的“Aha时刻” 239 9.3.5 留存率提升策略：矩阵图优化选择期的产品功能 244 9.3.6 留存率提升策略：用户分层降低平稳期的用户流失率 245 9.4 用户付费：LTV预测和ROI分析 246 9.4.1 付费指标分析 247 9.4.2 LTV曲线 248 9.4.3 预测分析：4步操作预测LTV 248 9.4.4 ROI分析衡量投入产出比 252 9.4.5 PBP分析衡量回收周期 253 9.5 用户传播：K因子分析衡量传播能力 254 ---第10章 商业分析在“广告业务”中的应用 256 10.1 异动分析：广告收入下滑了该如何分析 258 10.1.1 广告供给端归因：从媒体公司的客户和商业化视角定位原因 259 10.1.2 广告需求端归因：从广告主的需求视角定位原因 263 10.2 天花板预测：广告收入的天花板在哪里 267 10.2.1 广告供给端预测收入天花板 267 10.2.2 广告需求端预测收入天花板 270 10.3 可行性评估：商业化常见的评估问题，是否要增加广告位 272 10.3.1 供需分析：评估现有广告位的供需匹配度 273 10.3.2 广告位置分析：评估广告位的开发价值 273 10.3.3 正负向因子分析：评估正向影响因子和负向影响因子 274 10.3.4 损益分析：评估增加广告位的损益变化 275 10.4 归因分析：广告行业的经典难题，如何做广告渠道的归因分析 276 10.4.1 渠道归因的定义 277 10.4.2 渠道归因的作用 277 10.4.3 5种主流的渠道归因模型 277 10.4.4 利用渠道归因模型开展渠道归因分析 278 10.4.5 利用马尔可夫链进行渠道归因分析 279 10.5 漏斗分析：一条广告的生命周期，如何提升广告转化率 285 10.5.1 广告转化的前半生：前端转化链路 286 10.5.2 广告转化的后半生：后端转化链路 291 10.6 效果评估：业界争论不休的品牌广告和效果广告，如何评估它们的投放效果 292 10.6.1 品牌广告和效果广告到底有什么区别 293 10.6.2 如何评估品牌广告的投放效果 296 10.6.3 如何评估效果广告的投放效果 300 ---第11章 商业分析在“电商业务”中的应用 304 11.1 异动分析：如何分析GMV的异常下滑 305 11.1.1 需求端：从用户维度剖析下滑原因 305 11.1.2 供给端：从商家维度剖析下滑原因 307 11.2 预测分析：如何预测电商行业的GMV 309 11.2.1 AIPL模型是什么 310 11.2.2 FAST模型是什么 310 11.2.3 如何利用AIPL模型和FAST模型预测GMV 311 11.3 提升策略：如何提升电商行业的GMV 313 11.3.1 GROW模型是什么 313 11.3.2 如何利用GROW模型提升GMV 313 11.4 活动预估：如何设计运营活动 316 11.4.1 明确活动的目的 317 11.4.2 制定活动的规则和玩法 317 11.4.3 设置活动的关键指标 318 11.4.4 预估活动的成本、产出和ROI 320 11.5 效果评估：如何评估运营活动的效果 321 11.5.1 基础分析的5种方法 321 11.5.2 双重差分法 323 11.5.3 方差分析法 324 11.6 商品关联分析：如何开展购物篮分析 326 11.6.1 购物篮分析是什么 327 11.6.2 购物篮分析的3个关键指标：支持度、置信度和提升度 327 11.6.3 如何开展购物篮分析 329 ---第12章 商业分析在“二手车和教育业务”中的应用 332 12.1 投资界心心念念的UE模型究竟是什么 333 12.1.1 变动成本和边际利润 333 12.1.2 UE模型 336 12.1.3 3步走搭建基础UE模型 339 12.1.4 3种典型的UE模型 340 12.1.5 案例：3步分析助力投资人做出投资决策 342 12.1.6 案例：6步分析助力管理层制定来年预算 344 12.2 敏感性测试到底在测试什么 351 12.2.1 单变量和多变量敏感性测试 352 12.2.2 敏感性测试的3个分析场景 352 12.2.3 如何开展敏感性测试 354 12.2.4 案例：敏感性测试和UE模型结合输出可行性决策 358 12.3 “高大上”的财务模型究竟是什么 369 12.3.1 揭开财务模型的神秘面纱，澄清3个普遍误解 369 12.3.2 如何搭建财务模型 370 12.3.3 商业分析中的“财务模型” 374 12.3.4 UE模型和财务模型的区别 376 ==第5篇 商业分析的重生循环：新业务/新数据/新优化增长 ---第13章 新业务可行性评估和量化 380 13.1 新业务的可行性评估 381 13.1.1 4个方向判断新业务是否迎合市场需求 382 13.1.2 3个方面判断市场是否具有吸引力 383 13.1.3 2轮评分定位关键成功要素，评估公司是否具备实力 385 13.1.4 2个模型测算公司财务是否具备可操作性 387 13.1.5 5个方面预估风险是否在可承受范围之内 388 13.2 可行新业务的量化 389 13.2.1 搭建新的数据指标体系 389 13.2.2 制定新的目标 390 13.2.3 布局新的监控体系 391 13.2.4 开展新的分析洞察，驱动新业务的优化和增长 392 13.2.5 开启新一轮的循环 393 ---第14章 新业务评估实际案例――二手车公司拓展线上新业务 394 14.1 国外先行者验证成功模式，资本市场给予较高估值 395 14.2 关键成功要素具备基础建设能力 395 14.3 财务模型乐观，净利润有望提升 396 14.4 案例结果：建议实行线上看车模式 398 14.5 新业务的量化和评估 399
内容摘要
商业分析是一种复合型的岗位，对知识的广度和深度均有较高要求。既需要理解“业务”，又需要懂“数据”，还需要熟练掌握“方法论”，只有将这三者串联成一个整体并做到无缝衔接，才是真正的商业分析。本书梳理了业务、数据、方法论三者的脉络关系，提出了商业分析是“业务―数据―业务”的循环，“方法论”贯穿始终。基于此，本书共分6篇进行阐述：第1篇带大家认识商业分析的真实工作场景；第2篇讲述商业分析的起源：业务；第3篇讲述商业分析的量化：数据；第4篇讲述商业分析的归宿：用数据驱动业务的优化和增长；第5篇讲述商业分析的重生循环：新业务/新数据/新优化增长；第6篇介绍商业分析的发展前景和能力培养方案。本书的内容实践性强，以案例形式介绍，手把手教学，分模块、分步骤讲述解决问题的方法，阐述的内容基本都是实际工作中高频出现的业务问题。
主编推荐
"（1）体系性强，帮助读者快速构建、优化与升级知识体系，实现由“树叶”到“树 林”的跃迁。 （2）覆盖商业分析的全流程，帮助读者系统地梳理商业分析全景图。 （3）整合方法论和业务实践，践行“知行合一”，摆脱“知道不会用”的桎梏。 （4）大量插图，摆脱枯燥，享受数据和分析的乐趣。 （5）问题模块化、步骤化、标准化，“几步走”学会解决问题。 （6）满足不同人群的需求，既适合商业分析岗位和业务岗位的读者，又适合传统 行业和互联网行业的读者。"
精彩内容
商业分析是一种复合型的岗位，对知识的广度和深度均有较高要求。既需要理解“业务”，又需要懂“数据”，还需要熟练掌握“方法论”，只有将这三者串联成一个整体并做到无缝衔接，才是真正的商业分析。本书梳理了业务、数据、方法论三者的脉络关系，提出了商业分析是“业务―数据―业务”的循环，“方法论”贯穿始终。基于此，本书共分6篇进行阐述：第1篇带大家认识商业分析的真实工作场景；第2篇讲述商业分析的起源：业务；第3篇讲述商业分析的量化：数据；第4篇讲述商业分析的归宿：用数据驱动业务的优化和增长；第5篇讲述商业分析的重生循环：新业务/新数据/新优化增长；第6篇介绍商业分析的发展前景和能力培养方案。本书的内容实践性强，以案例形式介绍，手把手教学，分模块、分步骤讲述解决问题的方法，阐述的内容基本都是实际工作中高频出现的业务问题。
— 没有更多了 —
以下为对购买帮助不大的评价