精准解决问题：将商品卖出去，让库存降下来
更新: 7/18/2025 字数: 0 字 时长: 0 分钟
创业者：利用中级方法开展创业项目
对个人创业者而言，最有用的商业分析中级方法就是标杆分析模型。它和“认识商业分析”文章中讲的“如何区别创业项目靠不靠谱”一脉相承。在通过认真考察，发现靠谱项目以后，就要认真学习标杆的操作，这是最快的成功方法。
当然，更一般的形式是自己身边（亲戚、朋友、同乡、同学）已经有人小有成就了，且两人关系不错，这时候就直接学习别人的做法吧。找到靠谱的标杆然后认真学习是个人创业的最快捷径(没有之一)。
可能很多人会惊讶：不是学了一堆方法以后就要用起来吗？实际上恰恰相反，对个人创业者而言，在创业早期不认真把业务做扎实，沉迷于数字游戏是创业失败的核心原因之一。
以下是其中主要的问题如下。
（1）没找准标杆，闭门造车
或者凭感觉，或者凭简单的上门走访，就开始胡乱猜测对方的做法、成本、收入，最后幻想得很美好，而现实完全不一样。
（2）找到标杆，但不去认真研究过程
沉迷于在纸面上计算标杆的投入/产出，不仔细学习操作细节，不掌握开发客户的技巧不关注供给获取周期、周转细节，最后自然不可能成功。
（3）找到标杆，研究过程，但只看“绝招”
有一类人特别沉迷于学习所谓的“绝招”、“套路”、“技巧”，在学习标杆时不去关注基本的销售过程、采购方式，而是一门心思地研究营销活动、优惠等细节。这些营销活动确实对消费者有吸引力,但是不注重基本的销售、采购、周转等方法，只看细节,就会只见树木不见森林。
（4）找到标杆，学了过程，但执行不到位
不认真提高销售技巧、采购能力，而是每天沉迷于数据研究，基本工作做不到位，光看数据没有用。
总之，对大部分个人创业者而言，能坚强地挺过开业期，需要做大量艰苦的基本操作，不是纸上谈兵。因此找准标杆，加强执行力才是关键。更深层地看这个问题，可以说大部分的商业经验都是有代价的。在一条条数据曲线的背后，可能是一间小店倒闭，一个创业者破产所以最好不要拿自己的财富与前程做实验，从已经成功的案例中多吸收经验，走最稳妥的路才合适。
职场人：利用中级方法开展工作
对职场人士来说，商业分析中级方法是至关重要的，因为这些方法是清晰理流程，发现问题，寻找解决方案的基本方法（掌握了这一套方法，甚至都不需要掌握高级方法——让专业的数据分析师/商业分析师去处理复杂的问题就好了）。
特别是OSM模型，需要第一时间掌握。因为职场中存在的大量问题来自没有厘清目标。在小公司中,常常是想起来什么事就做什么事，毫无头绪；在大公司中，经常是按照流程、模板、老板指示盲目开工，有的项目甚至是直接在之前的方案基础上改改日期就“上马”了。从源头就没想清楚，到结尾肯定没有好的结果。比如最常见的运营活动，公司要“提升GMV”，可对于以下问题却一问三不知。
- 提升动作从什么时候开始？到什么时候结束？（目标的问题）
- GMV指标从多少提升到多少？（目标的问题）
- 用什么手段提升？（策略的问题）
- 投入多少资源进行提升？（策略的问题）
- 提升的手段真的有用吗？（策略的问题）
- 怎么确保手段都到位了？（度量的问题）
如果业务人员连自己要做什么都不清楚，那么后面肯定不会有好的结果。
有些人可能觉得委屈，说:“我们公司都是领导说了算，我做这些也没用呀。”越是领导说了算的公司，对业务人员而言，越要有OSM梳理的能力。只有这样才能提前发现领导部署中是否有漏洞，可以向领导提供补充方案。
进行了OSM模型梳理之后，后续的监控走势等也就水到渠成了，也能更容易总结出标杆的行为，后面的工作也会很顺利。
另一个很重要的应用是多维度诊断模型。在工作中，总有各种问题会让人心生不满，怀疑是不是自己的工作没做到位，很容易情绪化，做决策时自然容易出问题。最好的办法就是先冷静下来查查数据。把问题的真实性、轻重缓急程度、发生位置确认清楚，这样可以有效避免情绪化决策，提升工作效率，也能避免让自己被琐碎问题牵着鼻子走，有精力解决更重要的事情。
数据分析师：实现业务流程数据化
对专业的数据分析师而言，商业分析中级方法其实就是一个企业建立数据指标体系，实现业务流程数据化的主要过程。很多数据分析师对于以下问题都会苦恼。
- 到底怎样的指标体系才完美?
- 为什么我做的指标体系总被批评?
- 为什么建立了指标体系，业务利用不起来?
其核心问题只有一个：建立指标体系的过程和业务脱节，没有从业务目标、业务流程的角度着想，也没有结合业务实际面临的问题，自然总被质疑。
所以商业分析中级方法首推OSM模型，它让数据分析师习惯于代入业务目标思考。并且数据分析师还要掌握OSM模型的反向使用，即使现状是业务员习惯“拍脑袋”，也可以通过OSM模型的反向使用帮业务员发现不足之处，聚焦到需要做的事情上。
在诊断问题的时候也是如此，首先要考虑的不是分析模型本身是怎么构建的，而是要考虑业务方的判断来源。如果没有在判断来源上去伪存真，就会陷入无休止的忧虑中：业绩到底为什么跌了？不能不分轻重缓急地分析问题，多维度诊断模型则可以解决这个问题。
商业分析中级方法还有一个隐藏优势：分析方法的流程完全可以固化成SOP；梳理完毕的报表完全可以固化成数据产品。“固定的监控数据报表 + 固定的SOP”，可以把数据分析师从日常零散的数据提取工作中解放出来。
做数据分析最怕的是什么？当然是零散、混乱地提取数据！业务员突然冒出一句“这个数据老板要，下班之前要给”，就把数据分析师一整天的工作计划都打乱了。这种事情完全可以通过“固定监控数据报表 + 固定的SOP”来解决。
- 业务上线前：通过OSM模型梳理逻辑，建立监控报表。
- 业务开展中：通过多维度诊断模型过滤无效问题，监控小问题，集中解决大问题。
- 业务结束后：树立标杆，总结业务过程中的常见问题，为下一次选代/新业务做准备。
这样只要事先做好准备，利用历史数据做好标杆，后面除非发生突发的、重大的问题，否则根本不用数据分析师来解决。业务员自己看报表，看参照值就能把问题排除了，他们省心，数据分析师省力。
当然，这种现实和理想情况是有差距的。目标不清晰、过程没梳理，过程调整不知会数据分析师，发现一点波动就“大呼小叫”，事后没有及时复盘，复盘树标杆时以老板心情随机切换好坏标准……，现实中的种种坏习惯，都会导致数据分析师大量的无效工作。所以，让更多的人学习、理解商业分析方法的原理，是为了让大家能站在同一个角度思考，不要以为数据是“天上掉下来的”，其实收集数据是一个很艰巨的任务。
从中级方法到高级方法：面向更复杂的商业问题
细心的话可能会发现：在商业分析中级方法中，出现最多的一个词就是“更复杂的情况”，这是因为中级方法的核心在于厘清逻辑、发现问题。但是发现问题后，该如何找出原因却非常复杂。
比如在问题定位中，通过对问题发生的渠道、用户人群、时间定位，可以锁定问题点。但是为什么偏偏就是这个区域的用户出问题了呢？到底是因为当地情况特殊，还是因为其他地方没有发生问题？是因为产品不受欢迎，还是因为价格不合理？同样的产品是不是降价就可以了？这些真正深入的原因，并不能简单地通过锁定问题点来解释。
比如在漏斗分析中，出问题的环节越靠后，就越难说清楚到底是什么原因导致用户没有转化。还以某在线教育产品为例，其课程面向儿童，但需要家长参与，一起看课程效果，最后由家长付费。在这种情况下，交易流程特别长，分为：广告投放 → 用户注册 → 邀约试听 → 试听 → 谈价格 → 成交(见下图)。
如果在交易流程的早期，比如投放的广告用户不点击，那么问题很清晰：要么广告做得不要么渠道做得不行，直接更换广告/更换渠道，对比效果就好了。可如果用户在最后一步行，还是不付费，原因就很复杂了。可能的原因有下面的几种情况。
- 用户根本不想买。(用户需求问题)
- 用户还没下决心买。(用户态度问题)
- 用户对课程不满意。(产品问题)
- 竟品更好。(竞品问题)
- 宣传太夸张。(广告问题)
总之，各种影响因素会在最后一个环节爆发，想区分清楚也非常困难。并且站在业务的角度，也有两种典型的改进方式。
一种是局部改进型动作，改进后能对本环节的转化率产生影响，例如:
- 换广告画面：点击广告的人数会增加。
- 换落地页面：用户注册比例会增加。
- 换邀约话术：参与试听的人数比例会增加。
这些环节大部分发生在流程的早期，影响因素少，容易直接观察效果。
另一种是全局改进型动作，改进后能对整个交易流程都有影响，例如:
- 产品设计：讲师是知名老师。
- 价格设定：全网最低价。
- 促销活动设计：参与试听额外享有超大礼包。
只要有名师授课，只要价格够低，哪怕广告做得差，交易流程再长，用户还是会购买的这就是全局型动作的影响(见下图)。
所以，从根源上来说这种多因素交叉是无法避免的，我们能做的就是采用更多的方法，想办法厘清其中的问题。这也是商业分析高级方法核心要解决的难点。