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。