2.1　“业务—数据—分析”体系：BDA分析框架

第1章中图1-1是从数据的角度区分了4个层次，从数据（Data）到信息（Information），再到知识（Knowledge）和智慧（Wisdom），数据的抽象化水平越来越高，知识密度越来越高。从企业功利的角度看，数据本身没有价值，有价值的是分析过程中萃取的规律及其指导运营决策的过程，人是分析的主体，而价值只在行动之中。

站在业务的视角看数据的生成、记录和应用过程，企业的一切数据来自业务、一切数据服务分析决策，这就构成了“业务—数据—分析”体系（Business-Data-Analysis Model）。

在这个体系中，业务是贯穿体系的核心，甚至可以把数据、分析视为业务在不同阶段的存在形态，如同水有液态、固态和气态形式，如图2-1所示。简而言之，业务土壤生成数据，数据表是对业务过程的“固化”（业务事务一旦发生，对应的数据就恒久记录），而分析指标是对业务的“抽象”（业务中不存在，人为创造出来理解业务，如利润率）。

图2-1　“业务-数据-分析”体系及相互关系

从某种意义上看，“业务”和“分析”是首尾关联甚至互为因果的。数据的收集、整合、分析过程，其实是业务的记录、重构、升华过程。数据是业务的反映和记录，而分析是对业务、数据的抽象和升华。

·　业务是数据产生的土壤。

在“业务层”，业务体现为具体、可见的业务行为。不管是线下零售交易，线上转账还是直播课堂，业务过程由业务对象构成，同时遵守特定的业务规则。此时的业务过程是鲜活的、多样的，如同液态的水灵动多变。

从数据角度看，以ERP、CRM、MES[1]等业务信息系统为载体，企业运营过程（Enterprise Operation）持续不断地产生大量数据。因此“运营型数据”（Operational Data）（见本章参考资料［1］）是企业数据的主体，“运营型数据库”（Operational Database）[2]是它们的中转站。

·　数据是对企业运营过程的反映、记录和整合。

在“数据层”，具体、动态的业务被转化为抽象、静态的计算机字符，历史交易都存储在计算机磁盘或类似媒介中，这个“固化”过程如同水转化为冰。此时，数据遵循的不是业务规则，而是数据规则，典型代表是数据库的范式要求、完整性约束。数据化、标准化过程为后续分析奠定基础，这是数据库的基础。

从数据角度看，多个业务信息系统的数据需要被整合、处理、交换，最终汇总在数据库中，称为“数据仓库”（Data Warehouse）或者“分析型数据库”（Analytical Database）。其中有物理表、逻辑视图、数据模型等多种形式。复杂的数据处理催生了专门的ETL技术。

·　分析是对企业数据的抽象和升华。

在“分析层”，分析师从历史的数据中总结、归纳业务的规律性，比如，哪类客户成交率更高、什么产品最受欢迎。分析是对数据记录的组合、概括、抽象、升华，是质变过程，如同水化为“水气”。分析过程看似远离业务，却源自业务、归于业务。脱离业务的展现、不能辅助决策的分析，都是缺乏价值的。

在展现形式上，常见的分析有报表（Report）、可视化图表（Chart）、交互式仪表板（Dashboard）、数据故事（Story）等多种形式，它们帮助业务领导更好地了解业务过程，发现改进机会，做出行动决策。不同的分析形式，包含的经验成本和智慧成分也大不相同。

接下来，笔者自上而下、从抽象到具体，分别介绍。