商业洞察一直以来都是比较神秘的话题。如何从一堆数据中找到新的商业机会？如何找到满足客户的需求，在市场数据中找到新的机会点？如何在过去的数据中找到未来的发展趋势并对未来做出预测？如何在内部数据中找到内部管理的问题，并发现解决问题的方案？
这些问题看似神秘，但要找到答案，也有一定的方法和规律。明悦数据创始人赵兴峰通过多年实践经验，总结出了以下几点方法和思路，供您参考。
寻找关键要素
探讨事物时，寻找决定事物的关键要素是最简洁、最直接的方法。寻找一个问题的解决方案时，也要寻找决定该事物的关键要素。在商业环境下，事情都会变得非常复杂，涉及面非常广，这需要管理者们能够跳出相关的盒子，从整体上认识事物，并确定事物的关键要点，在关键要点上寻找解决问题的思路。
寻找关键要素的方法很直接也很简单，但仍然有很多人在实际工作中忽略。
寻找差异
寻找差异是我们人类认知事物最基本的方法。在企业大数据应用中，看数据的第一眼就是看数据的差异，这里说的差异也包括本来存有差异的事物间的共性。
除了寻找数据的差异，还要比较差异的大小，根据差异的大小来区别对待，看是否需要采取更加深度的分析。我们一般能够感受到的差异在5%以上，5%的差异在商业上是比较容易接受的误差，超过5%的误差，一般都要深究其变化背后的驱动因素。如果变化超过30%，就需要深度分析原因了。在设定差异的时候，可以设定一个阈值，比如5%、10%、15%等，这与统计学上的置信区间类似。
置信区间
除了量化的差异之外，还有定性方面的差异比较。比如客户的需求、评价、关注点、行为、地理位置等，这些差异的比较也会给我们很多启发，从而找到事物发展的规律。
寻找关系
经营企业最希望知道的诀窍就是事物间的因果关系，如果我们知道做好了A必然得到B，就太幸福了，可是事物的发生和发展大多都不是这种直接的因果关系。
比如我们投入100万元做广告，是否能够得到1000万元的产出，这个谁也不敢保证。因为广告效果受多种因素的影响，无法精确估算效果，但是我们一直没有停止探寻这个关系。
对于这种相关关系，当我们知道了一个事物的影响因素，并对相关的影响因素进行量化，可通过多年的经验构筑一个数学模型，在实际应用中利用数学模型进行预测。虽然外部环境变化会让预测的误差增加，但如果有足够多的数据，且能根据新的市场环境和竞争环境及时修订数学模型，我们依然能做出有价值的预测。
相关关系虽然不能简单认为是因果关系，但可以从相关关系上获得对事物的认知。当了解到两个现象之间具有较强的相关性之后，就可以利用一个简单的、容易获得的数据来评测另外一个数据。将我们复杂的事物关系简单化，从而能够更快地采取相关的措施来应对事物的恶化，或者采取必要的手段抓住一些机会。通过一个较早的数据信息来评测另外一个较晚或者较难知道的数据，就能够做好更多的准备。
寻找特征
当我们识别事物的时候，通常是根据事物的特征来识别的。比如植物学中识别植物时，就是根据各种植物所体现出来的各种特征而将其分成了门、纲、目、科等不同层级的分类，同一种分类下有相同的特征，不同的子类间有相关的差异。
对企业积累的大数据进行分析或者解读的时候，分析数据的特征是一个初级但有效的方法。在识别一个数据的特征时，通过数据的可视化来体现数据的特征。可以利用统计学描述统计的方法对数据进行特征探寻，如下图所示。
左图表示数据集的偏度，右图表示数据集的峰度
在观测数据的特征时，第一步要做的就是评判这组数据的分布情况。我们用描述统计的方法来进行，通过做数据值的分布图，可以了解其集中的数据是如何分布的，偏度是大（正）还是小（负），以及是否符合正态分布的特征等。
通过观察事物的变化状况来了解数据背后的特征。将数据放到线图上，可以看出该数据随着时间变化的趋势，包括季节性和长期增减趋势。通过分析长期数据的变化特征，可以从长期变化特征中找到事物变化的规律，比如行业发展的S曲线，新技术应用的波峰曲线等。这些都是我们长期观察一个新鲜事物得到的，并在过程中逐步验证。
左图表示市场的季节性变化，右图表示技术发展的波峰曲线
寻找规律
人类探索自然和宇宙的过程就是一个寻找规律的过程。我们通过对自然现象规律的探寻，创造了自然科学，并对自然现象进行抽象，衍生出数学、物理学、化学等各种自然学科。探寻事物发展的规律可以按照规律来指导实践过程，从而能够更加有效地控制产出，得到我们想要的结果。
大数据时代提供了更加丰富的数据，通过这些数据能够对身边的事物进行更加详细的解读，从而为我们探寻规律提供更多的素材。
商业管理活动不可能像科学家一样做精准的测量，但是在大数据时代，丰富的数据让我们对所处的环境有了更加清晰的认知，越来越多的智能设备记录企业资源的各种活动和路线，以及企业相关资源的转换活动，我们能够非常容易地追溯到每个活动所产生的效果，更加准确地测量想要测量的对象及其活动，这为我们研究资源转换效率、优化资源配置提供了更好的素材，在这个基础上来总结事物发生和发展的规律变得更加方便。
在大数据领域相关规律的探寻上，原有的统计学、数学理论、商业智能等相关的技术仍未过时，仍然对大数据技术有帮助，甚至可以说是必不可少的补充。
作为企业的数据分析人员，基本的统计学方法、数学方法、统筹学的相关方法仍然是基础，即使是大数据时代，这些方法也非常有用，能够为公司的数据管理提供基本的分析方法。
寻找奇点
与统计学的思路和方法不同，大数据时代更加关注奇异点或者叫作特殊点。大数据是全面的数据，所有的奇异点都会被发现，而奇异点是企业发现新方法和新思路的重要地方。在统计学的方法中经常先把奇异点去除掉之后再进行相关数据的分析计算，而在大数据的方法中，我们会给予奇异点更多的关注，并试图理解奇异点的奇异之处，从而为企业的管理创新寻找机会点。
在企业管理活动中会经常碰到奇异点，比如有几十个业务员，那么总有几个业务员有着超越其他人的业绩，也总有几个业务员业绩排名在最后，对于优秀业务员业绩和活动的分析总结实现优秀业绩的方法，从而指导我们进行业务人员的招聘、培训和日常活动管理。
在大数据时代，我们能够采集更多的信息和数据，记录更多的行为和活动过程， 可以通过解剖活动和过程的方法详细地分析最好的和最差的区别，然后在最重要的区别上进一步尝试和分析，也可以根据需要采集新的数据分析特定资源的转换活动以及转换方法。
寻找「配方」
一个产品的构成有其基本的配方，也有其合理的生产工艺流程，最后组装成为一个产品，我们把部件组成和生产工艺流程看做这个产品的「配方」。
企业也可以看做是一个由复杂的「配方」组成的，包括可见的人、财、物和信息，也包括不可见的企业的品牌、商誉、客户关系、企业文化、经营管理诀窍、组织流程等，因此如果我们能够将这些可见的资源和不可见的信息进行配置，并按照合理的流程、工艺和方法完成资源间的转换，从而实现资源的最大化利用，实现最大产出。
-本文节选自-
《企业数据化管理变革》
作者：赵兴峰
↑点击上方卡片，「关注」明悦数据
热门跟贴