在工作中，经常有人来问：“那谁谁，建个模型分析分析下！”而干多了就发现：不同人口中的模型根本不一样。因此今天，就从相对简单易懂的商业分析模型，开始科普。
一、算法模型VS商业模型
算法模型，指的是回归分析、逻辑回归、kmean聚类等算法。这些算法有数学/统计学的知识做基础，有着复杂的计算公式，这些模型大多服务于数据计算需求。
但是，这些模型，并不直接指向一个商业决策。比如用回归分析，预测了下个月销量是100万台，所以呢？我要做什么决策吗？我做更多业务动作，是不是就能多卖呢？这些问题不能直观地从算法模型得到答案。
因此，为了更直观地支持商业决策，人们开始设计商业分析模型。
二、极简商业模型
做生意要赚钱！这是商业基本法则。因此商业分析模型，大多围绕利润（Total Profit，记为TP）、收入（Revnue、记为R）、成本（Cost记为C）展开。利润=收入-成本，是最基本的公式。
考虑到利润也与商品销量有关。因此商品销量是第一个需要被考虑的因素。比如一个商品单价5元，可变成本2元，固定成本3000元，则可以把模型记为：
TP=5Q-3000-2Q=3Q-3000
此时就有了商业模型的第一个决策支持：求出盈亏平衡点。想不亏损，至少TP=0.此时对应Q=1000。因此这个商品至少要能卖到1000件以上，我才能回本。清晰了目标，就可以奔着目标努力啦！
但显然这太简单了
1、谁说价格一定是5元
2、谁说成本必须是2元
3、谁说销售不会波动
……
不要着急。商业模型的设计思路，就是从简单到复杂，逐步增加考虑因素，把问题做深入，心急火燎，只会把自己搞晕。
三、稍微升级难度
设想一个简单场景：降价，多卖一点，多赚点钱。此时大家会本能地想到：降价了，每一笔挣的钱少一点，但是卖得多一点。此时价格（Price，记为P）与销量Q之间有一个反比关系，如果我们做过调价尝试，就能获得经验数据（如下表）。
我们还能尝试做出价格与销量的函数关系，比如上表，可以算出函数是：
Q=4500-500P
那么此时，可以进一步将公式总结为（如下图）：
还对高数有点印象的同学会记得：一阶导数为0的是极值，因此对TP求P的一次导就能算出，理论上最优价格为5.5元。
注意！上边的计算看起来很简单，可现实中落地的时候，要求非常多。
1、对销量、价格有清晰的数据记录
2、对可变、固定成本有清晰衡量
3、每次价格变动有记录
看似简单，可实际上很多公司商品标签不规范，商品搭配组合没记录，商品价格变动记录不全，成本核算更是无从谈起。相当于连上文中第一章excel表都整不出来，更不用谈建模了。
当然，商业分析模型也不止步于此，还能进一步升级进化。
四、进一步升级难度
以上都只是简单讨论，因为：
1、假设我们的采购经费、供应商供应都是不受限的
2、假设成本、价格，需求函数都是固定的
3、只有1个商品，1个货源，不需要分配
4、目标单一，就是利润最大化
5、不存在竞争对手
实际商业决策中，这些问题会变得复杂：
1、限制条件问题：资源投入、产出受客观限制
2、不确定概率问题：未来情况以一定概率发生
3、任务分配问题：有N个选择情况下，咋分配
4、多目标决策问题：既想这样，又想那样
5、博弈问题：如果对手有动作……
所以，商业分析模型是很多样的，每种情况，都需要具体分析。为了彻底搞清楚商业分析的方方面面，我写了《商业分析全攻略》这本书。
这本书在认真探讨：数据分析到底对商业有什么用，能怎么发挥作用，怎样发挥作用。取名叫《商业分析》，就是为了和市面上的数据分析工具书（excel、sql、python、powerBI、tableau……）形成区别。告诉大家：这本书是主要讨论分析方法的应用，而不是软件操作。
当然了，这本书还有个副标题叫：用数据分析方法，解决商业问题。因为解决商业问题不见得100%依赖数据，商业思维、从业经验、资源投入，都能解决商业问题。本书则是站在数据角度，看如何从数据上洞察问题，找到解决方案。数据分析方法，是对经验/思维的一个很好的补充。验证解决问题的效果，也要靠数据分析方法。
书里有什么内容
本书共有6大篇，17章。从基础概念，到初级、中级、高级分析方法，到具体应用，层层深入的向大家展示了商业分析的全景。
概念篇（第1、2章）：商业分析ABC。对商业分析的概念，商业模式 行业分类的概念，商业分析与数据分析、数据挖掘的区别，进行详细介绍，让大家在开篇有个清晰认知。
基础篇（第3、4、5章）：全面认识经营状况。介绍如何搭建分析所需的数据指标体系。以投入产出分析为线索，介绍了13种洞察数据的基础方法。这是深入分析的地基。
进阶篇（第6、7章）：如何精准解决问题。针对商业经营中最重要的销售/供给两大议题进行探讨，深入介绍了指标体系搭建方法与分析思路。
高级篇（第8、9章）：如何深入洞察问题。深入洞察，源自对用户需求的把握和产品、运营思维的应用，这一部分介绍了洞察方法，以及自然增长率分析，多维度分析，因果分析，前瞻性分析等较为深入的分析议题。
应用篇：通过7个案例，看商业分析应用方式。包括传统企业、互联网企业的场景，以及大家工作中常遇到的问题，诸如“领导让我多想想，咋办！”“业务部门不认可分析结果，咋办！”等等
总结篇：对商业分析的特点进行概括，对优缺点进行总结。
