背景
最近在做业务分析，用到的方法大家可能都比较熟悉：漏斗分析，这个分析方法在很多业务场景都有应用到，是业务侧的常用的分析方法，除了此之外还有一些业务侧常用的分析方法，比如：5W2H、AAARR 等
但是，熟悉本公众号的读者，可能比较了解公众号分享的都是一些偏技术侧的知识，之前分享过一些算法模型，包括统计学、特征工程、决策树、人脸监测、NLP 等一些机器学习文章，既有传统的机器学习内容，也有深度学习的内容，这些都是偏向技术侧的分析方法
有的同学可能一直在自学机器学习，不知道怎么拿来用到真实的业务中，于是就是产生怎么把业务侧分析方法与技术侧的分析方法结合起来呢？
个人粗浅的理解
业务侧分析方法是一个大框架，技术侧分析方法属于细节分析
要想运用技术侧的分析方法，则需要把业务侧的需求进行拆分，逐步转化为数学问题，然后运用技术侧的方法，但是，业务侧的分析大框架是不能忽略的，必须要有的。就好比盖房子，业务侧分析方法是房子的大框架，技术侧分析方法是在大框架中填充砖头。
比如最近在做的分析，业务侧需要一些高意向客户，进行营销，运用的是漏斗分析的方法，
投放数量--->点击数量--->意向数量--->成交数量，是一个层层递进的漏斗，每两层之间有一个转化率，只有把每层的转化率都提高了，才能达到最终的目的，成交的客户数才能提升。
投放数量--->点击数量，会生成点击率指标，那怎么提升点击率呢？那就需要用ABtest这种统计学方法进行测试，看哪种宣传文案比较好，或者 运用各种机器学习模型，预测哪些用户有可能会点击，对这部分用户进行不同渠道的触达，来提升点击率
但是也有同学会问，不能直接使用机器学习模型筛选一批高意向用户，不用漏斗分析吗？
最开始也是这么实践的，但是效果一直不好，原因就是虽然投放了，但是用户根本没有收到，大概率是被屏蔽了。假如你用模型选了100个能成交的用户，但是最终成交只有60个，那么40个在中间的哪一步给卡掉了，你都不知道，所以漏斗分析这种大框架还是必须的，不能忽略。
数学模型比较直接，行就是行，不行就是不行，但是业务或商业实践中有很多环节，需要一步一步去达成，这也一直有的调侃，理科直男的说法。也有点像在神经网络模型中，有很多隐藏层，每层之间必须要有激活函数，否则即使有多层，合并后其实也就是一层。这个激活函数，在不同层之间起到连接作用，连接不同的层。
业务侧分析与技术侧分析相辅相成，一个是大框架，一个是细节分析
这里只是小编的一些思考，有可能是错误的，毕竟小编还资历尚浅，需要不断学习，如果有错误理解的地方，欢迎大佬不吝赐教，公众号后台消息，小编会及时关注。
历史相关文章
以上是自己实践中遇到的一些问题，分享出来供大家参考学习，欢迎关注微信公众号：DataShare ，不定期分享干货
