一、写在前面

最近也越来越喜欢Dambisa Moyo的这句话，

“The best time to plant a tree was 10 years ago. The second best time is now.”

我是西索，距离2011年6月22日，到现在是真正意义上做了十年数据分析，十年前没有种好树，十年后我想重新开始积累。工作之后的前两年是面向于C端的零售行业，余下的八年都沉浸在B端领域里面，研究数据增值、变现的场景。

二、为什么要写这篇文章？

前一阵子在[一个数据人的自留地]群里发了一个问题：

对于to B的公司，要不要做企业画像? 如何做企业画像? 结果一石激起千层浪，大家讨论非常热烈。原来一直以为用户画像在to C的公司用的比较多，没想到服务B端的企业也有这么多人在关注，大家一致认为企业画像是有必要的。然而大家的分歧在于：如何做？人肉做，还是大数据，是否需要用到大数据？

和simba大佬聊完之后，大佬出了一系列文章，分享了如何做B端的画像。看完之后产生了一些感触和想法，C端的分析案例一搜一箩筐，但是B端的案例是真的少。

simba：一篇文章让你掌握企业画像

老实说，数据就是一团浆糊，越搅越糊，至今还没怎么真正把数据的价值和意义搞懂，每天一个踩坑知识点，过山车一样的刺激，懂的人自然懂。于是就想把过去在B端里面的分析场景整理出来进行分享，一方面给过去这十年做一个简单的复盘，另一方面也看看能不能得到一些共鸣，产生新的idea，欢迎私信来交流。

做数据，欲速而不达，慢就是快，需要稳扎稳打把脉络理清楚，后面在应用的时候就会清晰很多。

三、B端的数据，得看的远管的宽，才显专业

在B端做分析，时刻记牢的几个关键要素：“营收”、“影响”、“知名度”。

首先必须是“营收”，区别于C端消费，B端的决策周期长，从触达到产生订单之间的过程很难做归因，对数据而言，获取线索比直接看；

然后才是“专业”，需要对生意、行业、企业经营、业务（市场、营销、供应链仓储物流、商品、运营、客服、研发）上的概念有比较全面的了解，否则很难和业务保持在同一个沟通层面，很容易被评价为不懂业务；

再后就是“方法”，在B端如果能往外延伸触达到客户，所接触到的对象非富即贵，不是老板就是高官，不同的场合下用的“道”、“术”、“器”都进行区别，变则通，见人说人话，见鬼说鬼话；

3.1 这些B端业务上的一些核心业务指标，老板们都喜欢看

合同金额、付费用户数、付费转化率、用户客单价、用户流失率、商机线索量、市场占有率；

3.2 这些B端业务上的一些主要分析场景，领导们都喜欢听3.3 这些B端业务上的一些主要算法场景，同事们都喜欢吹四、说下B端常见的一些用户分类

对于绝大多数B类用户的研究，接触到的对象一般都是以中小型的B端公司为主；只有在KA用户里面，有少部分是真正大规模的企业、品牌商，这类公司的组织形态又极其复杂，可能所对接的业务只是贵司其中很小的一个模块而已。

五、说下B端常见的业务类型

产品是B端业务的根本，市场开发是业务营收的关键，而服务是业务稳定增长的核心。

通过服务扩散产品价值增益，维护老客的稳定接触，建立市场口碑，吸引更多的新客户。

六、对比B/C端数据的一些特征

不同的业务下，产品模式不一样，在结果体现上区别就会更大wcdma始终同步对数据业务的影响，以至于有很多业务线上的数据量级极小，甚至于根本谈不上大数据分析，就更谈不上所谓的算法和工程。

七、用户-业务-产品-数据，才是好的链路顺序

通过下表，对比下B端和C端之间的场景差异。

7.1 用户差异

7.2 业务差异

7.3 产品差异

e.g 以salseforce 为例，对于它的产品周期：

1. 最早提出SaaS的模式，这是一种全新的商业模式；

2. 后来以CRM 为突破口，建立了一个完整的以客户为中心的，售前(营销)、售中（销售、履约）、售后（客服）全链路的软件服务，可以看出他的产品就是围绕商业模式展开，战略就是围绕客户开展的一系列工作流程。

3. 到现在云计算， 促使他产生了几朵云，营销云， 销售云，客服云，而大数据又促使ta产生了 分析云，AI 又产生了AI 客户之类的服务；

7.4 行为差异

7.5 数据差异

八、社会才是最好的大学，都会有起有伏

每个人在离开学校，踏入社会的大门开始，都会经历很多个成长周期。在传统行业的产品管理中，有产品生命周期的一套理念，套用到职业生涯，应该也是可以的。

对应上面的四张图，我周边很多朋友在毕业没多久就如第一个图的呈现，起点高，偶尔有起伏，站的总归一直在高处。回看我自己的职业生涯，觉得应该比较贴切右边最后一张，职场进阶的道路上虽然曲曲折折，但是总会在一个小周期之后能得到突破。

九、入门难，深造更难，不要沉迷于工具带来的爽感

不得不说，初入职场的前几年，特别沉迷于数据本身而不是业务，以及对各种数据处理技巧的深层次研究，用VBA、R、SPSS、Python不同的软件去自研各种自动化的小工具，小有成就。

工具毕竟只是工具，就跟打游戏开荒一样，当每个模块、功能都尝试用过一遍之后，就丧失了兴趣，数据分析不过如此，几年之后就索然无味了，分析无用。当对一件事情失去了兴趣和焦点，整个人就会变得很浮躁，傲慢、漫不经心、焦躁、忧虑……以及冲动，我想辞职！

庆幸的是，碰到了一些比好的领导，都是人生中的引路人，在状态极其不好的时候，给予方向上的指导，给了很多选择。

有一阵子，内心浮躁，无所事事。领导说有机会就跟着市场、营销、工程的同事去接触接触业务，如果可行，以后转型也方便。后面就跟着事业部的业务同学去拜访客户，到用户现场参观，了解产品是如何在用户公司使用的，到一线听他们的吐槽（大部分是骂声）。人间清醒是客户，付了钱，产品哪里好用、哪里有问题，意见反馈、客服电话打了一通又一通，这些都是从结构化的数据里面看不出来的。

有种说法是说客服才是一家公司最懂业务的人，只要他们想，随时可以去挑战任何一个产品、技术和业务！

在B端用户分析里面，很多时候通过数据分析在异常上找不到的原因，在用户现场指不定就茅塞顿开了。为什么这个用户原来很活跃，一个时间点之后，它就不活跃了，因为它的业务主体发生变更了，老板原来的确是做这个细分板块业务的，有一天他朋友来合伙投资，整体业务方向就变了；为什么这个用户的营业额突然就下降了，因为他们家老板又开了家子公司，还是同一拨人，当地有小企业扶持政策，还可

来源【首席数据官】，更多内容/合作请关注「辉声辉语」公众号，送10G营销资料！