编辑导读：数据分析工作就是从一堆看似杂乱无章的数据中找到有用的价值，工作也是如此，越做越清晰。本文作者从他过去的B端数据分析工作中总结经验，和大家分享，一起来看一下吧。

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；