这是个开放式问题，或许没有完全正确的答案，但我们可以从问题出发探索答案。首先可以进行一些对比，比如对比纯数据分析和商业分析的区别。为什么要这么对比呢，因为很多数据分析师对于商业是不够敏感的，就像我们前面说的，有术无道。我们需要的是能将纯数据分析的方法论，和商业逻辑结合的思维。
纯数据分析的思维模式往往见于有经验但不懂业务需求的分析师，他们也并不是像我们认为的那样丝毫不管业务，而是习惯于把自己认为的分析方法，结合手上现有的业务数据，来验证一些业务假设或者既定的猜想。而分析师是有自己的一套话术逻辑的，印证的是他们的思维模式。所以很可能会出现如下场景：
老板：小李你给我讲一下你分析的结果
小李：老板，你看这张数字表，根据我的回归分析，我们的销售数据中，A因子和B因子是有因果关系的，已经经过验证，而且。。。
老板：说人话
小李：？？？
老板：算了你先把这些数据给我做成图形，直观一点
因为分析师多数是采用假设+验证的思维模式，而做业务的人常做的是头脑风暴类的探索式分析，想要知道分析结果背后的诱因或会有多少关联因素会受其影响，从问题出发，去找到答案。并且答案一定是直观的可解读可落地的，与可视化理念相符，所想即所现。DataFocus的即时搜索式分析也是如此。比如我们的某行业领先食品客户，数据显示其竞品新出了一个爆款，销售额和好评率一直在上涨。从这个数据出发，我们可以进行探索式挖掘，比如此爆款对应自家的哪一款类似产品，这款类似产品是否有潜能做到爆款；好评主要的关键词是什么，是味道、包装还是健康，我们是否可以进行效仿甚至有更好的策略等等。然后再进行相应的数据分析，并且结果是直观的可视化的。比如我方相应产品是芒果干，那么分析我们芒果干近三个月的好评率及关键词，并且可以用柱图或词云图表示关键词的数量，比如“太甜”“口感好”等占了最大的数量，那么这样决策者一看便知优点或问题所在。所以商业分析可视化的思维是更加符合企业的思考与推理方法，更容易得到有效的、可执行的结论。
