你做的這個對業務有啥用！

你做的這個不是我們想要的！

你能不能考慮深入一點！

吐血三連……

難道業務就不能自己說清楚，到底想要啥嗎？——實際上還真的很難。因為把一個具體問題抽象成可以用數據計算、檢驗、預測的問題，絕對是一個專業能力。

遺憾的是，很多做數據的新人，自己也沒這個能力，總之跑數就行，一遇到“分析”倆字就發蒙。

梳理需求的靈魂四問

思考一分鐘

答：

A問的是一個具體指標的數值

B問的是“情況”，可能對應很多指標

C問的是一個結論“行or 不行”，需要指標+標準

這是數據分析需求梳理第一關鍵：清晰問題類型。

只要你聽到的不是一個具體指標，都得打起十二分精神。因為沒有經過專業訓練的人，根本分不清楚自己想問的是啥。一句“分析分析”就完事了。分析問題混亂是常事。

數據分析有五個基本問題類型，在梳理需求的時候，要結合這五個類型，分清楚到底業務想要的是什么（如下圖）。

思考一分鐘

答：

A是已經發生的事，按條件取數即可

B是正在發生的事，得有配套監控，給實時更新的數

C是未來發生的事，得有預測方法和預測假設

這是數據分析需求梳理第二關鍵：清晰時間狀態。

數據的時間狀態直接決定了工作內容，工作難度，工作方式。對于實時監控的，需要事先提監控需求，數據更新頻率，監控指標都得一個個談清楚。對于預測的，預測用途，預測精確度，都得事先談清楚（如下圖）。

思考一分鐘

答：

A問的是已發生的，具體的事，可以直接按當時條件評估結果。

B問的只是意向，需要多輪分析才能深入。

C問的是兩個具體方案的對比，可以直接上測試。

D問的是可能性，只能按一定邏輯推導。

這是數據分析需求梳理第三關鍵：清晰業務行動。

注意，這個題更有可能的出現形式，是業務甩了一句“半價和買一送一哪個好？”他們很有可能不會詳細地說，到底這個事是什么狀態。

數據分析的優勢，是對已經發生的問題做評估。還沒發生的問題，如果具體的話可以做測試；如果不具體的話，只能從邏輯上推導，最終還是得落實到具體計劃才能更進一步的分析。所以理清狀態非常重要，不同狀態對應的方法也不同（如下圖）：

思考一分鐘

答：

A在問的是一個具體指標的數值

B在質疑數值準確性

C在問數值背后的原因

D明知故問，前方有坑預警

這是數據分析需求梳理第四關鍵：探明業務目的。

除了A選項，會問BCD問題的業務方都是明顯帶著目的來的。這時候就不能傻乎乎只給數值，而是得對癥下藥。特別是已經有固定報表和固定考核標準輸出的情況下，業務方還跑來問情況，很有可能藏了更深的目的，這時候可以按下邊的思路梳理清楚。

這就是梳理需求的基本方法，get it？

下邊來個綜合測試

不認真梳理需求的慘狀

綜合測試：運營表示，我們要簡歷用戶畫像，進行人群細分，實現按人群需求的推送。

問1：這個需求是否清晰？

問2：你拿到這個需求要干啥？

實際上，有相當多的新人一聽到類似需求，就大呼：“可算來個大活了！”

然后開始悲劇四連：

這個需求里

第一，沒有具體指標。到底現有的數據能不能滿足需求，滿足啥需求，完全不清楚。

第二，沒有時間狀態。基于過往行為的分群，到底有沒有指導意義？還是要基于預測分群，預測到啥程度？完全不清楚。

第三，沒有業務計劃，目前是否已有分群，分群效果如何？目前是否已有推送，推送效果如何？完全不清楚。

第四，沒有業務目的，“按需求推送”只是一個動作，到底想達到啥結果？提升什么指標？目前該指標如何？完全不清楚。

因此遇到類似問題，需要做的是深度的溝通，和完成一份長長的梳理清單。除了常規了解項目目標，時間要求，輸出產物，這些以外，最關鍵的是第三點：業務計劃！

1、目前分群領導滿意不滿意，不滿意哪些點？

2、目前的推送是70%成功率，還是5%成功率？

3、現有數據只能滿足30%的需求，在采集上是否有改善計劃？

4、預測精度90%，80%，50%，30%對業務開展是否有影響？

這些是新項目的地基，地基好壞，直接決定了施工方法。地基太差，就得從最簡單的地方下手；地基太好，就得認真思考：花這么大力氣做，真的能從90%提升到99.99%？？？這樣合理規劃，才能保障落地時人人滿意。