编辑导语：很多时候业务并不能说清楚自己想要的是什么，这就需要我们把一个具体问题抽象成可以用数据计算、检验、预测的问题，本文就来讲解如何进行数据分析需求梳理，推荐给做数据的新人，千万别错过哦。

• 你做的这个对业务有啥用！
• 你做的这个不是我们想要的！
• 你能不能考虑深入一点！

吐血三连……

难道业务就不能自己说清楚，到底想要啥吗？——实际上还真的很难。因为把一个具体问题抽象成可以用数据计算、检验、预测的问题，绝对是一个专业能力。

遗憾的是，很多做数据的新人，自己也没这个能力，总之跑数就行，一遇到“分析”俩字就发蒙。

一、梳理需求的灵魂四问

1. 灵魂拷问第一题

以下三句话有什么差别：

A．昨天的销售金额是多少？

B．昨天的销售情况怎么样？

C．昨天的销售表现还行不？

思考一分钟。

答：

A问的是一个具体指标的数值。

B问的是“情况”，可能对应很多指标。

C问的是一个结论“行or 不行”，需要指标+标准。

这是数据分析需求梳理第一关键：清晰问题类型。

只要你听到的不是一个具体指标，都得打起十二分精神。因为没有经过专业训练的人，根本分不清楚自己想问的是啥。一句“分析分析”就完事了。分析问题混乱是常事。

数据分析有五个基本问题类型，在梳理需求的时候，要结合这五个类型，分清楚到底业务想要的是什么（如下图）。

2. 灵魂拷问第二题

以下三句话有什么差别：

A．昨天的销售金额是多少？

B．今天的销售金额是多少？

C．明天的销售金额是多少？

思考一分钟。

答：

A是已经发生的事，按条件取数即可。

B是正在发生的事，得有配套监控，给实时更新的数。

C是未来发生的事，得有预测方法和预测假设。

这是数据分析需求梳理第二关键：清晰时间状态。

数据的时间状态直接决定了工作内容，工作难度，工作方式。对于实时监控的，需要事先提监控需求，数据更新频率，监控指标都得一个个谈清楚。对于预测的，预测用途，预测精确度，都得事先谈清楚（如下图）。

3. 灵魂拷问第三题

以下四句话有什么差别：

A．商品运营问，以前做的2次活动，半价和买一送一哪个好？

B．商品运营问，我们在筹划促销，半折和买一送一哪个好？

C．商品运营问，我们有个半价和买一送一的方案，哪个更好？

D．商品运营问，我们刚做了买一送一，如果换成半价会不会更好？

思考一分钟。

答：

A问的是已发生的，具体的事，可以直接按当时条件评估结果。

B问的只是意向，需要多轮分析才能深入。

C问的是两个具体方案的对比，可以直接上测试。

D问的是可能性，只能按一定逻辑推导。

这是数据分析需求梳理第三关键：清晰业务行动。

注意，这个题更有可能的出现形式，是业务甩了一句“半价和买一送一哪个好？”他们很有可能不会详细地说，到底这个事是什么状态。

数据分析的优势，是对已经发生的问题做评估。还没发生的问题，如果具体的话可以做测试；如果不具体的话，只能从逻辑上推导，最终还是得落实到具体计划才能更进一步的分析。所以理清状态非常重要，不同状态对应的方法也不同（如下图）：

4. 灵魂拷问第四题

以下四句话有什么差别：

A．昨天的销售金额是多少？

B．昨天的销售金额是3000万？

C．昨天的销售金额为什么才3000万！

D．昨天的销售情况咋回事？

思考一分钟。

答：

A在问的是一个具体指标的数值。

B在质疑数值准确性。

C在问数值背后的原因。

D明知故问，前方有坑预警。

这是数据分析需求梳理第四关键：探明业务目的。

除了A选项，会问BCD问题的业务方都是明显带着目的来的。这时候就不能傻乎乎只给数值，而是得对症下药。特别是已经有固定报表和固定考核标准输出的情况下，业务方还跑来问情况，很有可能藏了更深的目的，这时候可以按下边的思路梳理清楚。

这就是梳理需求的基本方法，get it？

下边来个综合测试。

二、不认真梳理需求的惨状

综合测试：运营表示，我们要简历用户画像，进行人群细分，实现按人群需求的推送。

1. 这个需求是否清晰？
2. 你拿到这个需求要干啥？

实际上，有相当多的新人一听到类似需求，就大呼：“可算来个大活了！”

然后开始悲剧四连：

这个需求里：

1. 没有具体指标。到底现有的数据能不能满足需求，满足啥需求，完全不清楚。
2. 没有时间状态。基于过往行为的分群，到底有没有指导意义？还是要基于预测分群，预测到啥程度？完全不清楚。
3. 没有业务计划，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。
4. 没有业务目的，“按需求推送”只是一个动作，到底想达到啥结果？提升什么指标？目前该指标如何？完全不清楚。

因此遇到类似问题，需要做的是深度的沟通，和完成一份长长的梳理清单。除了常规了解项目目标、时间要求、输出产物，这些以外，最关键的是第三点：业务计划！

1. 目前分群领导满意不满意，不满意哪些点？
2. 目前的推送是70%成功率，还是5%成功率？
3. 现有数据只能满足30%的需求，在采集上是否有改善计划？
4. 预测精度90%，80%，50%，30%对业务开展是否有影响？

这些是新项目的地基，地基好坏，直接决定了施工方法。地基太差，就得从最简单的地方下手；地基太好，就得认真思考：花这么大力气做，真的能从90%提升到99.99%？这样合理规划，才能保障落地时人人满意。

作者：接地气的陈老师，微信公众号：接地气的陈老师

本文由 @接地气的陈老师 原创发布于运营派，未经许可，禁止转载。

题图来自 Unsplash，基于CC0协议。