一图搞定！数据分析“需求梳理”的高效方法
一图搞定！数据分析“需求梳理”的高效方法
在数据分析领域，准确把握业务需求是关键步骤，这需要将具体问题抽象成可计算、可检验、可预测的问题。本文就介绍了如何通过“灵魂四问”来清晰问题类型、时间状态、业务行动和业务目的，来提高需求梳理的效率和准确性。
数据分析需求梳理第一关键：清晰问题类型。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）。
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）
数据分析需求梳理第三关键：清晰业务行动。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。
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。
这就是梳理需求的基本方法，get it？
下边来个综合测试
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。
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，
第一，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。
第二，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。
第三，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。
第四，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！
目前分群领导满意不满意，不满意哪些点？
目前的推送是70%成功率，还是5%成功率？
现有数据只能满足30%的需求，在采集上是否有改善计划？
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。