文章目录
1.数据需求
什么是数据需求？数据需求就是用数据来描述一个具体事务的需求。比如周报，每周的数据变化趋势是怎样的？领导主要看销量和利润，所以数据需求必须满足领导的需求,让领导看到销量和利润。总的来说，数据需求可以概括为几个基本内容：
- 取数的对象。比如某APP，某种服务等。
- 取数的指标：比如PV，UV等。对于某些不太清楚地指标，比如资产，还需要分为工资收入，房产，股票，当然还有贷款金额等。
数据表 + 时间要求 = 完成的数据需求
什么是要求？又什么是需求呢？
今天领导让做一个高端用户的分析，这是领导的要求。但我们要做的是什么呢？我们要做的是满足领导的需求，领导为什么会需要做一个高端用户的分析呢？哦，原来是要针对高端的用户匹配合适的营销策略。
事实上，数据需求，说白了就是一个业务部门的要求。一个有价值的数据分析师，应该是能参与到决策中的数据分析师，应该做的是数据分拆需求。
2.数据分析需求
数据分析，不仅仅是展示一个数据结果，比如每天写的日报，环比增长多少，同比又增长多少，这些都是数据，不是数据分析。有很多人觉得自己写的分析报告是数据分析报告，其实问一下自己如下这三个问题就知道了。
相信很多人都是不知道该怎么回答的。比如怎么评估一个女生是否适合结婚呢？
首先你要建立一个评估标准：月薪多少合适？年龄多大合适？人品如何？
然后，去验证一下，他是否符合要求，值得托付终生？而我们常见的数据分析需求，有以下这些基本的形态。
3.沟通要点
了解什么是数据分析需求后，下一个要做的，是看这个分析工作有没有形成合力的评估标准。这就要求我们和业务方沟通时，弄清楚这些标准，毕竟建议和需求都是业务方的，最后执行也是业务方的，得不到业务方认可，业务方就不会去执行，再好的建议也没有用。
3.1 评估类分析
对于评估类的分析需求，比如评价今日的日活算不算非常低，销售量算不算下降等，都是评估类需求。它需要的沟通要点如下：
- 有对象。也就是评估的内容是针对某某部门的什么业务，工作的。
- 有问题。评价做的好不好，得几分，属于什么位置，这就需要标准了。
- 评价的标准有没有确定。如果没有标准，就先解决标准的问题。
- 当有多个指标时，权重应该怎么确定？是按照已有要求确定，还是按照算法给的权重判断。
- 业务方计划中的期望值是多少？
给出的总结一定要明确：因为对方是要你给他评估的，你首先要给对方一个期待的结果。
这个活动好不好？到底好还是不好？？？
3.2 原因类分析
原因类的问题，有一个非常大的陷阱，就是很多人提问题，在一开始就是错的。我们作为听者，也在一开始就被问题困住了。比如有老板说：为什么我们投放的广告一点用都没有？
如果不注意，我们下意识的反应，可能是找一下广告投放没用的原因。也就是，我们默认自己投放的广告没有用的。就像下面这个问题一样：
看问题的我们，已经默认了英国超市食品比中国便宜了。可是，数据呢？
所以，我们所有的问题，都要基于事实的基础之上。
当然，如果有假设，慢慢用数据验证假设就可以了。没有假设，就做探索性分析。所以原因类分析需求的沟通要点如下：
- 有对象针对什么部门的什么工作？
- 有问题。这个问题的原因是什么？这个问题和其他什么原因相关？
- 问题是不是真的存在？如果不是，就停止吧！如果是，就接着分析原因。
- 是否有假设？如果有，就用数据验证假设？如果没有假设，就做探索性的分析。
- 如果发现了这个问题，业务方一般会采取什么措施？这时候要做的是缩小探索的范围，聚焦到改进的措施上。
总结：对于原因类的需求—>这两个原因到底有没有关系？—>到底有没有关系？
3.3 预测类分析
目前的算法已经非常厉害了，可以算出房价，甚至股价，但如果业务方不认可预测的结果，也一样没有用。
- 有对象针对什么部门的什么工作？
- 有问题。XX预计会涨/跌？销量预计多少？
- 预测前提必须尽可能清晰，对于特征一定要描述清楚。
- 预测的基本前提，假设，业务方是否认可？比如因果关系，相关关系。
- 最后的结果，必须要有一定的容错空间，可以给定一个比较准确得概率，而不是一个准确的数字。
总结：预计是多少？到底是多少？
4.需求管理
4.1 初级需求沟通
对于很多的临时性取数需求，特别是在需求特别多，而且杂的时候，需求管理表的作用就显示出来了。
别看这张表很简单，当业务部门的需求特别多的时候，这张表可是有大用的。
首先，有了数据需求表，我们就可以把那些不重要，不紧急的事情先过滤掉，先解决紧急重要的事情。
其次，知道了是谁的需求，好确定优先级呀！毕竟大老板我们都得罪不起呀。
如果知道了需求的标题，我们就可以对业务部门的需求进行总结，归纳出固定的模板。甚至形成固定的报表，等快到业务部门需要的时候，把需求提前处理好，或者直接让个BI系统的账号，让他们自己去看数据。这又能给我们省下不少时间。
同时，在业务部门提需求的时候，一定要确定好他们要的是分析需求还是数据需求。分析需求只要沟通清楚他们要哪些维度就好啦。如果是分析需求，那还要分三种情况讨论，如下：
4.2 中级需求沟通
4.3 高级沟通需求
有用的数据分析，都是运作出来的，不是算出来的，这个过程需要和业务部门进行深入的合作。
1.问题分析
2.执行结果追踪
3.业务经验积累
4.数据模型积累
5.数据采集体系建设
6.指标体系建设
7.日常指标监控
8.业务沟通反馈
9.最后，再回到问题分析上
在这个过程中，我们还有很多可以改进的点，比如：
第一，当业务部门只要一个数据时，我们能不能提供一组相关的数据？
第二，从一堆原始的数据，到一个完整的统计结果。
第三，从一个孤立的结果，到一系列的监控指标
第四，在工作中随时记录问题，以及解决方案，经验的管用范围。
第五，主动地探索经验背后的逻辑，产生问题的原因。
第六，不管在什么情况下，都不要放弃获取更多数据的机会。
5.小结
无论是什么数据分析，都是为了回答如下的问题：
1.是什么？主要的报表都是监控哪些指标？怎么继续深挖，找到其他更深入的指标进行分析？
2.为什么？—发现问题后，找到了哪些原因，改进了多少？
3.会怎样？预测了哪些业务的走势？预测的准确度如何？预测之后做了哪些改进？
在实际的面试中，比起你说自己做了多少事，还不如直接像下面这样说：
1.我用了什么工具处理数据？
2.我处理的数据给到哪个部门使用？
3.部门使用时，我提供了一个什么样的结果或建议？
4.最后业务方有没有采纳我的建议？达到了什么样的效果？
管理好你的需求沟通表很重要。