数据分析师，分析需求都梳理不好？这些坑你一定踩过！
你做的这个对业务有啥用！
你做的这个不是我们想要的！
你做的这个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。没有这个专业能力的人，只会把想不清楚的所有事，打包成：“你来分析分析”丢出来。
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。今天我们系统讲解下。
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．昨天的销售情况是啥样？
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）。
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）
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？
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的说，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）：
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
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。
问1：这个需求是否清晰？
问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
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！
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。有兴趣的话，本篇集齐60在看，我们下一篇分享，如何在结合不同场景基础，设计数据驱动方案，敬请期待哦。