宏观|6000字干货｜数据分析需求处理详解赚钱|fsd|自动驾驶|model|超级工

编辑导语：需求处理是数据分析的前期阶段，前期阶段做得如何会直接影响到后续的工作和发展，在本篇文章中，作者就针对需求处理这方面进行详细的介绍和讲解，推荐想要学习数据分析的群体阅读。

文章插图
需求处理是数据分析的前期阶段，前期阶段的准备工作直接决定了后续分析工作的方向以及分析的价值。所以，需求处理至关重要。本文专针对需求这块，做下详细的讲解。
需求处理阶段包括三阶段：发现问题、需求确认、需求处理。

文章插图
一、发现问题1. 以数据分析思维看待问题先引入下王大爷的故事。
我去王大爷摊位买烤串，唠嗑中王大爷说现在现在赚的不行了。我甚是同情王大爷，安慰王大爷说赚点钱买买菜，够日常花销就行，人嘛就要过的开心点。
王大爷：买菜肯定…
我：不够？
王大爷：花不完，就是想置换一套内环内的房子了，现在五套不够住。
我……
那问题来了，王大爷口中的“赚的不行了”是通过什么得到的结论？
与过去比？过去日赚1W，现在日赚8000，这么比确实少了；
与目标比？目标希望赚个千万，买套内环内大房子，这么比确实赚的不行；
与行业平均水平比？烤串行业平均日赚5000，王大爷已经是烤串中的佼佼者了；
与其他烤串大爷比？这个“其他”的对比群体怎么划分？选择和王大爷摊位所在商圈类似的烤串摊主？还是选择与王大爷串串产品类似的摊主？还是相同年龄段相同性别的摊主？还是平均客单价同一水平的摊主？（以上王大爷收入金额纯属虚构）
怎么判别王大爷的烤串是赚的多的还是少了？
这个其实就是根据王大爷抛出的问题延伸出来的新的问题。实际工作中，「问题」可以是领导或者业务方直接抛出，也可以是自己主动发现。但不管哪方发起，思考问题均离不开数据分析思维的支撑。
2. 找到有效问题数据分析的过程其实就是发现问题并解决问题的过程。一个好的问题，时间与人力的付出才不会竹篮打水一场空，分析工作才有价值。发现有效问题，显得尤为重要。
有效问题的5个特点：
（1）是否有价值
此“价值”是建立在公司利益之上的。有价值的问题并不是说角度新颖、前所未有，而是触及到了公司的重要层面。
该“问题”是否与公司、部门的OKR相关，是否有跟着公司的整体方向走。比如某个产品已经流量见顶了，公司整体策略由之前的拉新获客变更为提升活跃留存、维护老客，那么即使产品的用户体量趋势即使逐渐趋于平稳，孛离公司整体策略，也不需要再在这上面过于下功夫研究探索。
（2）是否涉及核心指标
首先需要熟悉公司有哪些指标，尤其是核心指标具体是哪些。其次，需要继续了解这个问题是否涉及核心指标，且涉及了哪些核心指标。
（3）是否影响面广
是否关系到公司的整体策略？这个问题如果不解决的话，会产生多大的影响？如果解决了的话，会有多大的利好？
（4）是否可规避
受宏观影响还是微观影响？无法避免还是本可避免？
若这个问题受宏观政策的影响，比如疫情原因导致的线下门店销售下滑，再比如国家出台政策规定篇p2p年化利率最高36%，这是宏观因素，不可避免；宏观因素下，公司业绩指标变化较大，原因众所周知，且无法规避。此时单纯研究这个问题则意义不大。
若这个问题未受宏观影响，比如，某个产品的最近复购率下降，宏观上并未有任何政策影响，就莫名其妙的复购下降了，此时需要深入探索是不是产品本身存在了问题，还是竞品导致，或是其他。这个问题可以说是本可规避但未规避。
（5）是否有时效
时效性的理解就是，如果这个问题现在不解决，对业务后续发展会产生一定的影响。
比如，研究前年10月销售下跌的原因则没必要，要保证数据与时俱进，避免数据过于陈旧；再比如，当前时间节点若是处于市场竞争激烈的态势，则需实时把握产品的数据变化，及时发现问题并解决，当前的问题延期到未来作用性衰减。
（6）是否波动大
波动“大”没有绝对的标准，但有相对的标准。比如，整个行业的波动是1%，你的产品波动5%；再比如，波动一直处于1%上线，但突然有一天波动了5%。只看波动5%可能觉得也就5%而已，影响不大，但相对来看，5%已超出了正常范围。