"数据分析避坑指南"第一式

数据分析师中有一种是业务分析师（也称商业分析师，BA），分析工作是既与数据打交道，又与业务场景打交道，那有好的工作习惯来可以帮助你省力许多。DO君根据经验整理出4大过程。

这篇分享的是第一个也是最重要的一个，分析的需求界定。

场景1

业务A：“表哥，老板要个数据，帮我拉下，今天就要”

你吭哧一个小时把数据拉出来，过了一小时，又来了，“表哥，不好意思，口径有点问题，帮我过滤掉海外的数据”。

卧槽，为啥刚才不说好，再重头撸了一遍。

晚上七点半交付了数据后，准备下班，A又过来了，“表哥，抱歉，刚才定义的指标得到的数据不能反映实际情况，要改下”

你内心OS：“大爷的，我要吐血了，今天晚上又要加班了.......”

相信上述场景，对于很多数据分析师而言，是不是很熟悉？最主要的问题是数据分析中的需求界定环节出了问题，导致了大量的无用功，咱们就是这样变成了取数机器，工作没有价值。怎么改善这种局面呢？那么需要做好”需求界定”。

01 分析"需求"知多少？

啥是分析类的需求？

为了特定的业务决策需求，通过量化的方法来获得辅助决策的数据(信息)。

那么常见的需求类型有哪些呢？

* 前3个类型引用自专家Tom Davenport观点，他是巴布森学院（Babson College）的总统信息技术与管理学杰出教授。第4点是自己认为也是一类；

废话不多说，直接上案例。

案例1

目前景点预订详情页下方有个推荐的入口，老板让看下这个推荐模块订单转化效率如何？

判断分析类型，这是一个描述类分析需求，评价推荐效果的好坏；

02 “界定”怎么做？

那么下面如何界定呢？有个三步走的框架。强调的一点是一定要和相关方沟通需求，当场界定清楚。

第一界定是确认清楚需求方的真正目的是什么。我不是业务的提数机，要帮助其解决一个业务决策问题；

第二界定的计算指标，确认清楚目前定义的指标是否是合适的，是否能准确的界定我们的问题；一开始的需求方定义的指标（单UV的订单转换效率）根据目的来判断并不合适。

第三界定的口径与数据来源确认，口径是涉及到样本的选择，避免出现样本量少，缺乏代表性，进而影响指标值得准确性。数据来源确认是输入源的信息是准确的。

03 避坑小提示

那么在界定过程中有几个注意点：

*拿到这个数后能干嘛？切分的维度，可以落地行动的维度？这个case中是根据模块来对计算指标进行切分。因为这个维度是由行动可以做的，否则不需要去拆此维度。如上面这个例子，是按照模块维度对指标进行拆分。

* 如果有第三方提供的数据，一定要确认数据来源，交叉确认无误。比如这个例子中产品经理提供的预订详情页的页面标识pageid是否有遗漏，可以用来源页到所有详情页的pageid及对应流量大小，采取这种遍历方式来帮助你交叉确认；

* 数据精确程度的成本是不一样的，数据越精确，成本越高。需求方的计算指标是否还有其它低成本实现方法，快速实现。

* 界定完之后，会议内容形成的需求说明书，以及分析预估完成时间，邮件发送给各相关方，主要是定下来项目范围与目标；

如果你是业务需求方，也要思考下，别脑门一热，让分析师帮我提个数。自己按照上面的需求界定思路先整理一遍，给到分析师的需求就相对清晰，合作愉快！