如何沟通需求？

良好的沟通是成功的起点。
为什么大爷大妈介绍对象总是失败？因为他们以为懂你的需求。可即便是相同的评价，也可能是在不同标准下的。

清晰地沟通需求，可以在你迷茫的时候把你拉回正轨。需求越清晰，分析方向越明确；看的数据太多，反而会迷失在细节里。

同时考核利润率与销售额，利润率达标99%，销售额达标70%，怎么下考核结论？ 两项都没达标，销售额差距较大。

• 评估类需求：这个东西好不好？ > 到底是好还是不好？？？
• 原因类需求：这俩有没有关系？ > 到底有没有关系？？？
• 预测类需求：预计是多少？ > 到底是多少？？？

目标越简单，越易得答案，逻辑要直接，不绕弯路。
更重要的是，不抓住需求，就没法真正实现数据落地。从业务方的需求入手，才能驱动业务部门做出改变。

初级需求沟通：明确任务内容

遇到分析需求，先问清楚“是什么”。例如：

人数没变，但是用户观看直播的次数少了，用户的转化率连续两个星期下降。bi说数据没有问题，开发最近都没有发版本，还有什么可能的原因吗？

首先，转化是怎么定义的？

直播行业的转化是从曝光到进房。

然后，曝光是怎么定义的？……
也就是说，这里的转化和付费无关。如果不了解定义直接分析，可能会得到一些似是而非的结论：大主播跳槽了、新鲜感过去了、用户消费习惯改变了等等。

接到业务部门的需求时，沉住气了解情况是基本素质。

• 取数字段：名词的定义是什么？
• 需求部门、提需求的人：谁问的？ > 我们都讨厌被临时摊派任务。记录这些能看出哪些需求是必须做的。
• 提出时间、期望时间、需求背景：之前做了什么？ > 评估重要性和优先级。
• 需求标题

  • 需求的标题是分类管理的基础（评估、原因、预测）

  • 同类的需求可以形成分析模板

  • 频繁的需求可以形成固定报表

  • 简单的需求可以同类合并或使用现成数据应对

• ……

具体的需求内容，要先关注需求的目标：数据 or 数据分析？

• 如果需要的是数据，要清楚数据的格式
• 如果需要的是分析，先区分需求类型
  • 是什么（评估）：现在各渠道销售表现如何？推广效果怎样？用户群体有什么体征？
  • 为什么（原因）：为什么销量不好？为什么推广效果没达到预期？为什么女性用户偏多？
  • 会怎样（预测）：预计这次活动会有多少人参加？

需求单需要正式确认，作为分析开始的标志。如需求有更改，清晰表明修改的地方，修改的时间，说明修改后多少天内再次提供。

中级需求沟通：需求排班管理

当手头只有一张需求申请表时，可以沉心静气跑数分析。但在实际工作中，我们常常被一大堆杂乱的需求淹没，无法专心分析。因此，不能什么需求都接，需要进行合理调度。

我们需要这样的一张表：

以及基于这张表的数据分析。

1. 统计以下数据：
2. 分析以下内容：

   高级需求沟通：需求挖掘与升级

   有用的数据分析是运作出来的，不是算出来的。
   
   从接到 临时性取数 的需求开始，思考是否可以基于取到的数做 统计数据 ？统计之后，数据相关的事件，是否可以用一个 指标体系 描述？如果可以用指标描述，那也就可以建立 报表 来监控。监控到的波动，分为用业务经验可以解释的和不可以解释的，引发 专题分析 。

需求升级点

1. 需求升级点：从一个指标，到一组指标
   1. 业务：给个库存的数，没货了要补货
   2. 分析：光看库存的数似乎不够，至少还得知道消耗的数据；而且我们的消耗情况周末和平时不太一样，至少得看几周的数据……
2. 需求升级点：从一堆原始数据，到一个统计结果
   1. 业务：给个参加活动的用户名单，我们去外呼
   2. 分析：光看名单似乎不够，建议你们看一下整体的完成率，和每天的完成数量，这样好调配人手，如果发现做不完了还能加人，或者优先外呼哪些人
3. 需求升级点：从一个孤立的结果，到一系列监控指标
   1. 业务：这次活动总结报告帮忙做一下
   2. 分析：类似的活动，看你们的计划还会持续做，建议不要做单一的总结，固定一个模板每月更新，方便同期对比
4. 需求升级点：记录经验的有效范围
   1. 业务：这个产品的功能比竞品强，有啥好分析的
   2. 分析：那么，我们给产品贴一些标签（价格、功能点），定量对比，看看强多少，看看这个“强”能拉动多少销量
5. 需求升级点：主动探索经验背后的逻辑
   1. 业务：做促销，业绩就好，有啥好分析的
   2. 分析：那么，我们看促销的力度，参与群体，响应群体，有没有什么规律……
6. 需求升级点：当经验不足以解决问题时，一步步探索可行性
   1. 业务：这个月也有促销，还是那些产品，业绩怎么变差了？有没有“业绩分析模型”找一下原因！！！
   2. 分析：就知道会有这一天！先把之前积累的产品标签和人群属性拿出来，看看有没有问题。别光盯着一条业绩线了！
      解决不了销售波动、用户波动，业务方分析不出原因，就是因为他们没有做积累，没有标签，没有经验总结，也没有量化考核过，就盯着一根业绩线。
7. 需求升级点：不要放弃获取更多数据的机会
   1. 业务：人工智能解决一切
   2. 分析：人家依托的是大量的数据资源，我们想做得把xx方面的数据补齐，这个可以先从改进业务流程、改进埋点、增加产品标签等等开始做
8. 需求升级点：在业务认可的背景下，争取资源做产品
   1. 业务：上次的问题剖析帮了我们很大的忙
   2. 分析：想要达成类似的效果，我们得把监控指标体系固化下来，做一个简单的模板给业务使用

基本原则

• 有数据清单，就一定能做统计
• 统计指标为某个具体事情服务，就一定有关联指标
• 只要是非一次性发生的事情，一定能做报表监控
• 有监控指标，就有解读波动的需求，就会引发专题分析
• 专题分析就会有分析成果，挑选那些业务喜欢的成果，把它变成产品（BI、算法模型等）
• 无论任何时候，数据都是不够的，获取尽可能多的数据

难点

:::info

• 你得收集足够多的信息（能力一），才能知道业务到底看数是干什么的，才能去解读他们可能需要的数据；
• 你得会定义分析问题（能力三），才能知道往哪个方向引导业务需求；
• 你得会梳理业务逻辑（能力四），才知道哪些指标是相互关联的；
• 你得懂得如何提炼经验（能力八），才知道怎么形成模板，留作下一次复用。 :::

主动引发需求

业务对数据不理不睬是常态，数据的地位需要自己去争取。

• 销售要去找客人，不是看数据
• 市场要做方案，不是看数据
• 客服要接电话，不是看数据

数据最多只能占他们工作5％的时间。
而且，业务有业务自身的规律，数据只是辅助。一个纯粹靠数据驱动业务的公司，可能导致员工只关注如何实现数据，如果产品销售结构不达标（自营产品在所有销售中的占比不达标），直接把非自营产品下架，来实现自营产品占比达标，而不是考虑促销等手段。

基本思路是定期“体检”、碰头，而不是事到临头才抱佛脚。因为这个时候，业务方已经按照自己的经验，使用了促销派券、打销售电话等方法，都解决不了问题，数据分析发挥的余地就更小了。

破冰

寻找有机会合作的对象
不指望所有业务部门都对数据感兴趣，但可以主动找那些感兴趣的人：

1. 经常咨询数据问题
2. 会告之当前业务动向
3. 你向他提问，他会回答
4. 会通告分析结果应用情况

定期分享市场信息，激发需求
业务部门不一定对数据感兴趣，但一定对竞争对手的动向感兴趣（抄竞争对手的做法，比自己想省事多了）。
收集二手行业数据，收集竞争对手的行动，定期（如每月）发布行业大事记，可以有效的勾引业务部门来谈需求，吊起他们的胃口。
以KPI指标为先导，激发业务部门来沟通对策
业务部门不一定对数据分析感兴趣，但一定对KPI感兴趣。
把常规报表发布和KPI数据发布结合。吸引业务部门来关注报表。例如，把销售分成预计数与销售监控报表打包发布的，至少 报表打开率 问题解决了。
重大项目立项阶段的信息提示
立项阶段是数据分析需求最多的阶段，这时候可以主动提示：

• 策划：基础数据情况，过往经验，对手动作
• 执行：应该关注哪些数据，监控哪些指标
• 决策：过往的ROI

项目结束后背书会

• 做的好：树标杆，邀功请赏
• 做的一般：找理由，找小机会点
• 做的不好：找理由，找原因，找对策

项目结束以后，数据分析部门可以为业务背书。抓住这个机会和业务沟通，他们愿意交代更多的底。

总之，提升 关注度 是核心，让其他人都能关注到数据，就会有越来越多的沟通机会。

孤悬于业务之外，接触不到业务核心，是无法真正分析到关键问题，驱动业务增长的。业务对数据不理不睬是常态，但默默无闻不应该是数据分析师的正常状态。