梳理資料需求,資料分析7大能力
天分享資料分析師必備的工作能力——需求梳理。需求梳理很不起眼,甚至很多小夥伴感受不到他的存在。但它結結實實影響到大家的下班時間和績效。
一、什麼是資料需求?
顧名思義,資料需求,就是業務部門對資料分析產出的需求。有小夥會說:這還有需求呀,我們公司都是一通電話:“歪!給我個XX資料,快!”就完事了,根本不存在啥需求。
確實有這種無腦公司。不過,這麼無腦催資料的結果,就是返工。最常見的局面,就是你辛辛苦苦跑出來數,對面的一通質疑:“資料不對吧!”“為啥和我知道的不一樣!”“你再給我個XX資料看看?”“加個欄位吧!”然後苦逼的資料分析師,又得重新回去跑數,跑完了又得經歷一輪Diss。
所以想早點下班,想不被甩鍋,就得梳理清楚:到底業務想要的是什麼?
二、怎樣是清晰的需求?
一個清晰的需求,需要做到5w清晰。
Who:資料使用者
When:資料使用時間
Where:資料使用場合
Why:使用資料原因
What:具體資料格式
三、who:誰使用資料
包括:
申請人:部門,姓名
審批人:領導簽名、郵件回覆
加上審批人,可以在一大堆需求塞車的時候,按領導等級高低排序給數。加上審批人郵件/書面簽名,能有效避免每個人都說自己“很急!”“重要!”的尷尬局面。
四、when:什麼時間使用
當然,大家都希望我這一刻提資料,下一秒馬上有。但是幹活總需要時間,而且需求多了總得排隊,所以最好提一個普通/加急/特批的時間差異。比如普通需求提前3天,加急提前1天,特批的今天內優先做(當然,需要對應的老闆書面批准)。
很多沒骨氣的資料部門領導,不敢搞分級管理。但這其實是害死自己。因為不分級管理,業務部門的需求就會像決堤的洪水。
一來,既然業務打個電話資料就拼命了,那業務還看BI幹啥,那業務還看日報幹啥!不看!我就打電話逼著你幹。這樣已上線的資料產品,使用率慘淡,回頭還是被批:“做BI都沒用!”
二來,自己每天007加班做需求單,照樣做不完,照樣被人噴“我就要個數,你還搞那麼久!”照樣有人因為需求塞車來吵架。
所以苟且偷生,最後就是死路一條。管得了期望時間,才好體現資料分析的業績。
五、where:在什麼場合使用
這裡重點關注是:
部門內使用:自己閉門分析
平級部門使用:幾個部門開會用
向上彙報使用:總裁辦、總公司
對外發布使用:公眾、媒體、社會
區分使用場合,主要為管理口徑,避免口徑混亂引發的爭議。減少資料部門背鍋。
如涉及不同部門彙報,則重點關注兩個部門共同關心的指標。
如是對上彙報,則要核對是否和管理層看的固定報表是否有重疊。
如是對外匯報,則要核對之前公佈的資料,避免自己打自己臉
很多公司資料背鍋,其實就是沒做好這一步。不主動問資料用在哪裡,結果業務拿著資料亂捅一波,捅完了就說:“誒呀,我們又不懂,都是資料提供的你去問他”……資料自然百口莫辯,死無全屍……所以不要吝嗇語言,問清楚!
六、why:為什麼需要資料。
這裡和分析思路有關,重點區分:
要做監控、找原因、還是做預測?
如是監控,業務是否已上線?什麼時候上?
監控資料是否涉及埋點、系統對接?
找原因,是否有假設?假設是什麼?
做預測,是否有假設?假設是什麼?
有些業務部門思路清晰,可以講得很清楚,自然省事。有些部門不想說,或者稀裡糊塗說不清,就得引導他們說清楚。
如果沒有提前溝通好埋點/資料同步的問題,監控是沒法按時上線的,更沒法提供準確資料。相當多公司埋點管理混亂,就是因為資料、開發、業務相互不通氣,資訊不一致造成的。
如果沒有提前說清楚假設,很有可能拿到的資料維度不夠,指標不全,導致反反覆覆提數。或者業務部門看了數跟沒看一樣,照樣不利於工作開展。
七、why:為什麼需要資料。
這裡是具體的需求,要具體到
取數物件:針對XX使用者、商品、渠道、產品取數
取數時間段:從X月X日-X月X日
資料指標:取XXX指標。如是資料字典內標準指標,則直接引用名字。如是臨時發明的,需說清楚指標的計算公式
分類維度:按XXX維度區分資料。
思路清晰的業務部門,自然不用多說。碰到思路混亂的,可以這麼引導
你要分析的是人?貨?還是場?(清晰取數物件)
明確一個重點,比如人以後,開始加“的”。你要分析的是,人的XX情況(清晰指標)在XX時間段內的XX情況(清晰時間)
加分類維度。你要不要做個對比?你想不想了解不同區域/時間的差異?你想不想看內部結構(清晰分類維度)
這樣三個問題引導完,就很清楚了。
八、小結
滿足了5w的,就是一個完整的資料分析需求了。梳理資料分析需求,不但能減少重複工作,更可以為資料分析師發現專案機會,提高BI使用率,體現工作業績打下堅實的基礎。
來自 “ 資料工程師 ”, 原文作者:資料工程師;原文連結:https://mp.weixin.qq.com/s/xdmOIxSKxuy9QKQswR_5zA,如有侵權,請聯絡管理員刪除。
相關文章
- 資料需求分析過程
- 資料治理之資料梳理與建模
- 當移動資料分析需求遇到Quick BIUI
- 資料庫效能需求分析及評估模型資料庫模型
- 7000字長文 | 資料分析師能力模型模型
- 《資料安全能力成熟度模型》實踐指南11:資料分析安全模型
- 資料安全出境系列——資料追溯能力
- 基礎知識梳理~資料庫資料庫
- MongoDB資料庫的基本操作梳理MongoDB資料庫
- 面對高頻業務需求,如何提升實時資料處理能力?
- 資料分析
- 26-大資料安全需求分析與安全保護工程大資料
- 資料分析 | 資料清理的方法
- 資料分析--資料預處理
- 資料價值深度挖掘,分析服務上線“探索”能力
- 資料庫 | 001-MySQL梳理系列(一)資料庫MySql
- 資料服務基礎能力之後設資料管理
- openGauss 分散式資料庫能力分散式資料庫
- 資料庫大設計需求分析(門診掛號系統)資料庫
- 分析型資料庫:分散式分析型資料庫資料庫分散式
- 資料分析案例--USDA食品資料庫資料庫
- dcatadmin資料分析
- 資料分析(1)
- 資料分析02
- 資料分析: DataFrame
- 資料分析——numpy
- 淺談大資料、資料分析、資料探勘的區別!大資料
- 海港企業資料資產消費實踐,系統化梳理資料資產、深度釋放資料要素潛力
- 大資料風控平臺需求大資料
- 圖解資料分析 | 資料分析的數學基礎圖解
- Python資料分析入門(十四):資料分析中常用圖Python
- 大資料分析師,比資料分析師厲害在哪大資料
- 大資料分析之資料下鑽上卷大資料
- 資料視覺化能否代替資料分析視覺化
- 說說資料分析中的資料建模
- 資料分析-皮膚資料變截距模型模型
- 資料分析基礎—3.1 認識資料
- 以資料為中心的資料安全基礎能力建設探索