作為數據分析師最怕什么？莫過于下午5:55分，自己正準備收拾包包走人，一個電話飛進來：“歪！幫忙跑個數，我們總監要，今天無論多晚都得給！”聽完這通話，心情直接跌入谷底。

如果有比這還可怕的，就是晚上11:00，你累死累活跑出來數了，對方一句：“哦，好像不是這個數，你換另一個跑法試試，還是今天無論多晚都得給哦……”

如何避免這種問題呢？

這個問題顯然是出在需求溝通上。沒有溝通清楚需求就動手，自然會來來回回返工。不但自己做得辛苦，業務部門也不滿意。所以溝通需求很重要。而數據分析是有標準的需求模板的。

如果是取一張數據表，標準的需求，至少由以下三部分組成（如下圖）：

1、取數指標

2、取數時間段

3、分類維度

如果取數的指標/分類維度，在數據字典里沒有標準定義，則還需要說清楚計算公式。比如市場部有三個活動同時在舉行，想看看用戶在多個活動間與情況。

此時需要新建一個分類維度：活動參與情況，包括：

三個活動全部參與 三個活動參與任意2個 三個活動參與任意1個 三個活動全部未參與 如果是一個分析型需求，則要說清楚：1、當前的業務背景是什么2、目前是否已經清晰的問題？3、是否已有假設/預案整個邏輯如下展開：

?

BUT！上邊這么復雜的需求格式，靠業務自己說，根本講不清楚。?2022年的職場現狀是，十個業務里：3個認為數據就是你數據分析的事，我憑什么要講清楚！3個表示這需求是老板給的我也不清楚你自己問他老人家去……3個可以講出：“我要分析這個問題”，但具體到字段，啥是字段？？？只有1個能講清楚，因為他以前干過數據……?所以需求溝通這個事，不能太指望業務自己，自動自覺把這些問題都講清楚，而是需要數據分析師們掌握溝通技巧，學會主動挖掘。畢竟挖掘不清楚，還是自己倒霉。挖掘需求的技巧 想要在稀里糊涂的情況下梳理清楚需求，需要五個步驟：第一步：聽到需求后，把“收到”改成“等一下！”第二步：明確正在聊的事，是具體哪個業務場景第三步：明確正在聊的事，有哪些數據記錄第四步：基于數據記錄，給幾個示例，讓業務感受下第五步：基于數據示例出數，完美交差?總之，就是用一個例子，把虛幻的分析需求具體化，從而明確輸出內容，減少后期返工。話不多說，直接上個案例同學們實操一下。實操案例學習 背景：某電商公司，客服找到數據分析師，說分析一下客戶聯系客服的留言，看看有啥價值，比如退單原因、客戶滿意度啥的。問：該咋分析？?

第一步：管好嘴。把已經到嘴邊的“好的，我去分析分析”咽回去，說出：“等一下”。??

第二步：找業務場景。“分析一下客戶留言”是一句空話，沒有任何具體問題，因此放過去。后邊有兩個具體場景：場景1：客戶退單場景2：客戶滿意度因此可以從這兩個場景切入，具體聊聊啥情況?

第三步：確認數據記錄。1、客服口中的“客戶退單”，具體定義是啥？是以客戶溝通中表達“想退單”為準，還是以客戶人工標記：“想退單”為準，還是以客戶建立的退貨工單為準？?2、“客戶退單”的信息，關聯了哪些內容，比如退單對應的訂單號、產品、退貨原因。3、如果有退貨原因字段，是客戶自己填的，還是客服標注的，客服標注的常規操作是什么？?注意：以上問的三個問題，要么是客服自己的理解，要么是客服自己的操作習慣，與數據一毛錢關系都沒有，這種問他們自己的認識、習慣的問法，是很容易得到回答的。得到答案以后，再根據實際情況，轉化為數據問題。?

第四步：做分析示例。根據客服描述的具體場景，做一個示例出來。?比如客服說：“是客戶跟我們聊的時候，表示想退單，結果經過我們努力成功保住了訂單。”這就是一個具體的客服操作場景，而對應的數據情況也是很清晰的：1、客服聊天記錄里，抓有“退單”“退貨”“不要了”等關鍵字的用戶2、根據用戶聊天中提及商品/訂單號、關聯商品名稱、商品金額3、根據該用戶后續訂單是否取消，確認客服是否保住成功因此，可以做分析示例如下：

并且，在這個場景里，客服表達的訴求也是很明確的：要向其他部門證明我的價值！我為公司賺錢了。所以這個分析的核心，其實就是算出來上圖中挽留金額。這個才是人家真正在乎的，別的都是點綴。?比如客服說：“每次上大促銷，Q&A指引都不清不楚，搞得一堆退貨工單，煩死了”。這也是一個具體場景，對應的數據情況：

1、以客服實際建立的退貨工單，客服標注退貨理由為準

2、重點關注退貨工單里“促銷”有關問題。

3、清理其他促銷同時段的，可能關聯的標注，比如“促銷產品質量差”是否被客服標記為了：“產品問題”而非“促銷問題”。因此，可以做分析示例如下：

并且，在這個場景里，客服表達的訴求也是很明確的：要倒逼運營做好促銷Q&A。因此這里不需要深入的分析，而是需要把情況說清楚：到底有多少退貨和促銷有關。?這里的第三步很重要，因為工單是人工標注的，所以很可能有標漏、標錯、標注不合理等問題。而在這個場景里，客服懟人的意愿是非常強烈的。因此很有可能會刨根問底的，想把所有情況都弄清楚。因此“清理其他情況”這句話最好由數據分析師主動說，這樣幫助客服打消疑慮，后續數據也好過關。不然很有可能出了數，被扣個：“分析不細致，不深入”的帽子，最后還是返工。?

當然，也可能有其他場景，總之按照同樣的方法，從場景→數據→示例，一個個耐心點做，梳理完畢就好。很多時候，業務在聊場景的同時，會把他想達到的目標一并說出來。這就是做需求挖掘的終極目標了。當知道業務想干啥，就能順水推舟，讓他們滿意。不過有些業務很保守（不信任數據）所以不會主動講出意圖，因此這一點不強求。?

第五步：基于數據示例出數。其實前四步做好了，這里根本不會遇到什么阻礙。因為鋪墊都已經做好，業務很清楚自己能看到的是什么數據，很清楚數據里已經包含了哪些情況，排除了哪些可能，因此短時間內很難再想出什么更改需求的內容。一般看到數據以后都是：“好的，很清晰”一句話，差不多就安神了。?這么梳理，遠遠強過一聲“好的”然后哼哧哼哧跑數，回頭再被人懟回來修改。我個人使用體驗是非常好的，當年還沒做領導的時候，靠這套方法不但下班按時，而且和很多業務同事交了朋友，體驗極好，推薦同學們都試試哦。?