手把手,我写了一份数据分析需求沟通模板

数据工匠俱乐部

共 3122字,需浏览 7分钟

 ·

2022-10-27 20:56

作为数据分析师最怕什么?莫过于下午5:55分,自己正准备收拾包包走人,一个电话飞进来:“歪!帮忙跑个数,我们总监要,今天无论多晚都得给!”听完这通话,心情直接跌入谷底。


如果有比这还可怕的,就是晚上11:00,你累死累活跑出来数了,对方一句:“哦,好像不是这个数,你换另一个跑法试试,还是今天无论多晚都得给哦……”


如何避免这种问题呢?


数据分析的需求沟通

这个问题显然是出在需求沟通上。没有沟通清楚需求就动手,自然会来来回回返工。不但自己做得辛苦,业务部门也不满意。所以沟通需求很重要。而数据分析是有标准的需求模板的。


如果是取一张数据表,标准的需求,至少由以下三部分组成(如下图):

1、取数指标

2、取数时间段

3、分类维度


                            
如果取数的指标/分类维度,在数据字典里没有标准定义,则还需要说清楚计算公式。比如市场部有三个活动同时在举行,想看看用户在多个活动间与情况。


此时需要新建一个分类维度:活动参与情况,包括:

  • 三个活动全部参与
  • 三个活动参与任意2个
  • 三个活动参与任意1个
  • 三个活动全部未参与


如果是一个分析型需求,则要说清楚:
1、当前的业务背景是什么
2、目前是否已经清晰的问题?
3、是否已有假设/预案

整个逻辑如下展开:

 
BUT!
上边这么复杂的需求格式,靠业务自己说,根本讲不清楚。
 
2022年的职场现状是,十个业务里:
3个认为数据就是你数据分析的事,我凭什么要讲清楚!
3个表示这需求是老板给的我也不清楚你自己问他老人家去……
3个可以讲出:“我要分析这个问题”,但具体到字段,啥是字段???
只有1个能讲清楚,因为他以前干过数据……
 
所以需求沟通这个事,不能太指望业务自己,自动自觉把这些问题都讲清楚,而是需要数据分析师们掌握沟通技巧,学会主动挖掘。毕竟挖掘不清楚,还是自己倒霉。

挖掘需求的技巧


想要在稀里糊涂的情况下梳理清楚需求,需要五个步骤:
第一步:听到需求后,把“收到”改成“等一下!”
第二步:明确正在聊的事,是具体哪个业务场景
第三步:明确正在聊的事,有哪些数据记录
第四步:基于数据记录,给几个示例,让业务感受下
第五步:基于数据示例出数,完美交差
 
总之,就是用一个例子,把虚幻的分析需求具体化,从而明确输出内容,减少后期返工。话不多说,直接上个案例同学们实操一下。

实操案例学习


背景:某电商公司,客服找到数据分析师,说分析一下客户联系客服的留言,看看有啥价值,比如退单原因、客户满意度啥的。
问:该咋分析?
 
第一步:管好嘴。
把已经到嘴边的“好的,我去分析分析”咽回去,说出:“等一下”。
 
第二步:找业务场景。
“分析一下客户留言”是一句空话,没有任何具体问题,因此放过去。后边有两个具体场景:
场景1:客户退单
场景2:客户满意度
因此可以从这两个场景切入,具体聊聊啥情况
 
第三步:确认数据记录。
1、客服口中的“客户退单”,具体定义是啥?是以客户沟通中表达“想退单”为准,还是以客户人工标记:“想退单”为准,还是以客户建立的退货工单为准?
 2、“客户退单”的信息,关联了哪些内容,比如退单对应的订单号、产品、退货原因。
3、如果有退货原因字段,是客户自己填的,还是客服标注的,客服标注的常规操作是什么?
 
注意:以上问的三个问题,要么是客服自己的理解,要么是客服自己的操作习惯,与数据一毛钱关系都没有,这种问他们自己的认识、习惯的问法,是很容易得到回答的。得到答案以后,再根据实际情况,转化为数据问题。 
 
第四步:做分析示例。
根据客服描述的具体场景,做一个示例出来。
 
比如客服说:“是客户跟我们聊的时候,表示想退单,结果经过我们努力成功保住了订单。”这就是一个具体的客服操作场景,而对应的数据情况也是很清晰的:
1、客服聊天记录里,抓有“退单”“退货”“不要了”等关键字的用户
2、根据用户聊天中提及商品/订单号、关联商品名称、商品金额
3、根据该用户后续订单是否取消,确认客服是否保住成功


因此,可以做分析示例如下:



并且,在这个场景里,客服表达的诉求也是很明确的:要向其他部门证明我的价值!我为公司赚钱了。所以这个分析的核心,其实就是算出来上图中挽留金额。这个才是人家真正在乎的,别的都是点缀。
 
比如客服说:“每次上大促销,Q&A指引都不清不楚,搞得一堆退货工单,烦死了”。这也是一个具体场景,对应的数据情况:
1、以客服实际建立的退货工单,客服标注退货理由为准
2、重点关注退货工单里“促销”有关问题。
3、清理其他促销同时段的,可能关联的标注,比如“促销产品质量差”是否被客服标记为了:“产品问题”而非“促销问题”。


因此,可以做分析示例如下:



并且,在这个场景里,客服表达的诉求也是很明确的:要倒逼运营做好促销Q&A。因此这里不需要深入的分析,而是需要把情况说清楚:到底有多少退货和促销有关。
 
这里的第三步很重要,因为工单是人工标注的,所以很可能有标漏、标错、标注不合理等问题。而在这个场景里,客服怼人的意愿是非常强烈的。因此很有可能会刨根问底的,想把所有情况都弄清楚。


因此“清理其他情况”这句话最好由数据分析师主动说,这样帮助客服打消疑虑,后续数据也好过关。不然很有可能出了数,被扣个:“分析不细致,不深入”的帽子,最后还是返工。
 
当然,也可能有其他场景,总之按照同样的方法,从场景→数据→示例,一个个耐心点做,梳理完毕就好。


很多时候,业务在聊场景的同时,会把他想达到的目标一并说出来。这就是做需求挖掘的终极目标了。当知道业务想干啥,就能顺水推舟,让他们满意。不过有些业务很保守(不信任数据)所以不会主动讲出意图,因此这一点不强求。
 
第五步:基于数据示例出数。
其实前四步做好了,这里根本不会遇到什么阻碍。因为铺垫都已经做好,业务很清楚自己能看到的是什么数据,很清楚数据里已经包含了哪些情况,排除了哪些可能,因此短时间内很难再想出什么更改需求的内容。一般看到数据以后都是:“好的,很清晰”一句话,差不多就安神了。
 
这么梳理,远远强过一声“好的”然后哼哧哼哧跑数,回头再被人怼回来修改。我个人使用体验是非常好的,当年还没做领导的时候,靠这套方法不但下班按时,而且和很多业务同事交了朋友,体验极好,推荐同学们都试试哦。
 
然而有的同学会说:老师,我们公司的部门关系特别僵硬,部门之间深沟高垒,没法沟通咋办?答:这时候需要另一套方法:点菜单法。


(欢迎大家加入数据工匠知识星球获取更多资讯。)


联系我们

扫描二维码关注我们

微信:SZH9543
邮箱:ccjiu@163.com
QQ:2286075659

热门文章


《非结构化数据管理与企业数字化转型》圆桌论坛:从意识唤醒到标准建设释放非结构化数据能量


如何进行湖仓一体架构设计(企业级数字化方案)


【读书心得】黎甜《结构化思维》-咨询顾问常用的8种思维模型


如何在咨询业扩大你的影响?


管理咨询是怎么定价的?

我们的使命:发展数据治理行业、普及数据治理知识、改变企业数据管理现状、提高企业数据质量、推动企业走进大数据时代。

我们的愿景:打造数据治理专家、数据治理平台、数据治理生态圈。

我们的价值观:凝聚行业力量、打造数据治理全链条平台、改变数据治理生态圈。


了解更多精彩内容




长按,识别二维码,关注我们吧!

数据工匠俱乐部

微信号:zgsjgjjlb

专注数据治理,推动大数据发展

浏览 41
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报