产品经理往往会跟很多需求方打交道,这是为了保证需求在后续开发的执行效率,减少来回沟通的成本,以及降低返工的风险。
日常工作里,数据产品经理往往会跟很多需求方打交道,在需求上跟各业务方「周旋」。目的都是为了让需求本身变得更加具体、合理,让需求的相关信息尽可能的透明、准确。保证需求在后续开发的执行效率,减少来回沟通的成本,以及降低返工的风险。
本篇具体聊一下,一个成熟的数据需求应该是什么样的(文中所涉及内容也在公司内部给相关业务方做过分享)。
一、需求方提供
一个数据需求,主要由四部分关键点组成:业务背景、明确问题、形成指标、需求分类。
11 业务背景
介绍业务背景目的:核心是为了向数据团队产品或技术同学,同步需求背景。描述当前需求的业务背景,和想要利用数据解决的问题范围。因为从数据要解决的问题边界上,有些是数据没有办法能够解决的。
而需求在提出的时候也需要注意多从全局考虑问题,而不是局限于某个小业务模块,避免重复造轮子。
常见问题:需求没有业务背景描述,或背景描述空泛,这样造成的结果是:
- 数据产品同学无法评估需求合理性,无法在需求池需求列表进行优先级排序;
- 无法评估是否有更好,更优的解决方案。
12 明确问题
希望数据解决什么?
目的:为了更准确的明确需求本身是什么,希望数据来解决什么。
通常分为三点:
- 业务形式:讲清楚业务方是什么业务,需求所属什么业务,例如订单相关,风控相关,供给相关,客服相关等;
- 业务规模:业务自身的体量如何,产生的数据集合数据结果大概是什么量级。这有便于需求评估时候的技术选型做决策;
- 业务周期:业务本身是长期业务还是试点的短期项目,是测试期内还是已经正式上线?这会决定需求的输出方式(邮件,报表,临时SQL提供等)。
常见问题:不提供业务的周期信息,造成原本应该用临时手段解决的需求转而用了资源消耗较高的方案,得不偿失。
13 构建指标、维度
「指标」指的是对业务量级描述的度量值,「维度」指的是观察度量值的视角。例如:订单数,用户量,商品数等属于指标;而品类,省份城市,终端等属于维度。
目的:如果是统计类型的需求,这一步可以将需求细化,具体到有哪些指标和哪些维度,这将直接决定技术同学在「实施」层面的标准。
一个合理明确的数据需求务必需要写清楚:
- 指标:指标的业务描述,指标本身的统计逻辑;
- 维度:从哪些视角观察度量值,维度在精不在多。同时维度的多少也将直接影响数据的计算和结果存储的成本,也是需求合理性的重要评判依据。
常见问题:
- 没有维度,指标不全面。造成需求返工;
- 指标无明确定义,计算规则。无法写计算逻辑。
14 需求分类:明确输出方式
目的:描述的需求的分类,即业务同学想要实现的输出效果。需求的输出方案会分为几类:赋能型,离线展示型,实时监控型,专题分析型,临时需求。
常见问题:1)原本临时的需求要做成线上离线报表或实时监控,资源消耗高2)可以一次得出结论的要求长期监控,投入产出回报率低。
如何提高数据需求?(分享提高数据需求的2大方式):常用 域名服务器 地址
常用 域名服务器 地址描述::