关于数据分析的思考(二)

数据需求的处理

面对数据需求，5w2h方法开始
why：为什么提需求？对方是用来干什么的？为什么要这些字段？
who：谁提出来的数据需求？是否有中间人？最根本是谁来用这个数据？
what：具体提了什么需求？字段定义都有哪些？
when：数据需求deadline？数据需求的周期是多久？
where：业务处于什么阶段提的需求？
how：数据需求要怎么处理？现有的报表是否可能满足？是否可以后期将这些临时需求糅合进入现有的固化报表中？
how much：每周的需求是什么情况？占用工作时长是多久？如果花时间减低，我能够做到什么程度？
面对数据需求：不能无休止的满足，需要想尽一切办法降低临时需求量，保证工作时间可以充分去处理其他重要且不紧急的事情。

数据分析的框架整理

拿到一个问题：
1、需要先定义问题
三类问题：理想型问题、恢复性问题、预防性问题；了解问题背景，了解提出问题人的初衷是什么？确定问题的核心指标，比如GMV下降5w？转化率下降5%。(理想型问题需要确定目标，或者处理成一个浮动目标公式版，一般领导提出这种问题，会想：正常情况下，我能做多少？如果把某个过程指标增加多少，我能做多少？如果我目标是多少，过程指标要做多少？这些都是需要设置成浮动的点，方便和领导沟通的时候随时调整阐述，不然会议室再来调整，肯定得被diss准备不充分，没有能力处理完问题)。
2、使用演绎法拆解问题框架，这里用归纳法去探索、假设问题，但是一定不能完全用归纳法阐述解释问题。
演绎法拆解遵循的MECE原则：相互独立，完全穷尽，框架性思考非常重要。
拆解问题中，首先是5w2h进行确定问题范围(什么人为什么在什么时间什么地点用什么方式做了多少程度的什么事)，再详细拆分指标(公式法、漏斗法)+维度(象限法、分层法)进行详细拆解每项问题。
3、通过拆解后，选择对目的的影响最大的几个维度进行详细拆分，定位最根本的原因。这个过程中，就需要详细的去看