数据分析师，如何支撑看板需求？
对于数据分析师来说，其中一项日常工作是根据业务需求，来设计和制作看板。今天大师兄就和大家一起来梳理——如何支撑看板需求！
我们可以把支撑看板需求的处理分成3个阶段：发现问题、需求确认、需求处理。
1发现问题
数据分析的核心目的就是发现问题和解决问题。
有时候业务提出的分析需求，可能只是个人的设想，作为分析师，需要有独立判断的能力，帮助提出问题的人梳理清楚问题。
1、何为有效问题？
1）是否有价值？
该问题是否与公司、部门的OKR相关？是否跟着公司战略方向走？
比如某个产品已经流量见顶了，公司整体策略由拉新获客变为提升活跃留存、维护老客，那么即使产品用户体量趋于平稳，也不需要在这上面过于下功夫研究。
2）是否涉及核心指标？
首先需要熟悉公司有哪些指标，尤其是核心指标具体是哪些。其次，需要继续了解这个问题是否涉及核心指标，且涉及了哪些核心指标。
3）是否影响面广？
是否关系到公司的整体策略？这个问题如果不解决的话，会产生多大的影响？如果解决了的话，会有多大的利好？
4）是否可规避？
受宏观影响还是微观影响？无法避免还是本可避免？
比如疫情原因导致的线下门店销量下滑，公司业绩跟着下滑，这类原因受宏观影响，且无法规避。此时单纯研究这个问题意义不大。
若这个问题未受宏观影响，比如，某个产品的最近复购率下降，但宏观政策和环境并没有改变，此时需要深入探索是不是产品本身出现问题，或是竞品导致。这个问题是本可规避但未规避。
5）是否有时效？
时效性的理解就是，如果这个问题现在不解决，对业务后续发展会产生一定的影响。
比如，研究前年10月销售下跌的原因则没必要，要保证数据与时俱进，避免数据过于陈旧；再比如，当前时间节点若是处于市场竞争激烈的态势，则需把握产品的实时数据变化，及时发现问题并迭代。
通过什么方式发现问题？
- 与历史对比：是否符合历史惯例趋势，比如数据一直平稳波动还是突增or突降？
- 与同期对比：如周同期、月同期，年同期。
- 与总体对比：比如某个sku盈利情况与所在品类盈利情况的对比，该sku对总体的的贡献率如何？
- 与竞品对比：与存在竞争关系的产品进行对比，寻找差异点。
- 与目标对比：与公司目标、部门目标相匹配的可衡量指标进行对比，是否有跟着公司战略方向走？
- 与经验对比：以经验第一时间迅速洞察问题，比如双11某门店营收不升反降。
- 与预测对比：与预测数据的差距是否在正常范围内？
2、问题拆解与归类
常见的问题归类方式有：
按照四象限法则进行归类：紧急不重要、紧急且重要、不紧急不重要、不紧急重要
按照问题类型进行归类：交易相关、流量相关、用户体验相关、数据安全相关、财务数据相关……
有时候我们遇到的问题很棘手，大且复杂。一片迷茫，思维混乱。如何着手去解决？这时候，我们需要将复杂的问题进行拆解，而非将焦点浮在问题表面，把大问题围绕核心点拆解成可以行动的小问题，找到切入点。
打个比方，某个线上产品营收下降了10%，将10%拆解到各个子产品线、各个地区维度等，拆解出下降由哪方面带来，再针对性的逐个分析。
站在业务角度想问题
做分析，很容易陷入一个圈：为了分析而分析。
看到一个问题，会想可以用xx模型、xx技巧、xx模板来分析了。使用了一圈的技能，复杂的过程，密密麻麻的公式等，感动了自己，迷茫了需求方。
而对于需求方，在实际业务中其实并没有办法使用。
因此，从实际业务需求想问题，哪怕只是做了一些很基础的分析和计算，也可能会给业务带来很大的便利。
发现问题之后，有了初步的方向，下一步就是需求确认。
3、需求确认与梳理
1、确认需求背景
需求产生的原因：为什么会有这样的需求？
需求要达到的目标：此需求期望在什么时间通过什么样的方式达到什么样的目标？
2、确认指标口径
需要确认清楚这个需求涉及什么指标，哪些是核心指标哪些不是核心指标。每个指标的口径是什么，最近有没有更改口径。
比如客单价，即使大家都知道客单价=GMV/用户数，但是不能想当然以为需求方肯定知道，需求方也以为你肯定也知道，双方未核对口径直接开工干活。这样会存在两波客单价口径不一致的风险。分子什么维度、分母什么维度，都需要对清楚。
因为分析角色是干活的一方，需求方是发布需求的一方，所以面对需求，自身需要想的更多些，有些点需求方可能没想到，此时分析师需要具备更多的主动性。引导沟通、多方核对。毕竟，不沟通清楚需求直接干，容易背锅且被投诉，也竹篮打水一场空，浪费了时间。
3、确认数据维度
数据维度可以理解为研究数据的角度，比如地区、城市、用户名等。
- 需要向需求方了解清楚:
- 需要什么维度的数据？
- 此数据维度按照什么方式聚合？
- 去重还是非去重？
- 直接聚合还是累积聚合？
- ……
4、确认底层逻辑
需求方提需求，一般只会讨论需求详情，但是需求怎么做，数据从哪里获取，他们不需要关心。
比如，需要看某个商品的七日复购率，数据库表中有七日复购率指标么？若有指标口径是否和需求方的口径一致？若无，需要从哪些数据库表进行关联得到所需数据？自己关联计算的逻辑需要数仓落表还是直接应用？
5、确认需求排期
在了解好需求后，需要根据当前的人力进行需求排期，确定完成需求的时间。
6、确认数据安全
分析师可以接触到很多底层数据，必须要有数据安全意识。有的公司划分比较严格，某个模块的需求专门安排某个分析来一一对接。但有的公司没这么严格，需要判别下需求方是否可以查看该数据。
1）需求方是否可查看该数据
即使是同一个公司的人，各自的数据权限也并不一样，一般不允许非必要性情况下获取本职工作以外的数据。比如，两个部门做着类似的产品，有着类似的用户群体，也背负着各自绩效，数据不能相通。
但对方都是希望可以获取另一方数据来做对比，这种情况有的公司不被允许。分析师自然也要判别这种情况，该给给，不该给则果断拒绝这个需求。
2）明细数据是否涉及数据安全
另一方面，需求方有时候需要明细数据，即数据粒度较细的非聚合数据，比如ods层、dwd层的数据，还需要判别下是否能够提供明细数据。有的公司明细数据会受到公司安全部门的监管。毕竟，明细在手，各种角度的分析都能搞。
4看板设计和制作
制作看板方面，可以从核心指标、维度拓展、页面布局3方面来进行设计，例如：
立即沟通
