产品运营中该如何正确的提数据需求?

1 评论 8300 浏览 98 收藏 8 分钟

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。

1.1 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:

  1. 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;
  2. 无法评估是否有更好,更优的解决方案。

1.2 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:

  1. 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;
  2. 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;
  3. 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。

1.3 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:

  1. 指标:指标的业务描述,指标本身的统计逻辑;
  2. 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:

  1. 没有维度,指标不全面。造成需求返工;
  2. 指标无明确定义,计算规则。无法写计算逻辑。

1.4 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。

(图1:需求分类表)

二、数据团队评估

业务团队按照需求规范提供了需求后,传递到数据团队手中。由数据产品统一把关,若在一些技术问题上不能明确给出解决方案的,则需要拉上技术同学共同评估。整体围绕两方面展开:

2.1 需求要素:有数据,可执行,数据能够解决

我们在评估数据需求的时候需要明确一点「数据需求!=需求」,数据需求三要素:1)有数据:有指标数据,且必须准确可靠2)可执行:数据能落地,技术手段可实现3)数据能够解决:数据需求所选指标可解决业务问题,考量需求落地性,产品最终结果是否可驱动业务动作

产品运营同学,该如何正确的提数据需求?

(图2:需求三要素)

2.2 执行角色:谁解决

在事情的执行上,通常会有一些需求边界不清晰,而在一个组织里会因为事情边界的不清晰带来诸多问题。需求边界不清晰的体现通常表现为:原本该业务团队自行实现的,转而采用了消耗资源较大的数据专业团队的能力实现,这是一类「大刀砍小树」的现象,会造成没必要的资源浪费。

因此我们在划分需求边界的时候通常有如下规则:

  1. 数据团队:核心解决 “报表可视化、跨业务团队、基于 日志、量大” 类型需求;
  2. 业务团队: 单一业务需求;线上实时数据需求 (接口)批量访问等场景 类型需求。

举例:临时数据、自动邮件、关系型接口

以上。

 

作者:蒋坤伟,数据产品经理,微信公众号@黑夜月

本文由 @蒋坤伟 原创发布于人人都是产品经理。未经许可,禁止转载

题图来自Unsplash,基于CC0协议

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 笔给您🤲,再写点,没看够。

    回复