本文转载自微信公众号「巡山猫说数据」，作者巡山猫。转载本文请联系巡山猫说数据公众号。
你好，我是巡山猫！
我们日常工作中经常接触到的一个问题：我有个需求，帮我做一下呗。我们这两篇就来聊聊需求。
今天先说说需求的分类和拆解方式，下一篇我们来说说需求的输出方式及相应的价值分层。
需求的定义与分类
关于数据需求，在DCMM（数据管理成熟度评估模型）中有这样一个定义：指组织对业务运营、经营分析和战略决策过程中产生和使用数据的分类、含义、分布和流转的描述。
举个例子，业务方让我们跑个数据，这个就是数据需求；业务方叫我们开发一个指标，这也是数据需求；我们开发数据产品，上线数据系统，这个也是数据需求。
整体来说，从定义中可以看到，数据需求可以划分为 数据分类，数据含义，数据分布，数据流转这几种。
但是一般情况下，我们在做需求的时候，都不会这么去定义分类，也不会将需求分的这么细。而是根据干活儿的内容，去定义相关的需求，也就是下图这种情况。
“我需要一个XX数据，辛苦你帮忙跑一下数据”，“昨天上线了XX产品，辛苦帮忙做一个报表”，这种就是我们常说的临时需求，这个在大部分同学的工作中占比也最高，我们常说的Sql Boy就是这个类型的需求占比达到了几乎100%。
而“XX数据又下降了，帮忙看看啥原因”，“我们想要提升GMV，想知道该从哪些方向发力”，这种就是项目需求，也是我们常说的分析需求。这种需求无论对业务还是对自己，成长都很高，我们应该多去做这种需求。
但是这时候，我们就有个疑惑了。我每天都被临时需求堆满了，成了所谓的表哥表姐，Sql Boy，根本做不了什么分析，都是杂活。不要急，这个就涉及到需求的拆解了。
需求的拆解与输出
先说结论，大部分数据需求，我们都可以由 “定 拆 比” 三个步骤来完成。
定：顾名思义，就是定性，定量。定性是指需求的目的是什么，以及需求本身是否正确。定量则是对需求有个初步的量化，即我们需要将需求的口水话，转化为具体的可量化的业务数据。
很多时候，来了一个需求，我们马上着手就做，这样是不对的。因为我们至少要确认两件事儿，一个是需求对不对，因为不能业务说DAU下降就真的下降了，都有正常波动对吧。
另一个是，你告诉我下降了，你想要知道为啥下降，还是想要提升DAU？也就是说，定性分析的目标，定量的量化需求，我们才能知道需求要什么 。
拆：也就是具体业务的拆分。我们可以将业务的理解，将需求拆分到可以落地的业务单元上，可能是一个商品，可能是一个页面。只有需求拆解了，我们才能知道数据如何拿到，以及数据如何组合。
我们对于需求的描述都是基于一些大指标。那这些指标如何拆解，落地到业务单元上，由什么构成，这个我们得清楚。拆分能够将业务现在的情况是怎样的，从粗到细的描述出来。
拆分了之后，我们才知道各个业务环节中的情况。知道该从那个业务环节上去做事情。也就是说，通过拆分，我们知道了当前的业务情况是什么。
比：比就是对比。不对比，数据本身就是一个数字，比如我们说今年产品GMV100亿，这个数字只是陈述了一个事实，并不能给出一个结论或者观点。
因为我们不知道100亿是多还是少。如果去年GMV是10亿，那就是多，如果去年GMV是1000亿，那就是少。如果竞品的GMV也是100亿，那么只能说我们也差不多。
基于对比，我们才能知道数据本身可以传达出的信息的结论。当然，这个对比，可以是和自己历史比，也可以和竞品比。
我们拆分出了数据，只能知道业务的情况是什么，并不知道每个业务的好坏。那也就不知道基于现状，业务为什么会这样，也不知道我们要怎么做。所以我们才要去对比，也就是去了解原因，及构建基于原因的一些后续解法。
根据这三个步骤，我们来举两个例子，大家体感会更深一些。
对于临时需求：
当业务方叫我们跑个XX数据时，我们首先要明确他们为什么要这个数据（定性），再明确下具体的数据口径（定量）。
根据目的，我们是否能够提出一些数据侧的建议，因为可能业务认为看产品PV能体现出用户对产品的喜好，但是可能产品的留存率是一个更好的指标。
之后再基于需求去开干。当然，我们得到数据后，也需要基于业务方的目的去有针对性的分析相关数据，直接产出相应的需求结论会大大提升我们日后工作中的话语权。
对于项目需求：
当业务告诉我们GMV下降得有点多，想知道一下原因。我们应该先定量的确定，下降了多少，以及基于这个下降值，定性的判断到底多还是不多（也就是是否是异常）。
再去根据GMV拆分成人货场（也可以按照公式拆分），去查看每个维度下的当前数据情况，再对比分析得出相应的下降因素，得到相关的结论，告诉需求方为什么下降。
当然，如果你更往上做一点，你还可以告诉业务如果想要提升GMV，我们可以从哪些方向去改进。
综上来说，数据需求的处理过程也就是从 需求要什么，到描述现状是怎么样的，再到基于现状，发现为什么及怎么做的一个过程。
很多同学，都在觉得自己是Sql Boy，这个因为我们只做了拆的这一步。
来了一个需求，比如跑个XX数据，我们只是机械的去将想要的数据，拆分成各个数据口径，用Sql 提取了出来。
我们既没有去确定这个需求的目标是什么，没有这个数据是怎样的，更没有关心业务拿来怎么用。那你不是Sql Boy 谁是？！
数据分析的价值不在于，我们提供了数据。而在于，我们提供了基于数据事实的结论，并提出了自己的观点，再往上我们还需要基于观点给出可执行步骤和收益损失预估。
我们只有不断的提升数据的价值，才能有更多的话语权，才能从Sql Boy转型到分析问题，输出策略的道路上。当然，这个就涉及到数据分析的输出价值了，我们下篇再来说。
知识点总结
以上，就是关于需求的定义与拆分，我们来总结下知识点。
1、数据需求指组织对业务运营、经营分析和战略决策过程中产生和使用数据的分类、含义、分布和流转的描述。
2、结合数据需求的定义，数据需求一般可以分为 数据分类，数据含义，数据分布，数据流转。但是日常工作中，我们更愿意将需求分为临时需求，项目需求，还有平台需求。
3、完成一个需求，一般需要“定 拆 比”三个步骤。先定性及定量需求是什么，再去结合需求拆分具体业务，知道现状是什么，之后再去对比业务的数据，了解为什么现状是这样，才能告诉业务方，需要怎么做。
4、如果不想做Sql Boy，表哥表姐，那么需求到来时，我们一定要关心需求背后的目的，结合数据侧的理解，给出相应的数据建议；当需求交付时，我们一定要给出相应的数据结论和观点。
