針對管理支持的數據分析，今天我們一起來探究一下事后階段的數據分析，有著怎樣的奧秘。

歡迎來到大型情感類專題：如何進行有效需求分析：數據篇。

我們在需求分析系列的第一篇中就提到過，功能主線梳理的其中一個角度就是管理支持，而管理支持又包含了三方面：

• 事前風險避免，通過增加“管理流程”；
• 事中風險控制，通過“規(guī)則”和“審批”；
• 事后總結優(yōu)化，通過“數據分析”。

事前與事中兩個階段，我們已經在“流程篇”中討論過了，今天我們一起來探究一下事后階段的數據分析，有著怎樣的奧秘。

數據與信息

風起于青萍之末。

想要對數據進行研究，首先我們需要先厘清數據與信息之間的關系。

我們在“場景篇”中討論了關于在線旅游服務網站的內容，并且在用戶不知道準備哪些相應行李的場景下，在解決方案中提出了“天氣預報”的功能，就讓我們來繼續(xù)這個課題的研究。

提到“天氣預報”，我們首先想到的，應該是溫度這個數據吧。

說出來你可能不信，溫度這個數據本身是毫無意義的。我們之所以看到第二天的溫度是0℃時，會穿上厚厚的衣服，是由于我們日復一日對于所處環(huán)境的切身感受而形成的認知。

當我們脫離熟悉的環(huán)境，比如到從未去過的遠方旅游時，這個溫度數據的參考價值就會大打折扣。城市的0℃，草原的0℃，山區(qū)的0℃，以及海邊的0℃所代表的含義，我相信相去甚遠吧。

所以，用戶想獲知的是溫度數據嗎？

其實并不是，用戶想知道的是應該涂抹什么樣的護膚品，需要穿什么樣的衣服，以什么樣的交通方式出行合適等等。墨跡天氣，提供了用戶想知道的天氣預報。

（墨跡天氣界面）

從以上的事例中，我們可以得到以下啟示：

• 數據反映事物的表象，信息反映事物的本質；
• 數據經過加工處理之后就成為了信息，而信息需要經過數字化轉變成數據之后才能存儲和傳輸；
• 數據是用于表示客觀事物的未經過加工的原始材料，信息的基本作用是消除人們對于事物了解的不確定性；
• 數據更多代表的是實現方式，是我們所說的技術思維，而信息代表的則是用戶價值，是需求分析過程中我們應該把握的產品思維。

數據與信息是有距離的，而這個距離就是“why”所帶來的，多問問用戶為什么要看到這些數據，甚至于這些數據有什么作用，我們就會“發(fā)現新大陸”，也就能夠更深入地理解其中的需求。

信息管控

我之前看到過一句對于當前時代的評價話語，感覺特別有意思：

這個時代數據是爆炸了，但信息卻很貧瘠。

我覺得這句話還真的挺有道理，不信的話，我們接著往下看。

考勤系統，大家就算沒有設計過，也都使用過吧。我們知道，考勤系統最主要的內容，就是各種數據了

。那什么樣的考勤系統，才是最完美的考勤系統呢？

是收集了所有競品的軟件說明書之后，做到人無我有，人有我優(yōu)么？

非也，這種設計思路，正是導致上面那句時代評語的原因所在。

我們來看一個事例，員工遲到統計報表，這是最常見的考勤系統的報表了吧。我們有多少人，深入思考過企業(yè)為什么需要這張報表呢？

我們來試著深入分析一下：

員工遲到統計報表>統計哪些員工出現了遲到行為>統計出來扣錢>評估員工的積極性

我們可以看到，前三步全都是方案級需求，而第四步才是問題級需求，這一步也正是企業(yè)的信息管控點所在。如果我們只是單純地收集了競品內容，而加上相應報表的話，那只是單純地仿其形，而未悟其神。

那我們該如何思考呢？

既然我們知道了，企業(yè)的問題級需求是評價員工的積極性，那我們可以咨詢企業(yè)用戶，什么樣的員工是不積極的。然后，本著用數據把這樣的員工找出來的思路，就可以找到更多潛在的業(yè)務報表了。

例如離崗時間統計報表，因為老板發(fā)現有些煙民會在工作過程中出去抽煙，一根5分鐘，一天一包就是100分鐘，我們可以用數據把他們抓出來。再比如員工代打卡分析，我們把兩張工卡在多次出現1-3秒鐘內打卡成功的記錄都抽出來，這樣他們就無處逃避了。

針對以上的案例，我們可以看到，“員工積極性評價”是信息管控點，是why；“員工遲到統計報表”是解決方案，是how；而出勤情況、代打卡、有效工時，則是針對員工積極性評價的“指標”。

信息管控點的“why”與解決方案的“how”之間存在斷層，補充這個斷層的方法就是思考出“指標”。

需要指出的是，針對同一信息管控點，不同的企業(yè)、不同的組織、不同的管理者都有可能會使用不同的“指標”來實現這一管理意圖。

所以說，因地制宜，在需求分析的過程中就顯得尤為重要。

數據分析

我們上文給出了一個觀點：數據更多代表的是實現方式，是我們所說的技術思維。

那我們來看一下，針對數據層面，我們應該如何思考，然后在原型或者PRD文檔中，又應該給我們的研發(fā)人員傳遞怎樣的內容吧。

數據應用分析

哪些流程會用到該數據？

在這些流程中會創(chuàng)建、查詢、修改、刪除該數據的記錄嗎？

每個流程需要使用的數據字段有哪些？

數據構成分析

• 該業(yè)務數據由哪些字段構成？
• 這些字段是什么類型的？
• 這些字段的最大長度是？
• 它們有取值范圍嗎？
• 它們是非空的嗎？
• 它們是自動編號的嗎？

數據特點分析

• 哪些字段是常用的？
• 哪些字段常為空值？
• 哪些字段會作為關鍵字搜索？
• 哪些是穩(wěn)定的，哪些有擴展需求？
• 數據記錄的增長速度有相應的規(guī)律嗎？
• 多長周期的數據可視為歷史數據？

結語

好了，以上就是我們今天的所有的內容了，至此為止，我們需求分析的系列文章，也就全部解讀完畢了。

最后，說一下自己的感悟吧。

此系列文章，我們從一個生活中的故事入手，我們講述了用戶思維的孩子，技術思維的媽媽與產品思維的爸爸，探討了不同的思維方式。

而后，我們又溝通了價值需求的內容，我們知道了，如何將那些放之四海而皆準的目標愿景進行細化。

接下來，我們對于整天都在探討的業(yè)務流程與業(yè)務場景進行了系統的學習。

最后，我們厘清了數據與信息之間的關系。

我最大的收獲是明白了，需求分析并不是什么高深的理論模型，而是一種思維方式，是一種思考角度。很多時候我們都知道，需求是客觀存在的，就在用戶那里，但是我們往往面臨著無從下手的窘境，或者是如“鬼打墻”一般無法走出去的困境。

此系列內容，似乎讓我找到了前進方向的燈塔。

不知道，一路走來的你，又有何感悟呢？

我們在開篇中給出了一張貫穿始末的“需求全景圖”，最后的最后，我們還是以這張圖收個尾吧。

小插曲

我在參加人人都是產品經理2019年度作者評選，希望喜歡我的文章的朋友都能來支持我一下~

點擊下方鏈接進入我的個人參選頁面，點擊紅心即可為我投票。

每人最多可投10票哦，登陸了之后就有5票，投完之后可以點擊主頁的“為作者打call”就有機會增加5張選票～

投票即有機會獲得百萬驚喜禮品&起點學院千元豪禮哦！

投票傳送門：http://996.pm/Yw5yQ

#相關閱讀#

如何進行有效需求分析（4）場景篇

如何進行有效需求分析？（3）流程篇

如何進行有效需求分析？（二）

如何進行有效需求分析？（一）

#專欄作家#

曉莊同學；公眾號：曉莊同學產品筆記，人人都是產品經理專欄作家。智慧校園領域的B端產品經理。

本文原創(chuàng)發(fā)布于人人都是產品經理。未經許可，禁止轉載

題圖來自Unsplash，基于CC0協議