如何进行有效需求分析(5):数据篇
针对管理支持的数据分析,今天我们一起来探究一下事后阶段的数据分析,有着怎样的奥秘。
欢迎来到大型情感类专题:如何进行有效需求分析:数据篇。
我们在需求分析系列的第一篇中就提到过,功能主线梳理的其中一个角度就是管理支持,而管理支持又包含了三方面:
- 事前风险避免,通过增加“管理流程”;
- 事中风险控制,通过“规则”和“审批”;
- 事后总结优化,通过“数据分析”。
事前与事中两个阶段,我们已经在“流程篇”中讨论过了,今天我们一起来探究一下事后阶段的数据分析,有着怎样的奥秘。
数据与信息
风起于青萍之末。
想要对数据进行研究,首先我们需要先厘清数据与信息之间的关系。
我们在“场景篇”中讨论了关于在线旅游服务网站的内容,并且在用户不知道准备哪些相应行李的场景下,在解决方案中提出了“天气预报”的功能,就让我们来继续这个课题的研究。
提到“天气预报”,我们首先想到的,应该是温度这个数据吧。
说出来你可能不信,温度这个数据本身是毫无意义的。我们之所以看到第二天的温度是0℃时,会穿上厚厚的衣服,是由于我们日复一日对于所处环境的切身感受而形成的认知。
当我们脱离熟悉的环境,比如到从未去过的远方旅游时,这个温度数据的参考价值就会大打折扣。城市的0℃,草原的0℃,山区的0℃,以及海边的0℃所代表的含义,我相信相去甚远吧。
所以,用户想获知的是温度数据吗?
其实并不是,用户想知道的是应该涂抹什么样的护肤品,需要穿什么样的衣服,以什么样的交通方式出行合适等等。墨迹天气,提供了用户想知道的天气预报。
(墨迹天气界面)
从以上的事例中,我们可以得到以下启示:
- 数据反映事物的表象,信息反映事物的本质;
- 数据经过加工处理之后就成为了信息,而信息需要经过数字化转变成数据之后才能存储和传输;
- 数据是用于表示客观事物的未经过加工的原始材料,信息的基本作用是消除人们对于事物了解的不确定性;
- 数据更多代表的是实现方式,是我们所说的技术思维,而信息代表的则是用户价值,是需求分析过程中我们应该把握的产品思维。
数据与信息是有距离的,而这个距离就是“why”所带来的,多问问用户为什么要看到这些数据,甚至于这些数据有什么作用,我们就会“发现新大陆”,也就能够更深入地理解其中的需求。
信息管控
我之前看到过一句对于当前时代的评价话语,感觉特别有意思:
这个时代数据是爆炸了,但信息却很贫瘠。
我觉得这句话还真的挺有道理,不信的话,我们接着往下看。
考勤系统,大家就算没有设计过,也都使用过吧。我们知道,考勤系统最主要的内容,就是各种数据了
。那什么样的考勤系统,才是最完美的考勤系统呢?
是收集了所有竞品的软件说明书之后,做到人无我有,人有我优么?
非也,这种设计思路,正是导致上面那句时代评语的原因所在。
我们来看一个事例,员工迟到统计报表,这是最常见的考勤系统的报表了吧。我们有多少人,深入思考过企业为什么需要这张报表呢?
我们来试着深入分析一下:
员工迟到统计报表>统计哪些员工出现了迟到行为>统计出来扣钱>评估员工的积极性
我们可以看到,前三步全都是方案级需求,而第四步才是问题级需求,这一步也正是企业的信息管控点所在。如果我们只是单纯地收集了竞品内容,而加上相应报表的话,那只是单纯地仿其形,而未悟其神。
那我们该如何思考呢?
既然我们知道了,企业的问题级需求是评价员工的积极性,那我们可以咨询企业用户,什么样的员工是不积极的。然后,本着用数据把这样的员工找出来的思路,就可以找到更多潜在的业务报表了。
例如离岗时间统计报表,因为老板发现有些烟民会在工作过程中出去抽烟,一根5分钟,一天一包就是100分钟,我们可以用数据把他们抓出来。再比如员工代打卡分析,我们把两张工卡在多次出现1-3秒钟内打卡成功的记录都抽出来,这样他们就无处逃避了。
针对以上的案例,我们可以看到,“员工积极性评价”是信息管控点,是why;“员工迟到统计报表”是解决方案,是how;而出勤情况、代打卡、有效工时,则是针对员工积极性评价的“指标”。
信息管控点的“why”与解决方案的“how”之间存在断层,补充这个断层的方法就是思考出“指标”。
需要指出的是,针对同一信息管控点,不同的企业、不同的组织、不同的管理者都有可能会使用不同的“指标”来实现这一管理意图。
所以说,因地制宜,在需求分析的过程中就显得尤为重要。
数据分析
我们上文给出了一个观点: 数据更多代表的是实现方式,是我们所说的技术思维。
那我们来看一下,针对数据层面,我们应该如何思考,然后在原型或者PRD文档中,又应该给我们的研发人员传递怎样的内容吧。
数据应用分析
哪些流程会用到该数据?
在这些流程中会创建、查询、修改、删除该数据的记录吗?
每个流程需要使用的数据字段有哪些?
数据构成分析
- 该业务数据由哪些字段构成?
- 这些字段是什么类型的?
- 这些字段的最大长度是?
- 它们有取值范围吗?
- 它们是非空的吗?
- 它们是自动编号的吗?
数据特点分析
- 哪些字段是常用的?
- 哪些字段常为空值?
- 哪些字段会作为关键字搜索?
- 哪些是稳定的,哪些有扩展需求?
- 数据记录的增长速度有相应的规律吗?
- 多长周期的数据可视为历史数据?
结语
好了,以上就是我们今天的所有的内容了,至此为止,我们需求分析的系列文章,也就全部解读完毕了。
最后,说一下自己的感悟吧。
此系列文章,我们从一个生活中的故事入手,我们讲述了用户思维的孩子,技术思维的妈妈与产品思维的爸爸,探讨了不同的思维方式。
而后,我们又沟通了价值需求的内容,我们知道了,如何将那些放之四海而皆准的目标愿景进行细化。
接下来,我们对于整天都在探讨的业务流程与业务场景进行了系统的学习。
最后,我们厘清了数据与信息之间的关系。
我最大的收获是明白了,需求分析并不是什么高深的理论模型,而是一种思维方式,是一种思考角度。很多时候我们都知道,需求是客观存在的,就在用户那里,但是我们往往面临着无从下手的窘境,或者是如“鬼打墙”一般无法走出去的困境。
此系列内容,似乎让我找到了前进方向的灯塔。
不知道,一路走来的你,又有何感悟呢?
我们在开篇中给出了一张贯穿始末的“需求全景图”,最后的最后,我们还是以这张图收个尾吧。
#相关阅读
#专栏作家
晓庄同学;公众号:晓庄同学产品笔记,人人都是产品经理专栏作家。智慧校园领域的B端产品经理。
本文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
作者暂无likerid, 赞赏暂由本网站代持,当作者有likerid后会全部转账给作者(我们会尽力而为)。Tips: Until now, everytime you want to store your article, we will help you store it in Filecoin network. In the future, you can store it in Filecoin network using your own filecoin.
Support author:
Author's Filecoin address:
Or you can use Likecoin to support author: