编辑导语：在举办一项业务时，数据阐明往往是很重要的，业务人员会提出较量多的阐明需求，这时数据阐明师需要举办分类和阐明；本文作者按照本身的履历，整理了一套界说问题的要领，但愿对你有辅佐。

一、现实与Kaggle的区别

现实情况的数据阐明事情和Kaggle题目之间，更大的区别在于Kaggle上的问题往往很是清晰。

预测类问题，你只需要把预测做的足够精确就能拿高分。

但在实际的业务情况中，你做了一个很牛逼的预测模子，换返来的只是业务方一句“这个有什么用？”

有时候业务方提出的问题也很不靠谱，提需求的时候说是要阐明一个问题的原因，功效实际上问题基础就不存在，只是对方的感受。

所以假如你在Kaggle上可以混的风生水起，那么只能说你对付确定性问题的解题要领把握较量好。

但到了实际业务情况下，识别问题成了一个更重要的本领。

业务人员提的数据阐明需求往往很杂，各类光怪陆离的“是不是、有几多、为什么、能不能、会不会，怎么办”等问题层出不穷。

到底哪些问题可以归为一类？这类问题又该如何阐明？这是每个数据阐明师都想知道的。

我按照本身的履历和领略，整理了一套界说问题的要领，分享给各人。

二、一个业务阐明需求的必备要素有哪些？

一个业务阐明需求，必备的要素有哪些？

上一篇提到了一个思考框架，业务流、打点流与数据流。

这里简朴温习一下，一般常见的阐明流程：

1. 是什么

用数据流回响打点流，办理“是什么”的问题。留存率是几多，算高算低？假如留存率低的话是哪类用户低？

我一般把常见的细分阐明得出的结论，都归纳成“是什么”。

“为什么购置转化率低？”，“因为落地页的转化率低”。

雷同这样的答复，其实只是对转化率做了细分，本质上照旧“是什么”。

真正的“为什么”是“为什么落地页的转化率低？用户到底在想什么？需求是什么？”

2. 为什么

用数据流回响业务流，办理“为什么”的问题。

什么原因造成一部门用户的留存率低？是因为需求无法满意？还长短方针用户群体？

假如是落地页转化问题，那么此刻落地页上的问题是什么？哪些元素低落了转化率？

这类问题的谜底要落实到详细的用户需求上。

有时候数据可以回响用户的实际利用环境，好比用户在落地页上逗留较长，也愿意查察勾当法则，可是转化率很低。

那么这种环境或许率是用户被卖点吸引，可是看不懂法则，可能实际勾当与他的领略纷歧致。

许多环境下，数据没法直接回响用户碰着的问题，必需通过用户调研实现。

3. 怎么办

在打点流中找对策办理业务流的问题，办理“怎么办”的问题。

假如是需求无法满意这部门用户，那么我们可以怎么办理这个问题？增加成果照旧优化现有成果的体验？

有时候，这一步并不必然是数据阐明师来做的，甚至不是从数据上推导的；上一步的“为什么”假如已经找到很是详细的原因，好比“A类用户流失主要是由于会员到期”，那业务方环绕着如何促进续费就能改进这一状况。

4. 目标

除了阐明的常见流程，尚有一个阐明的前提——这次阐明的目标是什么。

这个目标往往是改进某一个详细的指标。

我固然常常吐槽业务人员没有数据驱动业务的思维，可是在KPI问题上，业务人员对数据思维往往很是好；假如做的工作没步伐用数据权衡，对业务人员来说代价不大。

所以，一般来说，一个数据阐明需求一共要颠末四个阶段：

目标：确定阐明的目标，优化什么指标。

是什么：确认此刻的指标环境“是什么”，问题会合在哪个部门？

为什么：近况为什么是这样，用户的需求是什么？

怎么办：拟定什么样的对策来优化指标。

三、通例的数据阐明问题范例

最通例的问题范例，是业务方知道前面N个环节，需要阐明后头的环节。

好比最通例的，只知道目标，后续都需要阐明。

用户运营找到数据阐明师，想要做一个专题阐明，主题是如何晋升用户的活泼率。

这个问题的目标很明晰——“晋升用户活泼率”。

可是后头的部门就没那么清楚了，数据阐明师可以凭据之前提到的四个步调一步一步地向后推进。

首先要做的是“是什么”，把现有的用户活泼率的数据提取出来，看一下今朝的数据表示如何。

假如数据表示确实不太抱负，那么再看看到底是整体都低，照旧有部门群体出格低。

之后是“为什么”的阶段。假如有部门群体活泼率出格低，那么这部门用户为什么活泼率低？他们的需求是什么？

最后，针对新用户的问题，拟定对应的业务行动；假如发明这部门群体只利用一些基本成果，那么如何引导他们利用高级的成果？

这样一个完整的阐明根基就完成了。

个中的详细阐明细节本篇临时不接头，放到下一篇再讲，这篇主要讲一下整个阐明思路的框架。

这类问题是知道前面N个环节，阐明进程都是雷同的，向后阐明即可。

四、验证意料型需求

其他的数据阐明问题，可以用一个表来归纳。