如何正确提出数据需求

宁可枝头抱香死,何曾吹落北风中。这篇文章主要讲述如何正确提出数据需求相关的知识,希望能为你提供帮助。
作者介绍
@李庆辉(新芭)
数据产品专家,数据产品团队负责人;
擅长数据治理、数据分析、数据化运营;
python书籍《深入浅出Pandas》作者;
“数据人创作者联盟”成员。


当下,数据在业务中扮演着越来越重要的角色,没有数据不知道业务进展如何,没有数据不知道如何决策,企业将数据视为风向标,也将数据视为源动力。


在企业内部数据的流动环节,最为频繁的就是不同角色表达对数据的需求。


本文将分享一个数据需求表达的范式,通过这个范式将自己的数据需求或者协助数据需求者明确、精准、快速地表达自己的想法。


01  对范式的思考


如果功能性产品,我一般会按照业务模型、业务逻辑、用户交互三个层面思考,如何理解业务方的产品诉求,也会用它来在检视自己的产品需求是否完善、逻辑是否无暇。


这三层思考正是映射到软件开发领域的经典 MVC 框架,从需求层面到执行开发层面能够找到一一对应的参照,这在软件工程中特别重要,极大减少了沟通成本和设计成本。


由此引发,对于数据需求,我想到我们在执行数据需求时,不论数据开发还是数据分析师,抑或是自己,都会用 SQL 去操作,这让我不可避免地想到能不能用 SQL 的语法结构来做为数据需求表达范式。


事实是可以的。


02  对 SQL 表达的剖析


无论一个数据需要多么复杂,关联多少张表,做多少运算,只要库表是齐备的,理论上都可以得到我们想要的数据。你看,在 SQL 数据查询中往往是这样的一个结构:


SELECT a,

b,

c,

count(a) AS i,

count(DISTINCT b) AS h,

max(c) AS t

FROM tab

WHERE day > 20211101

AND b = x

GROUP BY a,

b,

c

这里边有三个关键的子句需要我们关注:
  • WHERE/FROM
  • GROUP BY
  • SELECT


显然,FROM   和 WHERE 确定了我们要查询的数据范围,GROUP BY 给出了我们对数据的分组依据,SELECT 最终产出想要的数据。


在 SQL 的语法结构中,已经非常清晰地告诉我们数据的逻辑,我们要做的就是参照它,准确地表达我们的数据诉求。


03  SQL 的启示
在对 SQL 结构的分析后,我们可以得到这样的一个需求表达范式三要素,这个范式能保证我们正确地表达数据需求和顺畅地沟通数据需求。这三个要素是:


1) 统计范围
这部分对应 WHERE 和 FROM,需要知道需求中所涉及的统计领域以及限定条件。


如你要统计商品的数据,需要确定是所有商品还是当前在上架状态的商品;统计用户的信息,是否只包含付费用户;统计流量数据是否只包含手机端的流量等等。


时间的范围是必须的,即使是统计所有历史数据也需要明确出来。当然时间也可以是动态的,如最近 7 天,近一个月等,这和数据的操作执行时间有关。


数据的统计范围的确定有助了我们将问题限制在一定的界限内,减少了对数据范围认知不一致而导致的沟通障碍。


【如何正确提出数据需求】2) 统计维度
统计维度就是 SQL 中 GROUP BY 的部分,利用 GROUP BY 对明细数据进行分组,数据分析时以这些分组的视角对数据表现进行评估。所有的数据无论是单一的分组还是多重分组,都会有相应的维度表示。


在一个时间范围内,维度可以按照年、月、周、日、时、分等粒度划分难度,前提是有相应更小粒度的细节数据。


统计学意义上的分类数据、离散数据都可以做为维度,如针对性别,可以按男、女维度来分析数据。连续数据通过分箱等手段也可以进行维度划分。


维度的确定,明晰了数据分析的角度,对分析结果至关重要。当然,多维分析也是一种数据搜索的常用手段,在需求确认时,需要明确是否需要多维分析以及有哪些维度组合。


3) 统计指标
统计指标是 SQL 的 SELECT 数据输出部分,就是最终看到的数据形式。一般情况下所有维度会输出并作为指标的指示。


指标即口径,也就是针对前述维度的计算方法,维度一般会参与计算,但有时也不参与计算。计算方法一般会是计数、去重计数、求极值、平均数、标准差等聚合运算。


统计指标是需求方最终看到的结果,从范围到维度,到最终的指标数据输出,指标的计算方法是最为重要的一个环节。


以上三个元素,能够比较准确地描述一个数据需求,让需求执行者明确地进行数据执行操作。


04  最终我们如何做


由于需求方一般不具备 SQL 技能,不能理解以上相关概念,但我们确实需要这些信息,可以平时做一些引导和培训,让其按这种范式提出需求。如果无法抽象理解这些概念,可引导需求方画出数据样例,并对所有列一一指明逻辑。


另外,一些其他信息或者对我们也有帮助:
  • 需求方的身份背景:帮助我们判断需求提出者的动机及分析思路;
  • 需求背景:了解提出此数据需求的业务背景;
  • 需求的频率:如果是周期性数据可以考虑产品化;
  • 需求的期望完成时间:方便对需求进行排期,确定优先级。


(完)


想了解更多数据知识也欢迎看,7 位大厂产品联合写的《大数据实践之路:数据中台+数据分析+产品应用》这本书。











    推荐阅读