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。

小插曲

我在参加人人都是产品经理2019年度作者评选，希望喜欢我的文章的朋友都能来支持我一下~

点击下方链接进入我的个人参选页面，点击红心即可为我投票。

每人最多可投10票哦，登陆了之后就有5票，投完之后可以点击主页的“为作者打call”就有机会增加5张选票～

投票即有机会获得百万惊喜礼品&起点学院千元豪礼哦！

投票传送门：http://996.pm/Yw5yQ

#相关阅读#

如何进行有效需求分析（4）场景篇

如何进行有效需求分析？（3）流程篇

如何进行有效需求分析？（二）

如何进行有效需求分析？（一）

#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