起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識需求篇：需求的來源-數據分析
編輯導語：數據分析是目前互聯網必備的一項基本技能，那么數據分析該怎么做呢？本文作者從需求的來源談論其數據分析方法，我們一起來看下。
今天給大家帶來的是需求來源的第二篇，也是我特別想和大家嘮嘮的一篇——數據分析。
一、數據是什么
要想搞懂數據分析，首先要理解什么是數據。
一種劃分方法將數據分為兩種，一種是原始數據，一種是經過處理后的數據。
很多做售后服務的公司會關心客戶報修/發起一個服務需求后，一線工程師的回電響應速度和上門維修速度。
有的還會以售后服務的及時性作為核心競爭力，那要如何衡量回電響應速度和維修速度呢？
拿快遞公司舉例，現在的一個標準為快遞員在接到客戶的寄件要求后，需要30分鐘內回電，2小時內上門。如果以這個為服務標準，可以定義出30分鐘回電率和2小時上門率的指標。
在公司內部，一般一次客戶服務請求的處理過程叫一個工單。
那么，30分鐘回電率和2小時上門率的指標可以用下面的方式定義。
- 30分鐘回電率=30分鐘內回電的寄件工單數量/所有寄件工單數量；
- 2小時上門率=2小時內上門的寄件工單數量/所有寄件工單數量。
這時候有的小伙伴就會問了，你怎么知道這個工單是否在30分鐘內回電或者在2小時內上門呢？快遞小哥分布在全國各地，總不能一個個監督盯著吧？
你說的一點毛病都沒有，這個問題在信息化時代之前確實不好解決。
而現在不一樣了，當客戶在小程序上創建好一個寄快遞的工單后，可以獲取到提交工單的時間，快遞公司內部會將工單創建成功的時間錄入數據庫。
同時，在企業內部一般都有內部的管理系統，用于記錄工單的流轉過程，可以獲取并記錄到快遞員第一次回撥客戶電話的時間。
同理，我們可以要求快遞員在上門后點擊上門按鈕，使用點擊按鈕的時間作為上門時間。
上面提到的記錄工單提交時間，快遞員回撥電話的時間，上門的時間等數據的記錄過程，有一個專用的概念——數據埋點。
工單創建時間、售后回撥電話時間和售后上門時間，這三個數據都是原始數據。而計算后得到的30分鐘回電率和2小時上門率是經過處理后的數據。
二、數據分析是什么
數據是最寶貴的生產資料之一，通過積累的數據可以發現客戶潛在的需求，驗證PM對于需求的判斷是否準確。
使用數據發現需求、驗證需求的過程，就是數據分析的一種定義。
在我看來，數據分析既可以用來提供靈感，某些靈感驗證后會變成有價值的需求，也用來驗證需求是否存在以及需求大小。
這么說有些抽象，我在下面舉一些例子來說明。
三、數據分析的兩個方向
數據分析一般有兩種運用的方向，一種是自下而上的，一種是自上而下的。
首先說第一種自下而上的運用方法。
當你對業務有一定感知，知道某個方向或事件存在機會，但模模糊糊看不清楚時，需要確認自己的判斷是否準確、具體的影響范圍、影響程度。這時可以用數據衡量出來。
舉個例子，假設你所在公司的業務是給飯店酒樓提供冰箱、冰柜之類的制冷設備，并且是租賃的形式。
你的工位正好位于客服組的對面，每天都能聽到客服小姐姐在接聽客戶電話，處理設備維修、經朋友推薦需要合作、回訪看看滿意度怎么樣等等問題。
一個平淡無奇的周一，你突然感到今天的報修電話好像格外多，但是不確定是不是偶發情況。
因為這些設備直接影響食材的質量，出現故障會給商家造成損失。
同時租賃的形式看重的是客戶續費的情況、按時回款的情況，如果設備頻頻出現故障客戶滿意度會下降，進而影響后續的合作。所以報修率是一個關鍵指標。
這個時候可以打開滴答清單記下這個信息，保持關注。
之后一連三四天，報修電話都很多，這個時候你坐不住了，詢問客服同學最近有沒有感覺報修變多了，客服同學身在一線，感知都很敏銳，會認同你的觀點。
接著你可以問，感覺最近多出來報修，客戶一般反饋什么故障現象，她們說冰箱制冷總是時好時壞。
這時候你可以拉出最近所有發單備注有制冷、偶發、時好時壞等關鍵詞的報修工單。如果想更精確的了解問題，時間充裕的前提下，可以抽著看下最近一周的所有報修工單。
拿到這些冰箱時好時壞的報修工單，和之前月份同樣故障現象的工單數量比較了下，發現確實最近多了很多（數據分析的過程）。
之后你給最近維修過這類故障的售后打電話詢問情況，發現是某一個零件老出故障。
然后順藤摸瓜，詢問研發和采購，發現這個零件是個外購件，并且最近更換了供應商，在測試零件質量時時間不夠，樣本量也不夠，導致測試時沒發現問題。
背后的原因是引進外購件時，測試環節不完善導致的。
這樣你就用數據驗證了你的業務感知，并且挖掘出了一個業務上的優化點。
其次來說說自上而下的運用方法。
當對業務有比較深刻的理解后，可以構建指標體系，衡量一個部門的關鍵指標是否存在異常，通過日常監控指標，發現異常數據，進而去了解背后的問題，從而解決問題。
比如售后部門，一般圍繞兩個事情做努力：客戶滿意，服務效率。
怎么能在客戶滿意的基礎上，讓一位工程師盡可能多的維護保養一些設備？
可以從滿意度和效率兩個方向進行指標體系的建設，比如滿意可以分為回訪滿意度、報修后一次解決的比例等。
效率的指標可以用一個人負責的設備臺數、一個月內報修的工單數量、完成一個報修的平均時間、核心零部件的故障率等來衡量。
平時把這些關鍵指標放到一個報表里，日常監督，當發現某一個指標最近突然升高時，去搞清楚背后的原因，有時可以挖掘出有價值的需求。
四、一些小tips
（1）運用數據的前提是對業務有一定感知。
如果沒怎么見過客戶、也沒和一線業務團隊經常交流，自己臆想出來的指標通常沒什么意義。
（2）數據分析很重要，但是實地的調研更重要。
一周抽一兩天時間見客戶，比看指標有用的多。因為指標是根據之前的認知定出來的，并且很難衡量現場的全部問題，新的問題不一定全部能反應到指標上。
只盯著指標看，就會出現看似一切良好、欣欣向榮，實則一塌糊涂的情況。
本文由 @易哲 原創發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
親，。h
說的很對