在大厂推需求是种什么感受？-技术圈

昨天星球里有个同学跟我说了件事儿，顿时让我想起了前些年在大厂工作时的一些场景，特别熟悉。

这哥们儿在某大厂做垂直业务的产品，之前是从一家小公司跳过去的。第一次体验大厂工作让他有点不习惯，尤其是在推需求的环节。

他说，一个看起来简单的需求，可能你就需要联系不同的团队、和不同的人沟通、反复多次确认方案，最终才有可能落地。

而且，这个过程中最累心的不是方案本身，而是找人的过程。这一点，我是深有体会。

很多时候，能否找到对的人，直接决定了搞定需求的效率。在大厂推需求，有点像走迷宫破案。

举个我经历过的真实例子。

有个需求涉及的外部团队比较多，我先是找到 A，A 说不是他负责并推荐我去找 B。接下来我找到 B，发现 B 已经离职了，线索就此中断。

然后，我又去找和 B 同一个团队的 C，C 说让我找 D。好不容易找到 D，D 说现在他们有更高优先级的需求在做，你这个目前暂时做不了。

到此，人是找了一圈，问题没解决。

就算你直接找到对方团队的领导沟通，过程还是一样，只不过沟通顺序不一样而已。

所以，你要说在大厂推需求是种什么感受？首先这就是一个极度考验耐心的过程。如果你是一个特别在乎效率的人，这种感觉会让你非常不爽。

找人还算好的，就算找到了人，你的需求是否能被提上优先级还得看你怎么阐述需求的逻辑和背景，以及如何证明你的需求很重要。

在大厂待过的都知道，为自己争取资源是一项提高个人绩效的能力。

再举个例子。

不知道有多少人在京东上买过药，其实在网上购药和购买其他商品是两种不同的业务形态。

现在看，如果你购买的商品里同时存在处方药和其他商品，那么在购物车结算的时候就需要分开结算，之后的交易流程也是两个不同的分支。

但在之前，处方药不能出现在京东的主购物车里，而是有一个自己的独立购物车。而且，这个独立购物车的入口很难找，它出现在处方药商品详情页的底部。

因此，那时候经常收到用户的反馈和投诉，说自己加入购物车的处方药找不到了。

要解决这个问题，就必须将处方药和其他商品放到同一个购物车里。方案有了，为了让你们更直观理解改造前后的方案对比，我画了一幅图。

改造后，可以解决用户找不到已加购处方药的问题，这样既能提升便利性，也能降低客诉。

有一个业务概念需要先搞清楚。

市面上销售的药品分为处方药和 OTC（非处方药）。前者需要凭医生开具的处方购买，后者可以直接购买。

在京东原有的产品方案里，处方药有独立的购物车，不能与其他商品出现在同一个购物车里。而 OTC 药品可以和其他商品出现在同一个购物车。

另外，购药行为如果发生在线上，就需要电商平台具备药品销售资质，并且系统设计和流程需要符合国家 GSP 要求（药品经营管理规范）。

而之前京东商城的业务主体并不具备药品销售的资质，所以当初是收购了另一家公司改制成了后来的京东大药房。

这一点，其实可以从购物车到订单结算页后的流程里看出来。注意，在商品结算页的底部有一行小字，表明了药品售卖实际上是另一个业务主体。

别小看了这句话，这直接决定了业务的合规性。有和没有，是有本质区别的。

如果不了解业务，就会忽视这些设计细节。

所以，不能脱离业务单独看产品功能。如果只有功能，那就是一款计算机软件，而不是产品。

前面提到了，最初的设计是处方药有独立的购物车，后来才合并到京东的主交易流程的购物车里面来。

这个需求要落地，需要垂直业务线的产品技术和主购物车的产品技术配合完成，首要就是要搞定主购物车的产品经理，让他们接受这个需求。

需求背景清楚了、逻辑也搞清楚了、方案也明确了，按理说都是顺理成章的事儿。但是，事情远没有这么顺利。

首先，虽然逻辑和背景成立，但作为公共资源的主购物车团队，他们需要评估你这个需求的 ROI，并且要和其他团队踢过来的需求进行对比。

其次，没有事实数据的支撑，不足以证明这个需求有多么重要和多么紧急，虽然你们自己这么觉得。

所以，还得拿出点有说服力的东西，数据。

在大厂推需求，要么你有很高的职位或者话语权，要么你有充分的业务理由和数据支撑。

分析上面这个需求场景，至少有这么几个数据需要提供出来。

第一，处方药品类每日平均订单量以及 GMV，这个是用来说明业务体量的。

第二，通过原独立购物车结算的订单占比，另外就是从购物车到提交订单的转化率，这个是用来反映客观现状的。

第三，用原加购转化率作为对标，和主购物车 OTC 药品转化率做对比。这个用来反映其中的差异。

比如，假设处方药品类每日订单量 1 万单，GMV 20 万，其中有有 40% 是通过原独立购物车结算，加购转化率 20%。而 OTC 药品在主购物车的加购转化率是 40%。

由此可以看出，不方便用户找到的独立购物车比方便直观的主购物车在加购转化率上低了一倍，再对应到订单量和 GMV 上，就能很直观反映出具体问题。

在真实业务中，涉及到的订单量和 GMV 要比上面这个例子大很多。

到此，推这个需求的数据支撑就比较清晰了，如果对方用其他需求来挡，那就请他们拿出同样的数据依据。

当然，我这里只是举个例子，实际应用中涉及到的分析维度和数据指标可能会更多，说服力也会更强。

一旦有了数据支撑，需求落地的成功率就要比纯感觉要高，凡事用数据说话。

以上，希望对你们有所启发。

最后，给想提升数据分析能力的读者推荐一个学习资料，简单好用。

尤其是对数据无感以及没有系统学习的人来说，这是一个比较容易掌握的学习内容，也能直接应用在工作中关于数据展示、工作汇报等环节。

课程是拉勾数据总监结合实战案例制作的，原本价格也比较高，现在有 100 个 1 块钱的名额，抢到就是赚到。

1 块钱，也买不到吃亏上当，作为一个工作之余的学习机会，还是挺划算的。

针对这个课程，他们做过一个参与者的回访调研，好评率还是非常高的。

如果你想提升下数据认知和基础能力，可以扫描上面海报二维码或直接点击「阅读原文」报名。

只有 100 个 1 块钱的名额，拼手速！

················· 唐韧出品 ·················

安可时刻

从我个人的习惯以及体验来看，在大厂推需求的效率是没有小公司高的。但大厂也有大厂的优势，规范性也严谨性来得更好。

今天，与 60536 位读者一起见证彼此成长

后台回复“w”，可加我个人微信