确认数据需求的流程-技术圈

配合产品、运营等业务方临时数据需求，是数据分析师部分工作职责。例如，"数分同学，我想看下目前活跃率情况，辛苦拉下数据"。部分没有经验的同学可能一顿操作猛如虎，将结果给到业务，业务说这不是我想要的数据，除此之外对你的专业能力可能也有怀疑。那数据分析师应该怎么确认需求。本文按照几个步骤进行梳理。

以开篇案例为例，当业务想了解目前活跃率情况，我们应该询问需要该数据目的，这样才能对症下药。业务说"目前我这个业务线活跃率降低，需要提升活跃率"。由于这个活跃率比较宽泛，我们还需要进一步确认XX时间段、XX群体活跃率。

不同业务线对活跃率定义不同，需要确认指标口径和计算逻辑，拿在线教育行业上课活跃率来说，上课活跃率 =某一段时间内上课学生数/总学生数。上课学生数是指完课学生还是参课学生，总学生是指截止目前总学生数还是Learing学生数（总学生中刨除已经结课和退费的学生），都需要提前确认。

在上一步确认好数据口径之后，我们整理好需要获取的字段，如果数据库有该字段，可以直接取数校验数据准确性，如果数据库没有该字段，则需进行埋点，再校验数据准确性。

分析好需求后直接写 SQL 代码。要注意两点，第一是确保 SQL 数据准确性，第二是 SQL 查询性能优化。

进行描述性分析，对比前一周活跃率下降XX百分点，是否在正常波动范围内；
进行多维度分析，拆分新老用户、系统版本、来源渠道、所在地区等因素，和以往数据对比，计算影响系数（（各维度本周量-各维度上周量）/（本周总量-上周总量）），系数越大，对指标影响越大；
看该指标涉及到的部门。和运营、产品沟通最近是否有新的运营策略或新上线XX功能，导致活跃率降低；
近期外部竞品公司是否有新动作；
根据分析结果，给出改进建议以及之后如何避免。

该指标如果是需要长期监控，可以使用第三方平台如 Tableau、Power BI 或公司自研数据分析平台进行可视化展示，业务可自定义进行下钻分析。

数据分析师常常自嘲为"取数机"、"表哥"或"表姐"，分析出来的数据无法落地，所以我们做出来的数据不能直接交付出去就直接完事了，需要得到业务反馈，从数据角度能够给出其他一些业务洞察，做复盘。

以上是数据分析师确认数据需求的常规流程。