這么多年，你在工作中做了幾個成功的數據分析項目呢？問題一出，又引發一陣陣哀嚎：

“沒項目做呀！”

“每天瞎忙啊！”

“業務方：我早知道了，你做的有啥用，你分析得不準確“

一鍵三連啊。

O(╥﹏╥)o

今天我們先不談“為啥每天瞎忙沒項目做”的問題，就談“為啥已經開工的項目會失敗”。因為認真梳理下會發現，至少四分之三的數據分析項目失敗，和這個事有關。

 1、問題場景1

需求1：

“我們要建立大數據用戶畫像”。這個需求很常見，業務部門動不動就“來個用戶畫像分析”。那么問題便來了，真的做這個需求，有多大概率撲街？

非常大

因為不知道做了到底干啥呀。業務方可能很隨意地說：做了用戶畫像，就知道用戶特征了。問題是：這個需求報表不能滿足嗎！如果真是不知道，直接把用戶特征各個維度跑一遍數，列個excel表就好了呀，為哈要費事上一個用戶畫像項目呢？！

這種需求叫：無目標需求。漫無目標，大概率做完了被人扔一句：“我早知道了！”因為對方確實可以通過日常報表、用戶調查、自己體驗獲得一些數據。這種項目接過來過，哼哧哼哧打標簽、整數據、做看板，最后鐵定失敗。

 2 、問題場景2

需求2：

受到場景1啟發，有同學會問：做用戶畫像干什么？

業務方答：做來看哪些用戶喜歡A產品

那么，真的做這個需求，有多大概率撲街？

非常大

問題在什么叫“喜歡”？？？

如果是“過往X個月內購買次數大于X次，購買金額大于X元”叫喜歡，那直接拖一張報表就能滿足需求呀，為啥需要起一個項目。

如果是“未來有大概率會購買A產品”，那實際需要的就不是什么用戶畫像，而是針對A產品的預測。那起個毛線的用戶畫像項目，直接做預測呀。

這種需求叫：需求不清晰。驢頭不對馬嘴，這種項目接過來做，分分鐘落一個：“你做的沒啥用”的評價。找不準真實的痛點，項目必定失敗。

 3、問題場景3

需求3：

受到場景2啟發，同學知道了業務方想預測銷售

現在，業務方提出：希望能精準預測銷量

那么，真的做這個需求，有多大概率撲街？

非常大

問題在：預測的到底是啥玩意不清楚。

如果預測的是新上市款，壓根沒數據呀，預測個毛線。這時候，最關鍵的問題就是：要不要做測試。如果已經有選定產品，需要測試效果，這就是測試問題。直接設計ABtest，拿去測一測效果，收集一波數據再做預測。

如果沒有做預測，這時候實際上是：分類問題。基于競爭對手的選擇，自身商品管理的判斷，過往同價位/同客群/同品類銷量走勢，對待新品進行評估。由于完全是憑空預測，因此輸出的結果必定不能很準。這時候最好的做法是先對產品定性，它的潛力是：爆款、流量款、利潤款、補充款、普通款、還是吊車尾。有了定性判斷，再看配多少資源，多少人力給它。再看能不能基于資源投入預測。

這種需求叫：需求不具體。看似有目標，但是少了背景條件，甚至一字之差，離題萬里。這種項目接過來做，分分鐘落一個：“你做的沒啥用”的評價。找不準真實的痛點，項目必定失敗。很有可能哼哧哼哧塞了一堆現有產品數據，結果發現根本沒考慮業務動作，也不能推廣到新品，最后落一句：分析不精準啊！

 4、問題場景4

需求4：

受到場景3啟發，同學問了業務方，得知：

想預測銷售，是指導銷售團隊工作。

那么，真的做這個需求，有多大概率撲街？

非常大

問題在：知道預測結果，人家又能干啥。

如果預測業績很好，so what！銷售還是該干啥干啥呀，說不定還會搞搞陣，藏點單啥的。

如果預測業績不好，so what！這東西根本不需要預測呀，拖一張報表就能看到做得好不好呀，看到業績不達標，還需要預測嗎，麻溜地開發客戶去呀。

所以這個預測值，對于銷售部門來說沒啥實際用處。這個需求可能只是出于好奇，可能就是隨口一說。總之，這叫：需求不夠剛性。這不是業務部門的核心問題點，因此項目上了也是白上，最后很容易被批為：分析有啥用。

 5、問題場景5

需求5：

受到場景4啟發，同學問了業務方，得知：

想預測銷售，是指導庫存管理。因為供應鏈不能控制銷售，只能被動看訂單供貨，所以能預測出來銷售值就很重要。如果銷售預測準了，備貨自然能按照銷售來備，庫存損失也能減少多好！這次是剛需了吧。

那么，真的做這個需求，有多大概率撲街？

非常大

問題在：影響庫存損耗的不止一個因素，只考慮銷售太過偏頗。

這叫：需求不準確。本質上，供應鏈損耗受到采購計劃、銷售能力、生產排期三方面影響，和銷售有關，也有可能和領導私心（收了供應商錢，野心過大的擴張計劃）有關。因此只抓一個因素，很有可能不能解決問題庫存損耗的問題。繞路走，是數據分析頭號大忌。

既然預測是為了減少損耗，就直接把目標設為減少損耗。注意：即使再優化，也不可能做到馬上進馬上出，因為總有一些市場意外，總有一些商品滯銷，所以最后控制目標也不是直接壓到0，而是控到一個可接受水平，或者控制促使整體損耗下降。這樣才是可能成功的目標，梳理到此，可以繼續往下做了（如下圖）。

 6、小結

四分之三的數據分析需求，在開始的時候就注定失敗的。因為需求存在各種各樣的問題：

• 不清晰
• 不具體
• 啥都想搞
• 不知道做了啥用
• 做了也沒啥用

只是聽說市面上流行“數字化轉型”“人工智能大數據精準用戶畫像”就急匆匆往上懟。最后自然必敗無疑。

有趣的是，識別偽需求的最好方法，就是拖一張報表。通過業務部門對報表的利用情況，可以反向觀察：

• 哪些部門真的數據，哪些就是說說而已
• 哪些數據真的能有用處，哪些看了就看了沒屁用
• 看了數據能做哪些動作，哪些又是看了也無能為力

這樣，即使業務部門沒有能力講清楚需求，數據分析師也能夠對項目目標、工作重點、輸出內容有自己的判斷。所以做數據分析的同學們，不要被網絡上爽文洗腦了，報表才是數據分析工作的立命之所。一個會玩報表的數據分析師，才有機會做出高大上的模型。切記切記。