【指標需求思考】如何做好指標類需求建設

一  前言&序

大家一直所說的【需求】究竟有哪些?
使用者需求、業務需求、系統需求…… 但是今天我要給大家介紹一種我自認為一種別出心裁的需求!【指標類需求】
在龐大的需求體系裡,一個完整的系統設計流程是非常必要的,好則效率百倍,壞則加班熬夜。
本文嘗試以另一種需求管理方式來處理一種特殊的需求【指標類的需求】,希望大家能所有收穫一起成長。當然不積跬步無以至千里,不斷的進階才是王道!歡迎大家一起交流!

二  指標類需求

1  什麼是指標類需求?

指標類需求,顧名思義也叫分析性需求,是需求的一種變種,本人在商品開發中負責品規的階段,如果把整個供給側劃分成一個戰場那麼品規側承載著製造五花八門彈藥的使命,在製造彈藥的過程中,我們要做到以下幾點!
1.分析市面上有什麼好的彈藥?(參考)
2.最近製造什麼型別的彈藥更能影響戰場?(分析)
3.最近哪些彈藥賣的好還便宜,日均銷量不錯的,gmv不錯的!(找到)

2  for example 

如下需求:
給我計算 各種維度  = 月日均+爆品數+訂單分層+類目分層+質量分層+排行榜+品控+gmv+人標籤+店鋪+使用率+滲透率xxxxx等等等等……
冰山一角!不足1%,可想而知多麼可怕。
總結來說業務的視角看,品規承載著以下幾點:
①行業的洞察能力 
②競對分析能力
③標籤能力
④規劃能力….
總結來說,資料驅動供應鏈變革,把資料變成錢 。
在當前的階段品規側,計算了大量的指標。據不完全統計,我已經計算了大概不亞於幾千個指標,本人對於這種需求也是一臉懵!月日均,爆品數,訂單分層,類目分層,質量分層,排行榜,品控,gmv,人群,應季,趨勢,增長率,曲線,複合曲線…… 哪一個拿出來都夠喝倆壺了。

3  指標類需求難點?

在海量的指標需求下,總結來說有以下幾個問題?(在當PM熬過無數個日夜決定痛定思痛)
1.如何進行資料口徑定義?
2.如何保證指標的開發無誤?
3.如何進行指標開發?
4.如何進行指標驗證?
5.如何保證開發時間不被資料check打擾?(正在開發功能說資料不對,check資料導致功能延遲加班熬夜!)
以下是我在進行了一定的指標需求後得到的一點點經驗,希望和大家一起分享下!

三  如何解決

劍道有守破離三層境界:
守——按照既定套路出招
破——試著突破創新,讓自己進化到更高境界
離——看透本質,大道至簡,無招勝有招
對於這種需求不破不立我們可能要打破原有的需求設計的規則單獨定製一種規則,下面這個圖是我透過不斷地踩坑總結出來的一種方式。

1  需求階段(開發側)

我把整個指標分析型需求拆解為倆段:
指標開發+功能開發(單獨拆開以下是流程)

指標開發幾個階段:

1)指標初步確認階段

在指標初步確認階段我們要做的需要幾步:
1.PD+開發+測試 從prd中提煉出要開發的指標
2.確認指標開發口徑

2)指標計算階段

在指標計算確認階段我們要做的需要幾步:

1.開發按照口徑進行指標資料開發
2.PD+開發+測試 驗證指標
3.開發修改指標
4.繼續驗證迴圈過程直至完成

3)指標最終確認階段

1.PD+開發+測試 指標確認完成check
2.開發側產出資料指標對焦sql 
總結來說:
1.開發測試PD統一根據prd統一確定指標與指標口徑
2.開發先去計算指標計算完成—–> 測試和PD驗證
3.開發修改—–> 測試PD再去驗證
4.保證在正常功能開發前,指標資料確保無誤
測試與PD在指標計算時,提前介入,開發提前計算,提前測試,在正常功能前保證資料指標完整

2  需求階段(PD側)

三個要點(個人的三個建議)

1)指標要具有確定性 

爆品定義是什麼?分層的定義是什麼?口徑要先定義清楚,方便後面開發!

2)指標要具備可開發性

3)指標與功能匹配性

需要所有的需要的指標要全覆蓋避免漏指標,指標再次計算往往耗費人力更為可怕!

3  需求階段(測試側)

參與開發指標的全流程的對焦,開發側在產出資料後進行資料驗證sql產出。

四  經驗思考

1  資料前置

指標資料分析型需求我們需要拆解,把資料開發測試校驗前置,可以有效避免在開發功能時,資料check影響整體進度,往往找一個指標的錯誤,會比功能錯誤難上幾倍!在大資料的情況下尤為如此!所有前置條件做好可以有效避免專案的判斷失誤,可以讓專案有效的進行!

2  資料分析

在測試與PD要介入確定問題時,可參考以往資料!避免重複對焦不準確。
如何與測試建立指標的測試規範下一篇文章我可能會繼續迭代出來!讓指標的驗證不僅僅有跡可循,也讓錯誤無處遁形!

3  如何減少指標計算

既然指標計算無可避免那麼我們應該如何去減少指標計算,節省人效,之後我會去分享下商品開發&運營 品規側在計算了無數指標後,痛定思痛,如何嘗試與資料應用團隊結合來提高我們的指標計算效率!節省人效,非常nice!就不用大量的人工計算不同層級維度的指標,環比資料等等,這期間品規域我與同事進行了很多的嘗試 。
大概思路為:
人效從4天左右 – 2天左右! 

五  完結

在做指標類需求過程中,從小白到一個數據開發值得信賴的資料開發者,是一個痛苦和漫長的過程!在這過程如何保證開發資料的週期,如何更快的承接需求,如何更高效的計算指標,減少人效是值得深思的地方,希望本文能夠幫助你!

阿里雲映象站體驗官招募中,Airpods耳機等你來領!
映象站體驗官第二期招募迴歸, 在各大社群平臺分享相關內容累計積分就可贏得Airpods耳機和行動硬碟等獎勵,銀牌體驗官的獎勵人數不設限,趕緊參與報名吧!

相關文章