1 min to read

数据需求特点及最佳实践

Featured image

数据需求的特点

差异 数据需求 功能需求
价值 数据的价值是需要数据+处理分析才能体现 一般在设计之初就有明确的意义
结果 往往只关注数据在统计维度是否准确，很少去挖掘数据的价值或者跟进使用方对数据的使用情况以及给其带来的价值与意义 功能完成之后，结果基本上都是在预期之中
维护性 对于非长期关注的数据，往往不太关注数据维护，因为以后很可能不会在用到； 只要功能继续使用，就有责任去维护

数据需求处理的痛点

  1. 数据定义不准确，比如没有说明时间以及其他各个维度的窗口、清洗规则不清晰、数据精度要求没有说明等
  2. 数据定义与实际需求不匹配；比如 统计XX数据，但是给出的规则只能覆盖其中的一部分；
  3. 数据价值得不到反馈，往往只负责提供数据，但对于得出的数据能有多大的价值与收益不清楚
  4. 维护问题，寻找之前的统计结果往往需要翻wiki、邮件、聊天记录等等

最佳实践

  1. 明确数据定义，比如各个维度的窗口期、清晰规则、期望的数据精度、各个维度的区分粒度（比如按天、周、月）等
  2. 明确数据的用途、目的、分析与统计方式以及可能预期的结论等
  3. 跟进数据使用方接受到数据之后，做了什么，最终得到什么结论等
  4. 建立一个数据需求中心，无论大小需求都做记录