这么多年，你在工作中做了几个成功的数据分析项目呢？问题一出，又引发一阵阵哀嚎：
没项目做呀！
每天瞎忙啊！
业务方：我早知道了，你做的有啥用，你分析得不准确
一键三连啊。
O(╥﹏╥)o
今天我们先不谈为啥每天瞎忙没项目做的问题，就谈为啥已经开工的项目会失败。因为认真梳理下会发现，至少四分之三的数据分析项目失败，和这个事有关。
1 问题场景1
需求1：
我们要建立大数据用户画像。这个需求很常见，业务部门动不动就来个用户画像分析。那么问题便来了，真的做这个需求，有多大概率扑街？
非常大
因为不知道做了到底干啥呀。业务方可能很随意地说：做了用户画像，就知道用户特征了。问题是：这个需求报表不能满足吗！如果真是不知道，直接把用户特征各个维度跑一遍数，列个excel表就好了呀，为哈要费事上一个用户画像项目呢？！
这种需求叫：无目标需求。漫无目标，大概率做完了被人扔一句：我早知道了！因为对方确实可以通过日常报表、用户调查、自己体验获得一些数据。这种项目接过来过，哼哧哼哧打标签、整数据、做看板，最后铁定失败。
2 问题场景2
需求2：
受到场景1启发，有同学会问：做用户画像干什么？
业务方答：做来看哪些用户喜欢A产品
那么，真的做这个需求，有多大概率扑街？
非常大
问题在什么叫喜欢？？？
如果是过往X个月内购买次数大于X次，购买金额大于X元叫喜欢，那直接拖一张报表就能满足需求呀，为啥需要起一个项目。
如果是未来有大概率会购买A产品，那实际需要的就不是什么用户画像，而是针对A产品的预测。那起个毛线的用户画像项目，直接做预测呀。
这种需求叫：需求不清晰。驴头不对马嘴，这种项目接过来做，分分钟落一个：你做的没啥用的评价。找不准真实的痛点，项目必定失败。
3 问题场景3
需求3：
受到场景2启发，同学知道了业务方想预测销售
现在，业务方提出：希望能精准预测销量
那么，真的做这个需求，有多大概率扑街？
非常大
问题在：预测的到底是啥玩意不清楚。
如果预测的是新上市款，压根没数据呀，预测个毛线。这时候，最关键的问题就是：要不要做测试。如果已经有选定产品，需要测试效果，这就是测试问题。直接设计ABtest，拿去测一测效果，收集一波数据再做预测。
如果没有做预测，这时候实际上是：分类问题。基于竞争对手的选择，自身商品管理的判断，过往同价位/同客群/同品类销量走势，对待新品进行评估。由于完全是凭空预测，因此输出的结果必定不能很准。这时候最好的做法是先对产品定性，它的潜力是：爆款、流量款、利润款、补充款、普通款、还是吊车尾。有了定性判断，再看配多少资源，多少人力给它。再看能不能基于资源投入预测。
这种需求叫：需求不具体。看似有目标，但是少了背景条件，甚至一字之差，离题万里。这种项目接过来做，分分钟落一个：你做的没啥用的评价。找不准真实的痛点，项目必定失败。很有可能哼哧哼哧塞了一堆现有产品数据，结果发现根本没考虑业务动作，也不能推广到新品，最后落一句：分析不精准啊！
4 问题场景4
需求4：
受到场景3启发，同学问了业务方，得知：
想预测销售，是指导销售团队工作。
那么，真的做这个需求，有多大概率扑街？
非常大
问题在：知道预测结果，人家又能干啥。
如果预测业绩很好，so what！销售还是该干啥干啥呀，说不定还会搞搞阵，藏点单啥的。
如果预测业绩不好，so what！这东西根本不需要预测呀，拖一张报表就能看到做得好不好呀，看到业绩不达标，还需要预测吗，麻溜地开发客户去呀。
所以这个预测值，对于销售部门来说没啥实际用处。这个需求可能只是出于好奇，可能就是随口一说。总之，这叫：需求不够刚性。这不是业务部门的核心问题点，因此项目上了也是白上，最后很容易被批为：分析有啥用。
5 问题场景5
需求5：
受到场景4启发，同学问了业务方，得知：
想预测销售，是指导库存管理。因为供应链不能控制销售，只能被动看订单供货，所以能预测出来销售值就很重要。如果销售预测准了，备货自然能按照销售来备，库存损失也能减少多好！这次是刚需了吧。
那么，真的做这个需求，有多大概率扑街？
非常大
问题在：影响库存损耗的不止一个因素，只考虑销售太过偏颇。
这叫：需求不准确。本质上，供应链损耗受到采购计划、销售能力、生产排期三方面影响，和销售有关，也有可能和领导私心（收了供应商钱，野心过大的扩张计划）有关。因此只抓一个因素，很有可能不能解决问题库存损耗的问题。绕路走，是数据分析头号大忌。
既然预测是为了减少损耗，就直接把目标设为减少损耗。注意：即使再优化，也不可能做到马上进马上出，因为总有一些市场意外，总有一些商品滞销，所以最后控制目标也不是直接压到0，而是控到一个可接受水平，或者控制促使整体损耗下降。这样才是可能成功的目标，梳理到此，可以继续往下做了（如下图）。
6 小结
四分之三的数据分析需求，在开始的时候就注定失败的。因为需求存在各种各样的问题：
l 不清晰
l 不具体
l 啥都想搞
l 不知道做了啥用
l 做了也没啥用
只是听说市面上流行数字化转型人工智能大数据精准用户画像就急匆匆往上怼。最后自然必败无疑。
有趣的是，识别伪需求的最好方法，就是拖一张报表。通过业务部门对报表的利用情况，可以反向观察：
l 哪些部门真的数据，哪些就是说说而已
l 哪些数据真的能有用处，哪些看了就看了没屁用
l 看了数据能做哪些动作，哪些又是看了也无能为力
这样，即使业务部门没有能力讲清楚需求，数据分析师也能够对项目目标、工作重点、输出内容有自己的判断。所以做数据分析的同学们，不要被网络上爽文洗脑了，报表才是数据分析工作的立命之所。一个会玩报表的数据分析师，才有机会做出高大上的模型。切记切记。
看完觉得写得好的，不防打赏一元，以支持蓝海情报网揭秘更多好的项目。
感谢您的支持，我会继续努力的!
打开支付宝扫一扫，即可进行扫码打赏哦
手机直接保存图片,扫一扫识别二维码,即可进行扫码打赏哦
