本文揭示了数据分析项目常常失败的四个关键问题：需求不清晰、需求不具体、需求不够刚性和需求不准确。通过分析不同场景，指出业务部门对报表的依赖和理解是识别伪需求的重要途径。强调报表在数据分析中的核心作用，并提示分析师要有独立判断，以确保项目目标、工作重点和输出内容的准确性。
2020年，你在工作中做了几个成功的数据分析项目呢？问题一出，又是发新手同学一阵哀嚎：
“没项目做呀！”
“每天瞎忙啊！”
“业务方：我早知道了，你做的有啥用，你分析的不准确一键三连呀！”
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。业务方可能很随意的说：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，夯吃夯吃打标签、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，
最低0.47元/天 解锁文章
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
