作者 | 轩北
来源 | 阿里技术公众号
一 前言&序
大家一直所说的【需求】究竟有哪些？
用户需求、业务需求、系统需求...... 但是今天我要给大家介绍一种我自认为一种别出心裁的需求！【指标类需求】
在庞大的需求体系里，一个完整的系统设计流程是非常必要的，好则效率百倍，坏则加班熬夜。
本文尝试以另一种需求管理方式来处理一种特殊的需求【指标类的需求】，希望大家能所有收获一起成长。当然不积跬步无以至千里，不断的进阶才是王道！欢迎大家一起交流！
二 指标类需求
1 什么是指标类需求？
指标类需求，顾名思义也叫分析性需求，是需求的一种变种，本人在商品开发中负责品规的阶段，如果把整个供给侧划分成一个战场那么品规侧承载着制造五花八门弹药的使命，在制造弹药的过程中，我们要做到以下几点！
- 分析市面上有什么好的弹药？（参考）
- 最近制造什么类型的弹药更能影响战场？（分析）
- 最近哪些弹药卖的好还便宜，日均销量不错的，gmv不错的！（找到）
2 for example
如下需求：
给我计算 各种维度 = 月日均+爆品数+订单分层+类目分层+质量分层+排行榜+品控+gmv+人标签+店铺+使用率+渗透率xxxxx等等等等......
冰山一角！不足1%，可想而知多么可怕。
总结来说业务的视角看，品规承载着以下几点：
①行业的洞察能力
②竞对分析能力
③标签能力
④规划能力....
总结来说，数据驱动供应链变革，把数据变成钱 。
在当前的阶段品规侧，计算了大量的指标。据不完全统计，我已经计算了大概不亚于几千个指标，本人对于这种需求也是一脸懵！月日均，爆品数，订单分层，类目分层，质量分层，排行榜，品控，gmv,人群，应季，趋势，增长率，曲线，复合曲线...... 哪一个拿出来都够喝俩壶了。
3 指标类需求难点？
在海量的指标需求下，总结来说有以下几个问题？（在当PM熬过无数个日夜决定痛定思痛）
- 如何进行数据口径定义？
- 如何保证指标的开发无误？
- 如何进行指标开发？
- 如何进行指标验证？
- 如何保证开发时间不被数据check打扰？（正在开发功能说数据不对，check数据导致功能延迟加班熬夜！）
以下是我在进行了一定的指标需求后得到的一点点经验，希望和大家一起分享下！
三 如何解决
剑道有守破离三层境界：
守——按照既定套路出招
破——试着突破创新，让自己进化到更高境界
离——看透本质，大道至简，无招胜有招
对于这种需求不破不立我们可能要打破原有的需求设计的规则单独定制一种规则，下面这个图是我通过不断地踩坑总结出来的一种方式。
1 需求阶段(开发侧)
我把整个指标分析型需求拆解为俩段：
指标开发+功能开发（单独拆开以下是流程）
指标开发几个阶段：
1）指标初步确认阶段
在指标初步确认阶段我们要做的需要几步：
- PD+开发+测试 从prd中提炼出要开发的指标
- 确认指标开发口径
2）指标计算阶段
在指标计算确认阶段我们要做的需要几步：
- 开发按照口径进行指标数据开发
- PD+开发+测试 验证指标
- 开发修改指标
- 继续验证循环过程直至完成
3）指标最终确认阶段
- PD+开发+测试 指标确认完成check
- 开发侧产出数据指标对焦sql
总结来说：
- 开发测试PD统一根据prd统一确定指标与指标口径
- 开发先去计算指标计算完成-----> 测试和PD验证
- 开发修改-----> 测试PD再去验证
- 保证在正常功能开发前，指标数据确保无误
测试与PD在指标计算时，提前介入，开发提前计算，提前测试，在正常功能前保证数据指标完整
2 需求阶段(PD侧)
三个要点（个人的三个建议）
1）指标要具有确定性
爆品定义是什么？分层的定义是什么？口径要先定义清楚，方便后面开发！
2）指标要具备可开发性
3）指标与功能匹配性
需要所有的需要的指标要全覆盖避免漏指标，指标再次计算往往耗费人力更为可怕！
3 需求阶段(测试侧)
参与开发指标的全流程的对焦，开发侧在产出数据后进行数据验证sql产出。
四 经验思考
1 数据前置
指标数据分析型需求我们需要拆解，把数据开发测试校验前置，可以有效避免在开发功能时，数据check影响整体进度，往往找一个指标的错误，会比功能错误难上几倍！在大数据的情况下尤为如此！所有前置条件做好可以有效避免项目的判断失误，可以让项目有效的进行！
2 数据分析
在测试与PD要介入确定问题时，可参考以往数据！避免重复对焦不准确。
如何与测试建立指标的测试规范下一篇文章我可能会继续迭代出来！让指标的验证不仅仅有迹可循，也让错误无处遁形！
3 如何减少指标计算
既然指标计算无可避免那么我们应该如何去减少指标计算，节省人效，之后我会去分享下商品开发&运营 品规侧在计算了无数指标后，痛定思痛，如何尝试与数据应用团队结合来提高我们的指标计算效率！节省人效，非常nice！就不用大量的人工计算不同层级维度的指标，环比数据等等，这期间品规域我与同事进行了很多的尝试。
大概思路为：
人效从4天左右 - 2天左右！
五 完结
在做指标类需求过程中，从小白到一个数据开发值得信赖的数据开发者，是一个痛苦和漫长的过程！在这过程如何保证开发数据的周期，如何更快的承接需求，如何更高效的计算指标，减少人效是值得深思的地方，希望本文能够帮助你！
阿里云镜像站体验官招募中，Airpods耳机等你来领！
镜像站体验官第二期招募回归, 在各大社区平台分享相关内容累计积分就可赢得Airpods耳机和移动硬盘等奖励，银牌体验官的奖励人数不设限
