随着数字化社会方方面面的推进，数据愈发得到各领域企业的重视，通过数据创造巨大的价值成为了数字化时代企业新的目标。在各种借助数据创造价值的方案中，数据分析可以通过一系列统计分析方法，将大量复杂的数据转化为可用的信息和知识，挖掘出其中的规律，自然得到了企业的认可。所以在时间的推移中，慢慢成为了各行各业企业的基础建设。
不过数据分析虽然在很久以前就有了相关历史，并且也有着“啤酒与尿布”的经典案例，但说起来数据分析大多还是由专业的数据分析师来开展。像运营、产品等大多只是进行简单的统计分析，更多还是会向数据分析师提需求。所以问题就来了，数据分析需求由业务人员提出，但大多数业务人员对数据分析了解很浅，提出的需求也偏向口语化、日常化，没有明确的信息和目标，这就加大了数据分析的困难的，也对数据分析师的交流沟通和逻辑思维能力有了更高要求。
综上，数据分析师在工作中应该加强对需求任务分析梳理的能力，不然就可能出现辛苦半天，结果业务人员觉得需求分析有偏差，不能够解决实际问题的情况。这就会导致数据分析师只能在反复的流程中加班半点，一次次进行修改。而这就是为什么需求梳理在数据分析中如此重要，想要减少重复的数据分析流程，得到业务人员的认可，就要把握住需求梳理，更好的理解业务人员的要求。
数据分析需求关键点
数据分析是有组织有目的地收集数据、通过统计分析方法对数据进行分析，得到数据展现的规律和其中的大量信息的过程。所以数据分析具有通用性，也就是可以对其进行抽象，提取其中的关键点，即数据指标、时间和问题。
1、数据指标
首先是数据指标。其实在之前的文章中我们就简单聊过企业的数据指标体系，其中就提到了数据指标对于数据分析能够起到很好的作用。那么什么是数据指标？在日常工作中数据指标的存在感还是很强的，像DAU、MAU、用户数、点击率、留存率、转化率、跳出率等都是常见且常用的数据指标。
数据分析可视化 - 派可数据商业智能BI可视化分析平台
如果企业没有完善的数据指标体系，别说数据分析难以进行，就连业务交流协作可能都会遇到困难。所以企业应该让数据分析师和业务人员统一建立完善的数据指标体系，统一业务指标，方便业务交流和数据分析。数据分析师也应该尽可能多掌握数据指标，把业务需求转化为指标的形式，这样就可以进行量化分析，并且更容易梳理出业务人员的真实需求。
2、时间
其次是时间。这一点数据分析师应该都很清楚，很多数据分析需求如果没有时间的标准，就根本无法进行分析，是一个月还是一周，是7月份还是8月份等都会影响到数据分析结果。并且业务人员很多都是有各种日报、周报、月报、年报的，但在提供数据分析需求的时候，还是不会重视这一点，所以需要数据分析师能够想到这一点，并且直面业务人员，根据梳理的指标要求提供详细信息。
数据分析可视化 - 派可数据商业智能BI可视化分析平台
还是我们强调的那一点，数据分析师的交流沟通能力很重要。前边也提到过，很多业务人员对数据分析的了解程度不够，甚至数据指标也只是熟悉比较常用的。所以总的来说，数据分析师在收到分析需求的时候，其实可以主动和业务人员交流需求。
业务人员通过对需求进行描述，数据分析师再根据分析需求进行补充，例如数据指标、时间等，避免反复的无效沟通。这样通过描述形成数据指标组成的需求，然后确定时间限制，最后数据分析需求就会让数据分析师很舒服，梳理起来也更加简单，能够很大程度上减轻负担。
数据分析需求标准
数据分析师在企业中虽然大多都是被动接受各种分析需求，但有时候其实也可以多发挥下主观能动性，也许反而会降低自己的工作压力。比方说和高层管理人员进行沟通，通过数据分析来阐述数据指标的重要性，要求建立数据指标词典，并通过定期培训代替部分分析任务。让业务人员了解到提出需求的正常方式，再结合数据分析师的指引，就可以更好的进行需求梳理，减少工作量。
数据分析可视化 - 派可数据商业智能BI可视化分析平台
数据分析有些时候最怕的是什么，就是业务人员提需求没有完整的逻辑，一股脑把非常口语化的要求说了出来，很难进行需求梳理。如果这时候数据分析师也没有引导业务人员重新描述，直接进行梳理，那也有很大可能不符合要求，要不就是加深业务人员和数据分析师的不信任度，要不就是在反复分析的过程中加班加点。
所以合理的数据分析需求是需要数据分析师和业务人员的共同努力，业务人员要想明白自己到底需要什么，数据分析有什么作用。数据分析师也要明白自己需要哪些指标，要明白对方需要什么，应该怎么分析等。数据分析不应该只是数据展示，只是提供数据的作用，而是利用分析创造更大的价值，所以数据分析需求虽然只是一个环节，但绝对要深入研究，建立机制掌握梳理的技巧。