日常工作中，我们经常会遇到一些很奇葩的需求。
这些需求描述的问题很模糊，或者需求方自己都没有想清楚到底要分析的是什么。
这种不合格的问题会导致花费大量时间在需求沟通上，或者干脆给出一些不痛不痒的分析。最后业务方对分析结果不满意，分析
师怪业务方需求
没有说清楚，最后大家互骂一句
“
傻
X”
。
数据分析问题是业务人员和数据分析人员之间的纽带，
学会提一个好问题是分析问题的基础
，我们之前讲了很多内容是关于如何分析问题，但究竟什么样的问题算是一个好问题。
《金字塔原理》介绍了一种序言的结构，也就是大名鼎鼎的
SCQA
结构，即背景，冲突，疑问，答案。
这种结构可以用来作为我们提出数据分析问题的一种结构，
按照背景、冲突、疑问的结构就能提出一个比较清晰的问题。
不过既然原书中的结构是给序言总结的，我们在应用到数据分析的需求上时得做一些小小的修改。
方差君为思考了很久，总结了一些要点和新的结构形式，感觉很实用。不过由于是个人思考的原创方法，还有瑕疵和改善空间，看完后有意见和建议欢迎交流。
冲突必须有目标
小
明考试
成绩不及格，只考了
59
分。是不是冲突？
可能是，也可能不是。
也许小
明原来
的成绩只能考
30
多，这次的目标是超过
50
分，拿到
59
分他反而很高兴。
所以冲突一定得有个目标，同样一件事，目标不同，就可能不是冲突。
冲突就是一个和目标存在差距的现状。
一个好的问题的标准之一，就是要有冲突。
很多问题的冲突是不完整的，只有一个看起来和
“
考了
59
分
”
一样的现状，但是到底目的是啥？没写清楚，所以冲突的部分，必须写上两部分：目标
+
现状。
目标必须清晰
很多目标并不明确，比如说希望广告更好
地触达
用户。
什么叫“更好”？这个概念太过模糊。
是指
触达更多
的用户，
还是触达的
用户转化率更高？这完全是两种不同的需求方向。
如果是希望
触达更多
的用户，到底是
要触达多少
用户？
100
万还是
200
万？
如果是希望转化率更高，那么想要提高到多少？
5%
还是
10%
？
目标具体到数字这个要求对于一些探索类需求可能不适用，探索类需求本身并不清楚能找到哪些结论。不过大部分的公司和数据分析
师估计
根本没有时间做探索型分析。
目标清晰的这个要求虽然很基础，但是估计已经可以拍死一大批需求了。
现状和目标必须逻辑相关
好问题的目标现状和疑问之间逻辑是相关的。这里会用到一些逻辑思维的知识。
逻辑不相关的案例：
目的：我们需要解决一个问题
现状：目前的方案需要
X
元的经费
问题：是否需要批准该方案？
这个问题的目标和现状其实并不直接相关。
如果我们目的是需要解决一个问题（需要解决方案），那么冲突的现状应该是现状没有方案。
然后如果有了方案，接下去的目的是确定该方案是否经济且可行，对应的现状是该方案需要
X
万元经费，不确定是否超出预算。
所以这个案例的问题，目标和现状不是完全对应，虽然有关但是不直接相关。这种问题在逻辑上就是不严密的，需要重新梳理一下。
之前提到冲突是有目标和现状构成的，不过
目标的背后一定还有目标
。
比如目标是
A1
产品落地页的转化率能够提升到
5%
。
这个目标的背后是什么呢？
可能是
A1
产品的月销量需要达到
100
万，其中用户数目标是
200
万，转化率目标是
5%
，人均消费
10
元。
这个
目标背后的目标就是背景。
这个背景可能还需要继续深挖，
A1
产品月
销量需要达到
100
万的背景，可能是整个
A
品类的销量要达到
300
万。然后衍生出
3
个字母表，
A1
、
A2
、
A3
月销量分别达到
100
万。
这就需要一些结构化思维的能力了，日常工作中的复杂目标基本都是这样被拆解成更小的子目标的。因为大目标往往比较泛，需要靠一个个可落地的小目标来实现。
所以具体分析工作遇到的那些小目标，背后一定还有一个更大的目标，找出这个更大的目标，以及这个目标的拆解结构，把它们说清楚，就可以作为一个问题的背景部分。
疑问不要太多限制
最后的疑问如果增加了太多限制，分析问题就容易走入死胡同。
要知道，问题本身就是答案。
比如你喜欢睡懒觉，所以上班经常迟到，于是你问：有哪些上班
不
打卡的公司？
这样的问题直接限定了解决问题的方向，即找到一家
不
打卡公司，然后想办法进入这家公司。
但是如果你问：我怎么样才能改掉睡懒觉的毛病？
这个问题的方向就变成了，怎么样消除自己迟到的根本原因。
问题本身会限制思考方向，所以不宜加太多的限定。
比如之前的案例：
背景：
A
类产品的总销量目标是
300
万，其中
A1
产品的目标是
100
万。要达成这个目标，
A1
落地页的
月用户数需要
200
万，落地页转化率需要提升至
5%
，人均消费金额
10
元。
目标
：
A1
产品的落地页转化率提升到
5%
现状
：
A1
产品的落地页转化率是
2.5%
疑问
：如何提升
A1
产品的落地页转化率到
5%
？
这个问题限定了如何提升转化率，思路就容易框定在这个范围内。
如果我改成这个问句：
疑问
：
A1
产品的落地页转化率提升到
5%
这个目标是否可行？
这样的问法会把分析
师引导
到一个不同的分析角度，思考整体方案是否要重新设计。
疑问归根到底是
“
怎么办
”
想知道落地页转化率是多少，是高还是低，其实就是为了看看这个落地
页能否
挖掘出新的增量，从而提高整体的增量。
想知道落地页的转化率为什么偏低，其实是为了之后的落地页改版提供决策支持。
所以那些
“
如何
”
，
“
为什么
”
，
“
是什么
”
，
“
是多少
”
，
“
是不是
”
等等疑问，这些问题中有些问题是另一些问题的前提，他们之间的关系一般来说是这样的：是多少
→
是什么
→
又怎样
→
为什么
→
会怎样
→
怎么办。这其中的逻辑关系，方差君会在之后的模块二里详细讲解。
所以归根到底，其实所有的问题最终都是为了解决
”
怎么办
“
的问题。
这几个问题之间的关系实际上也是数据分析能解决的问题范围，
这个
“
怎么办
”
也不需要加限制词，比如怎么做才能达到
5%
的转化率？
这个问题虽然也属于
“
怎么办
”
的范畴，不过违反了
之前时候
的限制词的原则，会影响我们的分析角度。
所以，如果说在疑问的环节不知道该怎么正确的提问，最简单的方式，就是加一句
“
怎么办？
”
综上所述，一个高质量的问题的组成结构如下所示。
按照上述标准梳理出来的一个标准的分析类问题，一般长这样：
背景
：
A
类产品的总销量目标是
300
万，其中
A1
产品的目标是
100
万。要达成这个目标，
A1
落地页的
月用户数需要
200
万，落地页转化率需要提升至
5%
，人均消费金额需要
10
元。
冲突-
目标
：
A1
产品的落地页转化率提升到
5%
冲突-现状
：
A1
产品的落地页转化率是
2.5%
疑问
：怎么办？
有些人会想，最后这个怎么办问的太宽泛了，完全不知道该如何入手啊。
其实，如果分析需求真能按照这个格式来写，你就偷着乐吧。
这种逻辑清晰的问题一看就知道后续应该如何分析，相比逻辑不清的问题，不知道高到哪里去。
方法
1
：改变现状
冲突是因为有一个和目标存在差距的现状，所以只要现状达到了目标，也就不存在冲突了。
因此首先需要思考，怎么样才能改变现状。
比如上面的案例里，要改变现状就需要把
A1
产品的落地页的转化率提升到
5%
。
这和平时的分析也比较类似，唯一的不同是标准的问题让沟通成本变低，能够快速了解业务目的，快速开展分析工作。
具体的分析思路因为业务场景的不同而各有不同，这个就需要用到一些数据分析的方法结合业务经验进行分析，没什么特别的技巧，只能通过提升分析思维和业务知识来实现。
这里不多做讲解，后续的模块会讲到一些分析方法和技巧。
方法
2
：校准目标
有时候现状难以改变，就需要从目标这个角度思考。是不是目标出了问题。
是不是目标定得太高了，然后把目标从
5%
调整成
4%
就行了？这样难度降低，目标也就容易完成了。
看过系统性思维文章的同学，一定能想到这样做的问题。这里的目标调整了，其他的目标也必须跟着调整，否则整体目标还是无法完成。
之前也提到了，目标背后还有目标。目标背后的目标在哪？在背景介绍里。
如何重新校准目标？
还是之前的案例，之前的目标是：
A1
产品的落地页转化率提升到
5%
。
这个目标的背景是啥呢？
背景：
A
类产品的总销量目标是
300
万，其中
A1
产品的目标是
100
万。要达成这个目标，
A1
落地页的
月用户数需要
200
万，落地页转化率需要提升至
5%
，人均消费金额需要达到
10
元。
背景里的总目标拆分成了三部分，分别是用户数、转化率和人均消费金额三个指标。
既然转化率做不上去，那么就思考一下另外两个个方向：用户量和人均消费金额。
只要在其他两个部分补上缺口，总目标也能完成。
不过因为转化率无法完成，额外的任务会转移到其他的目标上。
我们可以稍加修改，重新定义问题。
背景
1
：
A
类产品的总销量目标是
300
万，其中
A1
产品的目标是
100
万。
背景
2
：
:
落地页转化率在
2.5%
且难以提升，因此
A1
落地页的
月用户数需要
达到
250
万，人均消费金额需要达到
16
元。
冲突：
目标：
A1
产品的
月用户
数提升到
250
万
现状：
A1
产品落地页的
月用户
数是
100
万
疑问：怎么办？
这个问题的方向就转移到如何提升用户数上去了。
有时候在一个问题上没有进展，可以考虑在另一个问题上补救回来。如果这个问题还是无法解决，可能就得再消费金额上再想办法。
如果这样还是分析不出什么有用的信息，那么还得继续找目标背后的目标，再往上找。
整个的过程如下图所示：
这样就能把一个简单的取数需求，变成一个专题类的分析。最终提供的内容就不再只是那么冷冰冰的数字，而是围绕目标的各个维度的分析结果和建议。
很多
分析师想把
需求做深，最大的痛苦就是在于没有理解业务方的需求到底是什么。这种问题结构可以很好地解决这个问题。
当然，校准目标是一种没办法的办法。很多时候一个目标完成不了，还是自己的分析实力还不够。想要提升分析能力，继续关注三元方差专栏，后续的模块二模块三将会更深入地讲解如何做好业务数据分析。
问题的组成
问题公式：目标的背景
+
和目标存在差距的现状
+
怎么办。
如果能把问题梳理出以上结构，这基本上这就是一个好问题了。
这样的结构大家容易理解，交流的成本比较低。而且对于分析师来说，基本上拿到问题，就能知道问题的分析方向有哪些。
日常沟通效率低下的原因
