「幫我抓出今年截至目前，累積消費金額最高的 15 位會員，再列出他們的訂單數、平均客單價，以及最近一次購買日期。」

把我遇過的需求情境換成電商案例，大概就像上面這句話。對象、時間範圍、排名條件和指標都列好了，聽起來很明確，應該可以直接開始撈資料了吧？

以前的我，可能已經打開資料庫，開始寫 SQL。但後來我才發現，除了模糊的需求需要釐清，這種看起來已經很完整的需求，也值得多問幾句。因為對方清楚說出「想要哪些資料」，不代表我們已經理解「他想解決什麼問題」。

他列出的欄位，可能只是他知道的那幾個

需求方提出的資料清單，往往受限於他對資料的認識。他知道哪些指標，就會先提出哪些指標；其他可能更有幫助的資訊，他未必知道可以取得。

我曾經遇過這樣的情況：需求方要了一份高消費客戶名單，名單交出去後，我卻發現，對方不是直接用資料，居然還打開系統後台，一位會員、一位會員地查詢歷史累積消費金額、首次購買日期，以及過去下過幾筆訂單。

原來，對方不知道這些資料也可以一起撈出來。

如果一開始多問一句：「你拿到這份名單之後，接下來會做什麼？」我們可能就能提早發現這些需求，省下後續人工查找的時間。身為分析師，我們比需求方更熟悉資料存在哪裡、有哪些欄位，以及可以如何組合。這份專業，也能用來幫對方找到更適合的資訊。

名單抓對了，行銷卻做錯了：你問過用途嗎？

「這份資料，你打算拿來做什麼？」

有時候，得到的回答會是：「其實我也不確定，我再去問一下。」

聽到這裡，先別急著覺得對方沒有準備好。有時候，他只是接到主管或客戶的問題，希望盡快把資料準備齊全，還沒機會確認背後的目的，而這份資料究竟能不能回答問題，正是我們需要一起釐清的地方。

同樣以「Q1 到 Q2 累積消費金額最高的 15 位會員」為例，如果目的是喚回舊客，只按照消費金額排名，可能就找錯了對象。因為這 15 位會員如果至今仍持續下單，就未必需要被「喚回」。我們可能還需要看距離上次購買的天數、過往購買頻率，以及最近一段時間是否仍有訂單。

即使同樣是 60 天沒購買，對每月補貨的消耗品和一年才換一次的耐用品來說，意義也不一樣。要找誰回來，得先理解商品的購買週期。

另外，為什麼是 15 位？是因為活動預算只能支援 15 位客戶？行銷團隊一次只能聯繫這麼多人？還是對方只是先提出一個數字？

這些答案會影響名單該怎麼篩選，也會影響後續是否需要調整人數。多問幾句，是在幫雙方確認：眼前準備做的事情，是否真的能支援接下來的行動。

「再幫我拆一下」：為什麼交件才是修改的開始？

有些需求在提出時，對方確實已經想過了。只是看到實際結果之後，才發現資料和自己想像的不太一樣。

例如，一開始只想看某個商品類別的營收和訂單數，拿到資料後才發現，還需要拆分新客與舊客、廣告與自然流量，才能判斷成長來自哪裡。又或者，原本指定最近 30 天的轉換率，看到結果後才想起，這次要評估的是上週才開始的促銷活動，因此需要另外看活動期間的表現。時間範圍一改，比較基準也得一起確認。

這類調整未必代表對方反覆無常。有些問題，確實要等資料攤開來，才會變得具體。

但我們可以讓這個確認提早發生。在完成整份分析之前，先提供一小部分資料、簡單的圖表，或預計交付的欄位，讓對方確認：「這樣的內容，能幫你回答原本的問題嗎？」

提早看到結果的樣貌，通常比等到全部做完後再修改，更容易控制調整的範圍。

「你是專業的，你決定」：最容易漏掉的業務背景

還有一種情況是，需求方認為自己只需要提出想法，至於該用什麼指標、怎麼抓資料、如何分析，都應該交給分析師判斷。這樣的期待可以理解。畢竟，處理資料確實是我們的專業。

不過，有些資訊仍然需要需求方提供：為什麼現在需要這份分析？結果會交給誰看？看完之後，會做什麼決定？如果缺少這些背景，即使分析師有能力把資料處理得很完整，也可能選錯方向。

所以，遇到這類需求時，我會把問題問得更具體：「你現在最想確認的是什麼？」「如果結果比預期高或低，你接下來會怎麼做？」

如果需求方依舊請你出意見，那也沒關係，了解業務背景與決策情境，才有辦法發揮你的分析專業，判斷資料和方法，雙方的專業才有機會接起來。

一句「順便看一下」，讓分析範圍愈做愈大

有時候，需求一開始真的很單純，只是資料帶出了新的問題。

例如，原本只是想估算促銷活動的營收，看到結果後才發現，有少數會員下了大額訂單，拉高整體平均客單價。接著，對方又想看這些人買了什麼、用了哪些優惠券，以及後續是否回購。

這也是分析的價值之一：資料能幫助我們發現原本沒想到的事情。只是，新想法出現之後，最好先停下來確認優先順序，例如，這個發現會不會改變原本的結論？需要在這次交付前處理嗎？還是可以另外安排下一輪分析？

分析師也可以主動提出判斷。例如：「目前平均客單價受到幾筆大額訂單影響。我建議先比較包含與排除這些訂單的結果，再決定要不要深入分析這群會員。」

帶著初步觀察和建議討論，更有助於雙方決定下一步，也能避免分析範圍在不知不覺中持續擴大。

少做白工的關鍵：寫 SQL 前，先多問這一句

做了幾次這樣的需求之後，我愈來愈常把這句話放在開始工作的前面：「你想拿這份資料做什麼？」

這個問題，能幫我們判斷該找哪些資料、用什麼方式呈現，以及做到什麼程度才足夠。另一件同樣重要的事，是分析師自己必須清楚這份資料的解讀限制。

以電商資料來說，消費金額有沒有扣除退款？訂單數是否排除取消訂單？平均客單價使用哪一種金額與訂單口徑？計算回購率時，觀察的是哪一批會員、多久內的再次購買？這些定義會影響結果。若新會員加入時間不同，有些人甚至還沒有完整的回購觀察期，也不適合直接拿同一個比例比較。

理解用途，讓我們知道資料該怎麼準備；理解限制，則能幫助對方更恰當地使用結果。愈明確的需求，往往愈容易讓人想立刻動手。但在打開資料庫之前，多花一點時間確認背後的目的，常常能省下後續更多的修改與往返。

下次收到一份條件完整、指標清楚的需求時，不妨先多問一句：「了解，那這份資料的目的是什麼，打算怎麼用？」

---

Buy me a coffee 用行動支持我的內容創作

如果文章對你有幫助，歡迎用小額贊助支持 Sharon 持續分享數據分析實務。