小伙伴们，妹子又来更新了。如题所述，妹子最近接了很多需求，但都可以归为一类，那就是“画像类需求”。以前，常听身边的同事抱怨，业务的需求是个无底洞，结束一个，又来一个，感觉自个儿就是业务的“提数工具”。相信，很多刚入行的小伙伴，都会有这样的经历，每天被业务牵着鼻子走。
今天，用妹子切身经验总结，告诉大家如何坦然的接需求，交付需求，并得到业务认可，价值落地，走上人生巅峰，准时下班不再是梦想，哈哈哈~
一般，业务在不清楚自己想要干什么的时候，需求是最多最杂的。很显然，这时候你要给到的支持就该是业务场景下的“画像数据”。为什么呢，因为业务要先了解数据信息，才能找到方向。所以，这时候的千千万万个需求都有一个统一的名字，那就是“画像类需求”。
透过需求表象，看到其本质后，大家有没有顿感轻松了一截？
但是，还不够，什么是“画像类需求”，又该怎么提供对应的“画像数据”呢？
下面，妹子就给大家举例说明下，便于大家理解，应用到实际工作中。
画像类需求
画像类需求是妹子自己总结的一个词，用来概括业务方向/策略不清晰，想多看些数据的阶段提的需求。
比如
业务说：我想让和用户接触的客服/销售更全面的了解客户，这样可以更好的为他们服务，我们的业绩也能上去。。。。。
分析师脑子里想：What ！！！啥叫全面？？什么服务？和业绩有什么关系？
是的，没有错，业务啥都没说明白，没有阐述指标范围，没有阐述因果关系，没有定义提升的质量。仿佛咱不是在市场经济时代的公司下干活，而是在和人聊家常，聊些可做可不做的。效率在业务的阐述里没有一丝体现，难道公司是花钱请业务来瞎bb的吗？
作为以目标为导向的数据分析师，拿到这种需求，一定要辨别清楚，它就是“画像类需求”。
任何没法体现效率的需求都可以归为“画像类需求”！
数据分析
清楚了啥叫画像类需求，妹子再和大家讲讲怎么完成这类需求。其实，这类需求不难处理。
妹子认为这类需求就是纸老虎，表面强大，实则不堪一击，数据质量不差的话，取数+建模+v0版报告，1小时就能整出来。
什么？！这样的吗？！
对的，没有错，就是这样。假设你之前处理过相关的字段，代码/数据直接拿过来用，半小时不到就能解决！
妹子把这些需求归到一类，自然是有一套方案解决掉这类需求的。下面，妹子就按着数据分析的步骤，和小伙伴们拆解下解题步骤！
分析维度
1.用户对公司的贡献：用户带来的营收，用户消耗的成本，用户带来的风险；
2.用户人口属性：如年龄，性别，学历等等；
3.用户行业属性：如金融行业的客户额度，客户名下卡的数量等等；
4.用户与公司平台的流程交互：如用户的注册，登录，查询，点击，下单，加购物车，支付，退款，投诉等等；
5.用户与公司产品的交互：如购买A产品的次数/金额，购买B产品的次数/金额等等。
1是类似北极星一样的维度，资本市场，一个用户就是一个盈利单位。如果没有1，其他就是一盘散沙。实际上，没有1，业务也会在后续追着问你要的。不仅是业务，所有做决策的人，都不会容忍看不到1维度下的指标，就做出决策，因为商业的本质就是赚钱。之前的时代，挣钱是靠会计计算收入，成本。大数据时代，挣钱是在做决策之前，做活动之前，就让数据分析师找出性价比最高的方案。
2~5虽然没有1的地位高，但是作为”四大金刚“，也是缺一不可的。
具体指标
具体指标，要根据所处的行业而定。妹子在上面已经列出了一些金融行业的指标，电商平台的指标。小伙伴们可以根据自己所处的行业，自己制定，按5个分析维度去寻找，依次填充就好。
解题方法
聚类！没错，就是聚类。聚类，是把没有标签的数据，按照数据内在联系聚到一起。显然，”画像类需求“木有目标，就是数据没有标签。既然没有标签，咱肯定不可能用分类，自然也用不了回归，就只剩下聚类了。所以，”画像类需求“在现实中，其实就是聚类任务。
任务归类清楚后，咱可以拿出聚类模型代码，一顿操作，调试出最优的类别，一个模型就出来了。是不是前后不要几分钟？怎样，妹子没有夸张吧。
其余的时间用来提取数据，验证数据，妥妥的小时级别搞定！
当别人还在为需求烦恼时，咱已经胸有成竹的写好所有代码，下班啦！
哪来的加班，都是效率不高惹的祸!
V0版本报告呈现
小伙伴肯定会问，一个聚类怎么出一份报告呢？没错，一个聚类结果出不了一份报告，所以咱上面定的5个维度，有一个要单独拿出来分析，那就是用户人口属性。
为什么呢？因为人口属性有很多城市啊，学历啊，婚姻状况啊之类的指标，这些指标虽然可以通过自然语言处理成向量，但是妹子不建议处理成向量，直接扔进去模型一起训练。一是这些指标通常对于聚类来说是噪声，妹子之前一直试着放进去，发现出来的结果怎么都不符合实际；二是处理成向量这块，相当于额外引进了一个模型，简单任务被复杂了。所以，妹子的经验是把人口属性这块单独拿出来做分析。
聚类结果+各类的人口属性分布，V0版本报告就解决啦！
