编辑导语：在进行一项业务时，数据分析往往是很重要的，业务人员会提出比较多的分析需求，这时数据分析师需要进行分类和分析；本文作者根据自己的经验，整理了一套定义问题的方法，希望对你有帮助。

一、现实与Kaggle的区别

现实环境的数据分析工作和Kaggle题目之间，**的区别在于Kaggle上的问题往往非常清晰。

预测类问题，你只需要把预测做的足够准确就能拿高分。

但在实际的业务环境中，你做了一个很牛逼的预测模型，换回来的只是业务方一句“这个有什么用？”

有时候业务方提出的问题也很不靠谱，提需求的时候说是要分析一个问题的原因，结果实际上问题根本就不存在，只是对方的感觉。

所以如果你在Kaggle上可以混的风生水起，那么只能说你对于确定性问题的解题方法掌握比较好。

但到了实际业务环境下，识别问题成了一个更重要的能力。

业务人员提的数据分析需求往往很杂，各种千奇百怪的“是不是、有多少、为什么、能不能、会不会，怎么办”等问题层出不穷。

到底哪些问题可以归为一类？这类问题又该如何分析？这是每个数据分析师都想知道的。

我根据自己的经验和理解，整理了一套定义问题的方法，分享给大家。

二、一个业务分析需求的必备要素有哪些？

一个业务分析需求，必备的要素有哪些？

上一篇提到了一个思考框架，业务流、管理流与数据流。

这里简单复习一下，一般常见的分析流程：