數據的需求方，或者說數據的“消費者”通常是企業內部各個部門和領域的人員。
為什麼會提出這個問題，其實我們經常會遇到這樣的情況：公司的高層抱怨從報表裡面看不到有用的東西，是不是可以對報表做下整理（於是下面就忙開了），但是該怎麼整理或者他們到底需要的是什麼數據（好吧，高層的需求一般是不會明說的，我們要試著自己去揣摩）？
同時各個部門也在不斷地提各類數據需求，往往他們的需求就比較明確，有時可能會細得嚇人（考驗服務器的時間到了）。
數據部門就是處在這樣一個對數據的需求存在著如何多樣化的環境裡面，所以考驗數據人員的時間到了，我們能滿足所有的需求嗎？
目標和KPI
好了，首先來解答一下我們揣摩“聖意”後的結果，老闆或者高層需要什麼數據？其實很簡單，他們只想知道公司的總體狀況如何，所以我們只需要提供彙總的目標和KPI數據，不需要太多，2-3張報表，10個左右的指標足夠展現出公司的全局了，但其實首先要做的是對公司的目標和KPI有一個明確的認識和定義。
要關注人員：決策層
雖然目標和KPI的主要關注人群鎖定在公司的決策層，但其實公司的每位員工都應該關心公司的目標實現情況及KPI指標的表現，因為目標和KPI是客觀評價公司狀況和效益的最有效途徑。但往往各個部門關心目標的KPI的方式會有差異，於是數據需要去滿足各個部門不同的關注目標的KPI的方式，就有了下面的細分。
細分與功能點
公司的決策層可能會希望看到上面這些目標和KPIs的彙總數據，但如果我們給所有部門都提供這類彙總數據，那麼可能其他部門就只能遠遠地望著這些數據，什麼都做不了。所以我們需要給不同的部門不同類別不同層面的數據，因為我們要做的就是讓每個數據消費者都能根據數據Take Actions，而其中很重要的一塊就是數據的細分。
我們可以從多個角度對數據分析的報表和指標進行細分，每個公司根據自己運營類型的差異選擇適合自己的細分模塊，當然這裡說的最常見的幾個細分模塊：內容、用戶和來源。
內容細分
主要關注人員：產品運營
儘管互聯網的形式在不斷地多樣化，但無論如何互聯網還是主要以信息服務提供商的角色存在，歸根到底還是內容，內容是它的核心競爭力所在，對於數據分析同樣如此，所以首當其衝的就是內容的細分。
如頁面度量與細分，對內容的一些度量指標和幾個細分方式作了介紹，無論以哪些指標或者以何種細分方式來評價內容，最終我們的目的都是區分優質和劣質的內容，掌控產品的運營狀況，從而保持或者改進內容。
內容細分的分析結果無疑可以給產品運營提供有價值的參考依據，明確了哪些是需要把握的核心內容，哪些內容需要改進。
同時藉助一些特殊的指標還可以指引細節上的改進，比如一個Pageviews很高但Avg. Time on Page較短、Exit Rate很高的頁面顯然在內容上沒有足夠的吸引力，但標題或簡介信息足夠吸引眼球，那麼改進的方向就可以確定為提高內容的描述方式；
如果你的產品提供電子商務服務，那麼每個或每類產品細分的銷售額（目標）及轉化率（KPI）將讓你能夠更好地有針對性地進行產品和運營方式的選擇。
用戶細分
主要關注人員：用戶體驗、銷售
我們一般通過用戶群的使用環境（網絡、設備、系統和客戶端等）、人口統計學信息（性別、年齡、地域等）、用戶行為類型（使用的趨勢、忠誠度、創造的價值等）這幾類數據和指標對用戶群進行細分。
在“用戶中心論”的潮流下，是不是把用戶放在內容後面有點不妥？產品的一切就是為了滿足用戶的需求，包括所有的內容的提供，但其實在數據分析上用戶分析並沒有內容分析來得普遍，特別是還要對用戶群進行細分，道理很簡單，內容或者產品是可以自己把握的，而用戶不行，所以尤其是基於用戶行為分析的數據，說得很多但真正做好的或者應用於實踐的其實並不多。
但有一塊必須要有分析數據的支持，那就是用戶體驗的設計和優化。對於用戶體驗設計而言，其目標是能夠滿足所有用戶的使用習慣，所以比較和優化各類用戶在不同的使用環境和使用習慣中的數據能夠對用戶體驗的改善起到很大的作用；
而如果你的產品需要進行銷售，那麼用戶行為分析對於個性化的產品銷售和推薦能夠起到很好的效果，它剛好與用戶體驗的目標相反，這類細分分析主要是為了滿足每類用戶需求上的偏好。
來源細分
主要關注人員：市場推廣
其實對於數據分析人員而言，渠道來源的數據分析肯定不會陌生，許多產品都會重點分析這塊的效果，包括SEO和SEM等都已經發展成為了非常專業的領域。
數據分析工具裡面一般都會區分直接進入、搜索引擎、外部網站及促銷途徑這幾項來源，其實我們可以使用一些有效的途徑將這些渠道分得更細，包括社會化媒介、合作網站、廣告直郵等，通過這些來源細分去觀察各渠道帶來的流量的質量（在目標和KPI指標上的表現），我們就可以看清楚各推廣渠道的優劣，從而為有效的推廣行動提供參考。
其實還有一塊——線下渠道，我們往往會認為線下的促銷或廣告的效果很難用數據進行監控，但是現在已經有越來越多的監測辦法，這些也是可以實現的。
通過對線下渠道的監控分析，是我們更瞭解線下推廣的效果以及其對線上推廣所帶來的關聯和影響，最終指導推廣人員更有效地佈置和實施整套完整的推廣計劃。
功能點分析
主要關注人員：技術、用戶體驗
如果你的產品不單是簡單的幾個頁面，而是一個龐大複雜的系統，其中提供了豐富的功能和應用，那麼我們還需要做一類分析，就是各功能點的分析。之前在“讓用戶更容易地找到需要的信息”專題中分析過幾類中常見的功能：站內搜索、導航設計和內容推薦，這些功能點我們都可以使用特殊的方法獲取數據、設置特殊的指標去分析他們的實現效果。
技術和用戶體驗團隊都需要關注這些功能的實現效果和優化空間，數據是評價這些功能最有效的途徑，因為這些功能都影響著用戶的體驗和滿意度，一個真正優秀的產品需要把握好每個功能的每個細節的實現。
分析模型
主要關注人員：數據分析師
上面提到的相關人員幾乎涵蓋了每個公司的各個領域，但其實還缺少一塊重要的組成部分，就是我們自己——數據分析人員。其實對於數據分析人員來說，他們需要把握所有的數據，從全局的目標和KPI到各類細分指標，以及各類功能點的數據。但這些還遠遠不夠，數據分析師必須發揮他們的所長，設計並構建起各類分析模型，這些模型不僅可以對公司的關鍵業務和運營狀態做出客觀的評價，起到總結的效果外，更可以發現一些潛在的商業需求點，為公司的發展提供可能的方向和決策依據，起到預測的作用。
分析模型主要分為兩類，一類是定量分析模型，包括關鍵路徑分析的漏斗模型、基於用戶行為分析的用戶評價模型，當然也包括數據挖掘領域的用戶興趣發現、內容模式匹配，以及基於其上的個性化推薦模型，這些都在一定程度上實現了預測的效果。
另一類是定性分析模型，包括目標市場的調研、以用戶為中心的研究以及競爭優勢的分析。當然現在可能在用戶調研和用戶體驗方面做得相對多些，通過網上問卷、可用性實驗、實景訪問調研，結合一些可視化的點擊熱力圖等工具來評估用戶在使用產品時的整體感受和滿意度，這種更加接近用戶的分析方法將逐步為產品的優化帶來許多新的思考。
自定義Dashboard
其實大部分的數據分析工具和BI報表工具中都會提供自定義Dashboard的功能，以便使用者可以將自己關注的指標、報表和圖表集成地顯示在同一個Dashboard上面，方便日常的觀察和分析。
本來這是一個很Cool的功能，因為只要稍微用點心，可以把自己的“儀表盤”做得很漂亮，但現實中這個功能沒有想象中實現得那麼好，或者使用者沒有去自定義Dashboard的習慣（當然存在數據的組織和關聯上的限制以及報表工具易用性方面的問題），但作為數據的提供方，我們在定製好公用的Dashboard的同時，有必要時還要幫助某些特定需求群體定製自定義的Dashboard。
優秀的自定義Dashboard不僅能夠合理地組織數據，同時更加可視化地展現數據，讓數據的觀察的分析不需要這麼累，是的，也許大家會愛上這些數據。同時自定義的Dashboard其實還可以有效的控制數據權限，在Dashboard裡面將合適的指標和報表開放給各類人員，從而屏蔽掉一些敏感的數據，數據的保密性對數據部門而言也是一塊重要的工作。
本文簡要梳理了整個數據提供方案的可行的思路，希望能給出一個系統全面的數據組織和提供方案，用數據為線索貫穿企業的各個角落，真正能夠建立起數據驅動（Data Driven）的企業文化，讓數據不單只是單純的展現這麼簡單，能夠滿足各類人員的不同需要，並最終依靠數據提高企業在各個領域執行的效率和效果。
轉自：http://webdataanalysis.net/personal-view/what-data-they-want/
本文內容稍有修改
閱讀更多 TalkingData 的文章
