7.7
深览指数
职场人人都是产品经理·古牧君··AI 生成
把需求翻译好，是种AI做不来的非遗分析技能
本文通过一个电商品类消费者未被满足需求的分析案例，指出AI目前无法替代的核心技能是“需求翻译”——将业务方模糊、有漏洞的AI指令，还原为其真实业务意图并重构为严谨的分析框架。作者对比了运营初稿与优化后的方案，强调核心在于用大白话沟通结构，而非比业务更懂细节。文章后半部分讨论了在全民AI赶时髦的职场环境中，如何策略性地定位自身价值，避免直接冲突，主动边缘化以保全资源。适合在一线从事数据分析或与业务方协作的读者，以及思考AI浪潮下自身不可替代能力的从业者。原文 ↗
核心观点
- ▍在数据分析领域，AI无法替代的核心技能是“需求翻译”——将业务方模糊、逻辑跳跃的指令，还原为其真实的业务意图，并重构为严谨的分析框架。
- 01运营初稿的skill存在三类问题：整体逻辑思路不清晰（供需、竞品、人群维度割裂）；分析方法不严谨（仅用Top1000搜索词、只分析高赞评论）；不清楚需求方用意（人群规模维度的目的不明确）。
- 02对于不清晰的需求，不应一上来就问细节（如数据口径），而应围绕目标问题，先用大白话确认局部与整体目标的关系，让运营做“判断题”而非“选择题”。
- 03作者给出的优化框架是：先将品类下的未满足需求拆分为“痛点”和“痒点”，对痛点通过负面评价筛选，再结合需求量级、供需比、竞品对照、人群规模排序；对痒点直接用LLM提取评论中的“许愿”需求。
- 04作者认为数据分析师不应追求比业务更懂业务，而是当业务给出骨架（1）后，能添砖加瓦（补充0使其变成10或100），尊重专业人员。
反方 / 局限
- — 文章隐含了一个前提：业务方（运营）是逻辑不够清晰的“猪队友”，需要数据分析师来“拯救”。但现实中，优秀业务方的需求可能本身就很精准，作者的判断框架在此类场景下可能过于强大，有过度解读或“抢功”的风险。
- — 文章推荐的职场策略是“主动边缘化”，避免与赶时髦的老板和同事冲突。但这是一种保守的防御策略，可能不适用于所有公司文化或渴望晋升的个体，且长期边缘化可能削弱个人的话语权和影响力。
12 分钟 · 3 卡片 · 6 资料
读原文 →