认清现象和原因的不同。从证实假设到导出结论的过程中，最重要的就是弄清楚发生问题的原因是什么，但是大多数经营者和企业经理人只看到问题的现象，却看不到产生问题的原因。现象终究只是现象，不是原因，但是大多数人却不了解这种理所当然之事。不找出真正的原因，就别期望解决问题。因此，最重要的是思考在各种现象之中，如何找出真正的原因，决不能在列举了各种现象之后就停止思考。
实践案例
最近有这样一个需求。某产品负责人向我们提出：目前他每天需要关注产品线的一些销售数据。该产品线产品分类如右图所示。
目前每天我需要关注的数据如下，希望能整合查看。
每天/月产品A的销量
每天/月产品B的销售
各个年限的销量
各个级别的销量
打折、礼品、各种促销活动占比
新购、续费、升级各种占比
在之后又有补充：
用户类别的数量（个人？企业？）
每个小时，各类用户的购买数量
用户注册时间（N天前）
第一步：梳理现象——尽可能多地搜集现象，并进行梳理
就像破案一样，为了找出最后的真相，需要先尽可能多地搜集线索。这些线索就对应着现象，真相就是原因。在搜集到线索后，需要进行初步的梳理，以备之后的深入分析。从原始需求可以看出，在这个负责人关注的这些数据中，首先最重要的是关注销量，然后对销量进行更细纬度的查看。关注的数据可分类为以下3种类型：时间、购买产品类型、用户类型，具体数据分类如下表所示。
第二步：多问为什么——从现象追溯到原因，直指需求的根源
到了第二步，我们已经有了很多线索，并进行了初步的梳理，但这些线索都还只是现象，停留在表明，在这个阶段，我们的任务就是从现象追溯到原因，去找寻需求到根源。如何找原因呢？在现象的基础上多问几个为什么，再去找出这些问题的答案。
产品负责人为什么需要看销售数据？
为什么要关注每时、每天、每月的销量？
为什么关注不同年限、各级别、各促销方案的占比？
为什么关注用户类型？
对应答案为：
产品负责人对产品负责，而产品的销量是KPI考核中的重要部分。
首先是总结销量，看是否完成任务；其次是关注销量的变动，每次变动是否有对应的原因，所做的活动有没有效果等；再次看用户购买行为产生的时间有没有规律。
看现在销量最多的产品是什么，什么级别与促销方案对我们的用户更有吸引力。
看用户类型的占比，以及用户的偏好性，以便针对不同的用户制定有针对性的营销计划。
找出答案后，再一次对答案进行梳理，可以看出需求主要分为以下两方面：
1）对销售数据的总结。
关注销量的变动，每次销量变动是否有对应原因，所做的活动有没有效果。
2）对未来进行的营销方案提供数据支撑。
细分用户，关注细分用户群对哪些产品更有兴趣，更喜欢什么样的促销方案。
第三步：从原因再次出发——真正做出靠谱的需求分析
分析到这里，对于需求的来龙去脉都有了清晰的了解。针对本案例，最后给出的功能列表包括：
1）可按小时/日/月查看销量，从关注数据的变动来考虑，则数据的展示方式不直接用表格，而选用折线图。
2）需要满足对数据更细纬度的交叉查询。
综合以上的分析，可以得出，只是直接的数据展示是不能满足需求的，而需要对数据进行交叉查询，例如可以查询到：
在产品A-级别1的销量中，各种年限的占比分别是多少，而每种年限中各种用户类型的占比是多少。
在产品A的销量中，哪种用户最多，而每种用户类型更偏好什么产品的什么级别、什么年限。
3）具体化不确切选项。
在前面所要展示的数据中，有两个数据是无法确切定义的，即销量与用户注册时间（N天前）。
销量：怎么定义销量，销量是总销售额，还是总成交用户数，还是订单数？一般KPI会以直接的数据来衡量，所以确定为总销售额。后考虑除了总销售额，还应关注成交用户数来确定人均消费，因此把成交用户数也纳入数据项。
用户注册时间（N天前）：N怎么定义，根据用户可能消费的节点，定义为6个时间段：1周（1～7天）、1月（8～30天）、3个月（31～90天）、6个月（91～180天）、1年（181～360天）、一年以上。
4）扩展的需求
负责人想要知道用户类型及偏好，同时公司还有其他产品，那么可以获取到哪些产品拥有多少比例的共同用户，从而使用户角色拥有更丰满的数据，为多条产品线一起营销提供可能性，更可能有在将来挖掘出新的产品机会。
总结分析
在这个案例中，最重要的就是认清现象和原因的不同，不要只看表面上提出的需求，而是要深入分析，这个需求提出的原因是什么，再从原因出发，绝不能在列举了各种现象之后就停止思考。
这更让我想起一个知名的讨论，讨论的主题是“产品需要创造需求还是迎合需求？在汽车出现之前，如果你问用户需要什么，他会回答需要一匹更快的马。”现在再来看这个主题，用户回答需要一匹更快的马，只是现象，而根本的原因是对速度的要求。柯南说：真相只有一个！
做产品也是如此，在解决问题时，要注意分析这是现象还是原因，不要浅尝辄止，要深挖，努力发现事实的真相，问题的本质，做出靠谱的需求分析。
