3. 用户场景识别：从数据使用场景中提取典型用户角色、目标、任务和痛点
在数据原型边界设计中，用户场景识别是连接原始需求与 KANO 模型分类的关键桥梁。只有从真实的数据使用场景中剥离出清晰的角色、目标、任务和痛点，才能为后续功能分类（基本型、期望型、兴奋型）提供可验证的输入。
3.1 用户场景识别四要素
每个数据使用场景都应拆解为以下四个维度，它们构成了 KANO 分析的最小单元：
| 要素 | 定义 | 数据原型中的示例 |
|---|---|---|
| 用户角色 | 使用数据的人群身份，决定其权限和信息视角 | 数据分析师、业务经理、运维人员 |
| 用户目标 | 角色希望通过数据达成的高层目的 | “在 5 分钟内找到上周销量下降的原因” |
| 用户任务 | 为实现目标而执行的可操作步骤 | 筛选日期、对比品类、下钻到地域 |
| 用户痛点 | 在执行任务或对接数据时遇到的障碍 | 数据加载慢、字段含义模糊、刷新延迟 |
3.2 典型数据使用角色图谱
基于多个数据产品团队的真实访谈，我们归纳出以下六类核心角色及其典型场景：
- 数据消费者（业务侧）：依赖报表做日常决策，痛点常集中在数据延迟和口径不统一。
- 数据生产者（数据开发）：负责清洗、建表、维护 ETL，痛点在于需求频繁变更导致模型反复调整。
- 数据分析师：需要灵活 ad-hoc 查询，痛点在于交互复杂、查询性能差。
- 产品经理：监控产品健康指标，痛点在于难以获取细粒度用户行为数据。
- 运维/监控角色：关注系统稳定性，痛点在于报警噪音和日志不透明。
- 外部合作伙伴：通过 API 或数据市场获取数据，痛点在于接口文档不完善、认证流程繁琐。
3.3 从访谈到结构化输出
我们需要通过结构化用户访谈，将上述四要素从回答中提取出来。以下是一个典型访谈摘录及其转化为四要素的示例：
访谈摘录（业务经理）：“每周一的晨会我需要看客户留存对比，但是那个报表每次刷新都要等两分钟，而且三个部门的客户定义不一样，根本没法直接用。如果能让我自己选口径，哪怕多等一会儿也行。”
- 角色：业务经理
- 目标：每周一晨会获取准确的客户留存对比数据
- 任务：打开报表 → 选择时间范围 → 对比部门留存率
- 痛点：刷新慢（2分钟）、部门口径不一致、无法选择自定义口径
这种结构化输出可以直接作为 KANO 问卷的场景基础：“如果系统允许你自定义口径，你会觉得…” → 帮助判断该能力属于期望型还是兴奋型。
3.4 用户场景识别流程
下图展示了从“数据使用场景”中提取四要素，并最终进入 KANO 分类的全过程：
3.5 常见识别陷阱与避坑指南
陷阱1：把任务当目标 —— “筛选日期”是任务，不是目标。目标是“快速定位异常日期”。
陷阱2：忽略隐性痛点 —— 用户很少主动提及数据一致性问题，需要通过交叉追问暴露。
陷阱3：角色颗粒度太粗 —— “业务人员”过于笼统，应细分为“销售总监”“运营专员”等。
3.6 交付物模板：用户场景卡片
每个场景建议产出一张标准卡片，作为后续 KANO 问卷和原型设计的输入：
卡片编号：SC-003
场景名称：周度经销商销售看板
用户角色：区域销售经理
用户目标：周三前获取上季度各经销商增长率排名
用户任务：
1. 登录报表系统 → 选择“经销商分析”模块
2. 设置时间范围（上季度）
3. 按增长率降序排列
4. 导出为 PDF
用户痛点：
- 数据截止日为周二晚，周三早晨才能看到（延迟12h）
- 经销商名称存在历史别名，手动映射耗时
- 移动端无法排序提示：在后续章节（第5章 需求拆解）中，我们将基于此卡片直接生成对应的 KANO 问卷题目，并在第7章（验收标准）中验证边界条件。
本节产出物：至少为每个核心角色输出3~5张用户场景卡片，每张卡片包含完整的角色-目标-任务-痛点，并标注数据敏感度等级（内部/机密/公开）。