3、需求分析与规划：如何明确数据需求、制定采集计划、确定指标与精度
旅游规划的数据采集不是“有什么采什么”，而是“要什么才采什么”。许多项目在启动阶段就埋下隐患：要么需求模糊导致采集范围失控，要么指标口径不一致导致后期无法整合，要么精度设定过高造成成本浪费。本章聚焦需求分析与规划阶段的核心任务——将模糊的业务问题转化为清晰的数据需求，并据此制定可执行的采集计划与精度标准。
3.1 核心原理：从业务问题到数据需求的映射逻辑
需求分析的本质是建立“业务问题—分析维度—数据字段”的三层映射关系。旅游规划中常见的业务问题包括：游客量预测、客源市场分析、旅游资源评价、承载力测算、产品策划等。每个业务问题都需要拆解为若干分析维度，再进一步转化为具体的数据字段需求。
例如，“判断某景区是否需要扩容”这一业务问题，需要拆解为：当前游客承载状态、高峰时段分布、游客停留时长、设施使用率等维度。每个维度又对应具体数据字段：日游客量、小时级客流、平均停留时间、厕所/停车场周转率等。这种逐层拆解的方法能够避免“想到什么采什么”的随意性。
3.2 判断方法：5W1H需求识别框架
采用5W1H框架系统梳理数据需求，确保覆盖全面且无冗余。下表展示了该框架在旅游规划数据采集中的应用方式：
| 维度 | 核心问题 | 旅游规划示例 | 输出物 |
|---|---|---|---|
| Why（目的） | 数据用于什么决策？ | 用于确定新游客中心选址 | 决策场景说明 |
| What（内容） | 需要哪些具体数据？ | 游客动线轨迹、停留点、热力分布 | 数据字段清单 |
| Where（空间） | 覆盖哪些区域？ | 核心游览区、缓冲区、外围集散区 | 空间范围定义 |
| When（时间） | 什么时间范围？ | 旺季连续14天、淡季周末样本 | 时间窗口计划 |
| Who（主体） | 数据来自哪些群体？ | 散客、团队游客、本地居民、商户 | 主体分类表 |
| How（方法） | 如何获取？ | 手机信令、问卷、计数器、POI抓取 | 采集方法选型 |
操作流程上，建议组织规划团队、数据工程师、业务方三方共同参与需求评审会。先由规划师提出业务问题清单，再由数据团队评估可行性，最后双方协商确定优先级。这一过程通常需要2-3轮迭代，避免一次性追求大而全。
3.3 指标与精度设定：分级分类管理
指标定义是需求分析中最容易出问题的环节。同一指标在不同部门可能有不同口径，例如“游客量”可以指售票数、闸机扫码数、手机信令识别数，三者差异可能超过30%。因此必须建立统一的指标字典，明确每个指标的名称、定义、计算公式、数据来源和统计口径。
精度设定则需要平衡成本与效用。旅游规划数据通常分为三个精度等级：
- L1宏观精度：适用于区域旅游发展规划、全域旅游示范区创建等，空间精度到乡镇或景区级别，时间精度到月或季度，数据可通过统计年鉴、运营商报告获取。
- L2中观精度：适用于景区提升规划、度假区策划，空间精度到景点或功能区，时间精度到日或小时，需要现场调查或设备监测。
- L3微观精度：适用于详细设计、容量管控、动线优化，空间精度到具体设施或点位，时间精度到分钟级，需要高密度传感器或深度调研。
3.4 案例拆解：某滨海度假区承载力评估的数据需求规划
背景与约束：某滨海度假区计划编制新一轮总体规划，核心问题是评估沙滩承载力并确定合理的游客容量上限。规划团队面临三个约束：一是预算有限，无法部署大规模物联网设备；二是规划周期仅4个月，数据采集窗口紧张；三是需要兼顾旺季和淡季的对比分析。
初始目标：确定沙滩日承载力阈值，并识别影响承载力的关键瓶颈因子（如更衣室数量、救生员配置、沙滩面积利用率）。
关键输入数据：规划团队通过5W1H框架梳理出以下数据需求：
- 沙滩面积（已有测绘数据，精度L1）
- 日游客量（通过运营商信令获取，精度L2，时间粒度1小时）
- 游客空间分布（通过无人机航拍+AI识别，精度L3，采样日6天）
- 设施使用情况（更衣室排队时长、停车场饱和度，人工记录+简单计数器）
- 游客满意度（现场问卷，样本量800份，覆盖旺季周末和平日）
分析判断过程：团队首先明确承载力计算采用“瓶颈因子法”，即找出最先达到饱和的设施或空间。因此数据需求聚焦于各关键设施的使用峰值和持续时间，而非平均值。通过预调研发现，更衣室在上午10:30-11:30和下午14:00-15:00两个时段排队严重，因此将时间精度设定为30分钟。
实际操作步骤：
- 第一周：召开需求评审会，确定指标字典，明确“游客量”统一采用“在园人数”口径（而非入园累计数）。
- 第二至三周：与运营商确认信令数据脱敏方案和接口规范，同时设计无人机航拍计划。
- 第四至六周：完成旺季数据采集（含2个周末+3个工作日），同步开展问卷调研。
- 第七至八周：数据清洗与初步分析，发现沙滩实际可活动面积比测绘面积少18%（因礁石区和安全隔离带），及时修正需求。
- 第九至十周：补充采集淡季数据，用于对比分析。
结果对比：最终测算的日承载力为12,800人，比原规划假设的15,000人低14.7%。关键瓶颈并非沙滩面积，而是更衣室容量和通往沙滩的通道宽度。这一结论直接影响了后续设施扩建方案的优先级排序。
风险与代价：由于前期需求分析充分，中期仅发生一次需求变更（修正有效沙滩面积），避免了返工。但无人机航拍受天气影响延误了3天，通过启用备用方案（人工网格计数）弥补。
复盘经验：需求分析阶段多花1周时间，能为后续节省3周以上的返工成本。特别是指标口径的统一，必须在采集开始前完成书面确认，不能依赖口头沟通。
3.5 常见误区与总结复盘
通过多个项目实践，需求分析与规划阶段存在以下高频问题：
| 误区类型 | 具体表现 | 后果 | 应对策略 |
|---|---|---|---|
| 需求膨胀 | 规划师列出50+项数据需求 | 预算超支、周期延长 | 按决策影响度排序，砍掉非关键项 |
| 口径模糊 | “游客量”未定义统计方式 | 多方数据无法对比 | 建立指标字典并签字确认 |
| 精度错配 | 宏观规划采用微观精度 | 成本高且数据冗余 | 按决策层级匹配精度等级 |
| 忽视时间维度 | 只采旺季数据 | 无法分析季节性波动 | 至少覆盖淡旺季两个周期 |
| 缺少校验机制 | 采集完成后才发现数据异常 | 无法补救 | 设置过程质量检查点 |
需求分析不是一次性活动，而是贯穿项目始终的动态过程。随着初步数据的获取，规划师对问题的理解会加深，可能产生新的数据需求或调整原有精度设定。因此，建议在采集计划中预留10%-15%的预算和时间作为弹性空间，用于应对需求变更。同时，建立数据需求变更日志，记录每次变更的原因、影响范围和决策依据，为项目复盘提供完整轨迹。