数智化需求完善
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_04196b8f/req-expert-zql。
技能介绍
要解决的问题
很多业务诉求一开始只是「太慢」「不好用」「需要上系统」。这类描述缺少角色、场景、限制条件和量化损失,后续讨论容易直接进入产品形态或供应商选型,而不是先确认业务影响、复现路径和验收依据。
这个技能如何工作
它把模糊诉求整理成痛点描述,核心是 谁 在 什么场景下 遇到 什么问题,并造成 什么负面后果。流程包括:
- 收集信息:补齐角色、场景、问题、后果,明确岗位、时间、环境、限制条件
- 识别缺口:判断哪些要素模糊或缺失,区分「不方便」和「业务停摆」
- 引导完善:用具体问题追问,如
错误率、耗时、网络条件、手工 workaround - 生成描述:输出客观、可验证、不预设方案的痛点陈述
- 验证有效性:检查是否可验证、痛得够深、聚焦问题,而不是直接跳到「换系统」
适用边界
它适合在需求澄清、痛点定义、立项评审和方案前置讨论中使用;不适合替代架构设计、ERP 选型、开发排期或实施计划,也不能凭空补齐用户没有提供的量化数据。
使用场景
- 立项评审前,把「系统太慢」整理成含角色、场景、量化后果的痛点描述。
- 需求澄清会上,追问仓库管理员在离线盘点时遇到的具体限制和复核耗时。
- 方案讨论前,检查描述是否预设「换 ERP」,并改成可验证的问题表述。
- 评审材料中,把模糊抱怨拆成岗位、时间、环境、错误率和人工复核天数。
适合人员
- 负责需求评审的运营负责人,希望把一线抱怨整理成可立项的痛点描述。
- 做业务运营的顾问,希望追问角色、场景、限制和量化损失,避免直接选系统。
- 产品经理在写立项材料前,希望验证痛点是否可证明且痛得够深。
- 流程优化专员需要把「不好用」拆成岗位、环节、错误率和复核耗时。