數(shù)據(jù)的秘密（下）如何分析數(shù)據(jù)

上一篇文章中，我們介紹了為什么要關(guān)注數(shù)據(jù)，在本文中我將分享具體如何做。

數(shù)據(jù)的秘密（上）為什么要關(guān)注數(shù)據(jù)？

關(guān)注宏觀和細節(jié)

大多數(shù)人都能做到關(guān)注宏觀的數(shù)據(jù)，拿互聯(lián)網(wǎng)產(chǎn)品來說，日活，月活，流失率，NPS（凈推薦值），這些都是宏觀的數(shù)據(jù)。宏觀數(shù)據(jù)能夠反映出產(chǎn)品的整體狀況，是值得長期關(guān)注的。

但是在宏觀之外，我們還應(yīng)該關(guān)注一些細節(jié)的數(shù)據(jù)。拿日活來說，我們可以再進一步進行分析，比如：

• 日活中新用戶所占的比例
• 日活中 iOS 和 Android 的各自占比
• 日活中大家集中活躍的時間段
• 日活中用戶的會話（Session）次數(shù)分布，時長分布
• 日活中用戶平均使用你的產(chǎn)品核心功能的次數(shù)

當(dāng)你把數(shù)據(jù)拿放大鏡看得更細的時候，你可能就會發(fā)現(xiàn)一些問題。帶著這些問題，你進一步分析，就可以找到更多信息。

舉一個我們創(chuàng)業(yè)產(chǎn)品項目的例子，我們發(fā)現(xiàn)日活中的用戶，有相當(dāng)一部分用戶只是注冊了，但是并沒有使用我們產(chǎn)品的核心功能，于是我們擔(dān)心會不會有一些付費推廣渠道「刷量」。

所以，我們將新增用戶中不活躍的比例按渠道來劃分。通過這樣的劃分，我們很容易找到那些效果差的渠道，從而選擇更有效的推廣渠道。

關(guān)注原始數(shù)據(jù)

原始數(shù)據(jù)是什么？就是那些不是通過別的數(shù)據(jù)計算出來的，不能被分割的數(shù)據(jù)。這些數(shù)據(jù)是最最真實的，而其它通過計算出來的數(shù)據(jù)，因為進行了二次加工，所以不一定能夠完全反映出產(chǎn)品的問題。

再舉一個項目的例子，我們?yōu)榱搜芯?NPS 給我們打零分的用戶。把這些用戶的搜索數(shù)據(jù)、操作記錄都抽樣出來，一個用戶一個用戶看，然后進行分類整理。最終我們發(fā)現(xiàn)這里面小學(xué)生用戶占比很高，從而調(diào)整了產(chǎn)品的策略，在內(nèi)容和算法上對小學(xué)生進行了兼顧。

關(guān)注原始數(shù)據(jù)除了能改進產(chǎn)品外，還能在技術(shù)上提高代碼的質(zhì)量。我們曾經(jīng)遇到過一個很難復(fù)雜的 Bug，在我們的測試機中都無法復(fù)現(xiàn)，但是我們通過分析相關(guān)用戶的操作記錄，找到了具體崩潰的操作方法。

雖然該操作方法不能在我們自己的機器上復(fù)現(xiàn) Bug，但是我們卻能找到相關(guān)的關(guān)鍵代碼。通過一些針對這些代碼的討論，我們就找到了 Bug 的原因。現(xiàn)在回想起來，如果沒有這些原始數(shù)據(jù)，要修復(fù)這個 Bug 就要困難很多了。

關(guān)于面試

其實不光做產(chǎn)品要看「原始數(shù)據(jù)」，面試一個人也是。我在面試的時候，會選一個候選人簡歷上的事情，進行深入了解。我會讓他提供詳細相關(guān)工作的數(shù)據(jù)和事例。通過這些「原始數(shù)據(jù)」，我能夠更加方便地「還原他真實的工作場景」，從而對他的工作質(zhì)量作出盡量客觀的評價。

舉個例子，有一個產(chǎn)品實習(xí)生候選人在簡歷上寫他運營了一個微信公眾號，「粉絲逾千，單日粉絲增量 200 以上，數(shù)篇文章閱讀量超過 3000」。但是在面試中，詳細追問這些數(shù)字，我們才發(fā)現(xiàn)他說的「逾千」是指 1000，而「單日粉絲增量 200 以上」是指的最高的一天，其它信息也都是有夸大的成分。

還有一次，我面試一個技術(shù)候選人，這個候選人說他有代碼潔癖，覺得前公司的代碼「很亂，受不了」。但是我讓他具體舉幾個例子的時候，他卻很難說出實際的例子。還有候選人說他喜歡看技術(shù)書，但是卻無法說出他印象最深的一本技術(shù)書以及其中的部分觀點。

通過了解細節(jié)，我們就可以揭開簡歷中光鮮描述的外衣，了解到事情背后的細節(jié)，這對我們評價候選人至關(guān)重要。

數(shù)據(jù)可視化

數(shù)據(jù)可視化是指將原本枯燥的數(shù)據(jù)，用折線圖、餅圖、柱狀圖等方式呈現(xiàn)出來，它可以使我們更容易發(fā)現(xiàn)數(shù)據(jù)的規(guī)律，也更容易發(fā)現(xiàn)數(shù)據(jù)的異常。

在項目中，數(shù)據(jù)可視化多次給我們帶來巨大的幫助，包括：

• 了解數(shù)據(jù)的特點：我們將項目的 QPS 按每小時為頻率畫出成一條折線圖，所以我們很容易知道我們服務(wù)器高峰期的時間段以及訪問量。
• 發(fā)現(xiàn)服務(wù)異常：我們將服務(wù)器搜索的失敗率占比畫出成一個餅圖，有一天，這個餅圖中顯示出失敗率突然變高了。同時，每日的 NPS 分數(shù)突然也變低了很多。我們借此發(fā)現(xiàn)了新擴容的一臺服務(wù)器故障。因為那臺服務(wù)器是新加的，所以運維忘記了增加監(jiān)控，如果沒有數(shù)據(jù)可視化的幫助，這個故障可能會持續(xù)更長時間。
• 監(jiān)控核心質(zhì)量：我們將項目的一些核心指標(biāo)畫成折線圖，然后大家都努力讓核心指標(biāo)更優(yōu)。
• 發(fā)現(xiàn)惡意攻擊：一些重要指標(biāo)，我們都會可視化出來，這樣當(dāng)這些數(shù)據(jù)指標(biāo)變化時，我們就會進一步分析原因，從中我們還發(fā)現(xiàn)了一些競爭對手惡意的攻擊行為。

數(shù)據(jù)可視化工具

我們當(dāng)然不可能所有的數(shù)據(jù)可視化都是自己手工用 Excel、Numbers 之類的工具來生成。所以，我們開發(fā)了一個數(shù)據(jù)可視化的平臺，我們把它叫做 flyboard。

flyboard 提供了各種數(shù)據(jù)可視化的方式，包括數(shù)字，折線圖，餅圖，環(huán)形圖，柱狀圖等。如下圖所示：

我們將所有的原始數(shù)據(jù)都歸集到分布式存儲 Hbase 中，然后通過配置一些定時的計算任務(wù)，就可以以幾乎實時地方式，看到產(chǎn)品的各項可視化指標(biāo)。

這些指標(biāo)，有宏觀的，也有一些比較細分的，如果我們對某項指標(biāo)的數(shù)值有疑問，我們就會進一步寫一些分析腳本，來從 Hbase 中計算一些數(shù)據(jù)進行檢查。

在我們公司，我們的三個產(chǎn)品的辦公區(qū)域，都掛著一個巨大的顯示器，這個顯示器除了用于 Scrum 的每日站會同步進度外，平時都用 flyboard 顯示著產(chǎn)品的各項核心數(shù)據(jù)。

悄悄告訴你一個秘密，我們的 flyboard 可視化平臺是開源的，項目地址是：https://github.com/yuantiku/flyboard ，在 Github 上你可以下載到完整的代碼，我們也附有完整的安裝使用說明文檔。如果你還沒有使用任何數(shù)據(jù)可視化工具，歡迎嘗試一下 flyboard。

學(xué)習(xí)寫 SQL

由于有 Hadoop、Hbase 、 Hive 的存在，產(chǎn)品經(jīng)理也可以通過一些簡單的 SQL 語句，就可以生成MapReduce 任務(wù)，進行分布式的數(shù)據(jù)分析運算。

所以數(shù)據(jù)分析最最常用的辦法就是寫 SQL。在很多公司，產(chǎn)品經(jīng)理都在這方面能力比較欠缺，這使得產(chǎn)品經(jīng)理在需要數(shù)據(jù)時，需要向技術(shù)提需求。技術(shù)會根據(jù)自己的工作排期。這樣一來一回，一般一個簡單的數(shù)據(jù)分析都需要一天時間。

這樣的低效率的方式，會扼殺產(chǎn)品經(jīng)理的一些數(shù)據(jù)分析需求，特別是那種需要探索式發(fā)現(xiàn)的數(shù)據(jù)分析工作。因為這種工作需要不停地根據(jù)數(shù)據(jù)分析的結(jié)果，調(diào)整各種策略來寫嘗試的 SQL。

所以在我們團隊，我們希望產(chǎn)品經(jīng)理都能有基本的數(shù)據(jù)分析能力，一些簡單的 SQL 都是需要自己能夠?qū)懙?。?dāng)然，一些特別復(fù)雜的 SQL，產(chǎn)品經(jīng)理可能還是需要向技術(shù)同事咨詢。

具體如何寫 SQL，市面上已經(jīng)有非常多的相關(guān)書籍了，我在這里就不再展開介紹了。

數(shù)據(jù)查看和分析一定要方便

如果你仔細觀察就會發(fā)現(xiàn)，很多革命性的產(chǎn)品就只是讓某件事情更方便了一點點。智能手機其實只是讓你上網(wǎng)更方便了一點，但是這種方便使得人們從以前有「離線和在線」的狀態(tài)，變成了永久在線。于是，移動互聯(lián)網(wǎng)誕生了，本質(zhì)上來說，移動互聯(lián)網(wǎng)就是一種人們永久在線的網(wǎng)絡(luò)，但是就是這么一點點的方便，使得很多行業(yè)被完全顛覆。

而數(shù)據(jù)分析也是一樣，我們應(yīng)該盡量讓數(shù)據(jù)觸手可得，這樣我們才能將數(shù)據(jù)分析的效率最大化，一定程度上的效率提升就會產(chǎn)生質(zhì)變，使得我們專注于數(shù)據(jù)做更多事情。

我們之前移動端統(tǒng)計用 Flurry，但是 Flurry 在中國實在太慢了，即使掛上國外的 VPN 也很慢！如果產(chǎn)品經(jīng)理每次登錄 Flurry 要 10 秒鐘的話，那么他就可能將注意力臨時轉(zhuǎn)移到別的事情上，然后就可能忘記本來要看的數(shù)據(jù)。

為了讓數(shù)據(jù)觸手可得，我們放棄了對 Flurry 的使用，我們自己開發(fā)了日志收集平臺，然后自己寫日志計算程序，將一些核心指標(biāo)全部自己計算在 flyboard 上，我們也另外開發(fā)了一套數(shù)據(jù)分析平臺，實現(xiàn) Flurry 中的類似功能?，F(xiàn)在，我們已經(jīng)能夠非常舒服地分析數(shù)據(jù)了。

所以，如果你的公司不能很方便的查看和分析數(shù)據(jù)，那么一定要想辦法改進，這些數(shù)據(jù)就像人的神經(jīng)系統(tǒng)一樣，傳遞著產(chǎn)品的健康數(shù)據(jù)，重視這些數(shù)據(jù)，才能夠做好產(chǎn)品。

總結(jié)

總結(jié)一下本文中的觀點：

• 重視宏觀數(shù)據(jù)和細節(jié)
• 關(guān)注原始數(shù)據(jù)
• 數(shù)據(jù)可視化
• 學(xué)會用 SQL
• 數(shù)據(jù)查看和分析一定要方便