基于數據分析的產品思維模式

數據分析( Data Analysis )——這個詞真的是如雷貫耳，裝B一絕啊!甭管什么玩意，上來先整一通再說?！皵祿治觥鄙跏潜惶嵘狭松駢?，找工作或者聊點行業(yè)內的動態(tài)不提點數據簡直是沒法混了。坦白講，我對“數據分析”的概念知之甚少，僅有的那點理解：統(tǒng)計數據，分析數據，大數據(Big Data)。

正文

如何對產品進行數據分析呢?或者說對我這樣的一個數據分析小白來講，該從何入手數據分析呢? 思維方式決定行動結果。

數據分析的思維方式

第一要點：什么是數據分析?

數據分析是指用適當的統(tǒng)計分析方法對收集來的大量數據進行分析，提取有用信息和形成結論而對數據加以詳細研究和概括總結的過程。在實際應用中，數據分析可幫助人們作出判斷，以便采取適當行動。當然，在我看來數據本身并沒有任何價值，正是由于分析方法的存在使得原本毫無價值的數據大放異彩。

第二要點：為什么數據分析?

有人說，老板要看數據;也有人說，VC投資需要;也有人說，公司運營需要... 產生數據需求的原因有很多，我想現(xiàn)實中大多數人做數據還是為了獲得產品的客觀現(xiàn)狀并有所為的。(我能這樣想，大概是因為我是個樂觀的孩子吧?)

事實上，數據分析的原因大概如下幾點：

1、評估產品機會：產品構思初期，必要的需求調研及市場調研顯得尤為關鍵。產品機會評估對后期產品設計及迭代都至關重要，甚至說決定了一個產品的未來和核心理念。

2、分析解決問題：產品出現(xiàn)不良狀況，肯定是存在緣由的。不可能憑空想象臆造問題，必須尊重客觀現(xiàn)實。那么只有通過必要的數據試驗才能追溯到問題源頭，進而制定合理的解決方案，徹底解決問題。

3、支持運營活動：你這個產品功能上線后效果怎么樣?A方案和B方案哪個更好些呢?諸如此類的問題，都牽涉到一個“標準”的問題。評判一個問題的好壞，最可靠的恐怕就是數據了。以前我就說過“人是不可靠的，人們總是愿意相信自己想看見的東西。”只有給出真實、可靠、客觀的事實——數據，才能對具體的活動作出最真實的評判。

4、預測優(yōu)化產品：數據分析的結果不僅可以反應出以往產品的狀態(tài)，即所謂的后見性數據;也可以給出產品未來時間段內可能會遇到的問題，即所謂的先見性數據。一個真正的數據指標必須是可付諸行動的。后見性和先見性的數據都可以付諸行動，區(qū)別只是先見性數據能預測未來發(fā)生什么，縮短迭代周期，精益求精。

第三要點：如何數據分析?

1、數據建模：明白了數據分析動機，究竟什么樣的數據指標才能達到期望的效果呢?那么首先必須解決數據指標的定義，個人認為搭建數據指標模型大致要考慮以下三大要素：

a.綜合考慮商業(yè)模式與業(yè)務場景

b.聚焦數據指標背后的最初動機

c.多維度考慮數據可行、簡約、易比對

當然，也不能憑空瞎造數據吧?!數據指標模型一般有以下三個途徑設計：

a.對現(xiàn)有指標進行優(yōu)化性改造，數據指標之間合理交叉或許會帶來意想不到的驚喜;

b.不同行業(yè)交叉借鑒其他行業(yè)制定的數據指標;

c.潛心修行、發(fā)掘更多有價值有意義的數據指標;(這一點有點扯...)

數據分析目標的調整，必然伴隨數據指標的變動。 尊重事實、實事求是，了解數據指標的調整的意義及可能給產品帶來的后續(xù)影響，我覺得這是一種可取的改變態(tài)度。如果說只是為了改變而改變，無視事實、較低期望，這樣的調整還有何意義呢?

數據分析過程

2、數據來源：數據分析的對象是數據，數據從哪來?數據本身的準確性從根本上影響著分析結果的有效性，所以確保有效、靠譜的數據來源至關重要。本人認為數據來源無非以下三種：

a.自有數據分析系統(tǒng)——公司自有的數據是最源質化的數據，也是最可靠、最全面的。一般而言，有條件的情況下都是以內部數據為準;當然，創(chuàng)業(yè)型的微型公司大多都直接數據庫導出數據，還是要依賴產品經理二次加工的。

b.定量/定性調研——沒有全面的數據咋辦?或者說想要分析的數據無法統(tǒng)計?那么，拿起電話、走上街頭、發(fā)放問卷都不失為一種可行的辦法。定量數據排斥主管因素，定性數據吸納主管因素。事實上，定性數據存在諸多不確定性，但也存在一個其他數據指標不具備的優(yōu)勢——那是與真實用戶交流所得，有血有肉。

c.專業(yè)調研機構——知名調研機構，比如：艾瑞咨詢、百度統(tǒng)計、易觀智庫、199IT-互聯(lián)網數據中心。一般而言，權威結構統(tǒng)計調研的數據還是具有極強的參考性的，但也不能完全免于主觀因素。

3、數據分析：單純的數據并不能為給我們帶來太多結論性的東西，還是要借助一定的方法和手段將數據變得更加生動和有意義。

a.集成開發(fā)數據分析系統(tǒng)——將所需的數據指標以技術手段直接設計成產品功能，可以定期定量地直接生成導出BI報表。

b.手動數據加工——面對元數據而不是現(xiàn)成的結論性數據，產品經理只能親自操刀借助EXCEL各種函數。面對海量數據，心態(tài)很重要!

c.委托分析機構——有錢、任性、夠叼，請人分析。如果事事都依靠別人，那么產品經理就瞬間失去價值了...

4、分析方法：有效的數據分析方法能夠深度挖掘數據的價值，精益數據分析中大致介紹以下三種分析方法。

a.市場細分(Segmentation)——市場細分就是一群擁有某種共同特征的劃為一個樣本，市場細分不盡可以應用于互聯(lián)網產品，對任何行業(yè)、任何形式的產品都具有積極的參考意義。

b.同期群分析(Coghort Analysis)——比較相似群體隨時間的變化，同期群分析給我們提供了一個全新的視角。能夠觀察處于生命周期不同階段用戶的行為模式，而非忽略用戶的行為的過程性。

c.多變量測試(Multivariate Testing)——同時對多個因素進行分析，用統(tǒng)計學的方法剝離出單個影響要與結果中的某一項指標提升的關聯(lián)性。同時改動產品的多個方面，看哪個與結果的相關性最大。

行文小結

數據分析的核心并不在于數據本身，而在于設計有意義、有價值的數據指標，通過科學有效的手段去分析，進而發(fā)現(xiàn)問題優(yōu)化迭代。數據分析因價值而存在，數據分析本就是一個價值增量的過程。 無論分析給出的結果是積極還是負面，都是價值承載體，必須以客觀的態(tài)度面對。管理學大師彼得.德魯克說過： 你無法衡量的東西，你也無法管理。 數據分析可以有效的制衡產品經理本身的那種內在妄想，通過數據分析能幫助我們找到更加合適的產品和市場，甚至說締造出一個更加可持續(xù)、可復制、持續(xù)在增長的商業(yè)模式。