用一則小故事看產(chǎn)品數(shù)據(jù)分析。

       網(wǎng)上有個故事很有趣，說3個人去投宿,一晚30元.三個人每人掏了10元湊夠30元交給了老板. 後來老板說今天優(yōu)惠只要25元就夠了,拿出5元命令服務(wù)生退還給他們, 服務(wù)生偷偷藏起了2元, 然后,把剩下的3元錢分給了那三個人,每人分到1元.這樣,一開始每人掏了10元,現(xiàn)在又退回1元,也就是10-1=9,每人只花了9元錢, 3個人每人9元,3 X 9 = 27 元 + 服務(wù)生藏起的2元=29元，還有一元錢去了哪里？

       猛地一看，合情合理，并且陷入思維陷阱?？勺屑氁蛔聊?，發(fā)現(xiàn)了問題，最大的問題是邏輯混亂和偷換概念。服務(wù)生獲取的2元包含在三人支出的27元內(nèi)，通過偷換支出的概念來企圖建立30=3*9+2+1的偽等式，造成1元“離奇丟失”的假象。

       這里提供了兩種思維方式來幫助大家梳理思路，還原事情本質(zhì)。

1、按照金錢流的方向分析

       按照金錢的流向，三個房客共流出了30元，在流通過程中，老板獲得25元，服務(wù)生獲得2元，最終還剩余3元流回到房客手中，滿足30=25+2+3*1等式。

2、按照財務(wù)上的收入和支出思路

       無需考慮中間的各種過程，從財務(wù)支出端看，3個房客支出27元；從收入獲取端看，其中老板獲得25元，服務(wù)生獲得2元，27=25+2，等式成立。

       數(shù)據(jù)分析是產(chǎn)品經(jīng)理重要的一項技能，幾乎所有的產(chǎn)品需求的出發(fā)點都是基于數(shù)據(jù)分析。產(chǎn)品的功能邏輯越復雜，用戶量越大，決策對數(shù)據(jù)的依賴程度越大。 以上兩種方法也是數(shù)據(jù)分析常用的兩種方法，第一種是基于用戶路徑的數(shù)據(jù)分析，針對用戶在各個步驟的行為分析，包括操作、流失和停留時長，對產(chǎn)品或服務(wù)進行 優(yōu)化改進；第二種常常用來對節(jié)點定位，進行轉(zhuǎn)化率、占比等數(shù)據(jù)的分析。

       那么作為一個產(chǎn)品經(jīng)理，在數(shù)據(jù)分析方面要重點關(guān)注那幾點呢？我自己對數(shù)據(jù)方面接觸的相對比較多，分享幾點自己的心得。

數(shù)據(jù)目標明確

       目標明確是產(chǎn)品經(jīng)理在做所有事情必須要考慮清楚的事情，不僅僅指數(shù)據(jù)?？紤]清楚產(chǎn)品最重要滿足了用戶那些需求，項目在某個節(jié)點需要達成怎樣的目標，具體在數(shù)據(jù)分析方面，就是考慮清楚數(shù)據(jù)的目的是什么。

       在張嘴麻煩開發(fā)進行手動查詢數(shù)據(jù)前（大部分公司的后臺只有普通的常規(guī)性的數(shù)據(jù)，一些詳細的數(shù)據(jù)一般需要手動查詢和導出），產(chǎn)品經(jīng)理一定要想清楚自己 想要從這份數(shù)據(jù)中得到怎樣的結(jié)果。無論是了解產(chǎn)品截止到目前為止的累計用戶數(shù)等了解性質(zhì)的數(shù)據(jù)查詢，或是為了分析付費轉(zhuǎn)化率低原因等探索性質(zhì)的問題分析， 一定要帶著目的去獲取數(shù)據(jù)。

數(shù)據(jù)定義清楚

       在清楚了目的之后，對需要的關(guān)鍵數(shù)據(jù)已然心中有數(shù)，這時要對關(guān)鍵數(shù)據(jù)的定義清楚，這里的清楚包含兩部分：

1、清楚上報機制

       要清楚自己的數(shù)據(jù)是從客戶端還是底層上報至服務(wù)器，上報的節(jié)點是什么，是否只在wifi狀態(tài)下上報，在本地的字段保存有效期是多久，丟失的可能性有多大。了解數(shù)據(jù)上報機制能否方便產(chǎn)品經(jīng)理更好的理解產(chǎn)品，對原始數(shù)據(jù)的準確率心中有底。

2、明確指標定義

       產(chǎn)品經(jīng)理要明確各項統(tǒng)計數(shù)據(jù)的詳細定義。拿常見的數(shù)據(jù)指標活躍用戶來說，不同的產(chǎn)品有不同的定義，比如MIUI可能吧聯(lián)網(wǎng)定義為活躍，而迅雷把有下載行為（新建、暫停、刪除、下載完成等）定義為活躍，淘寶可能吧有購買行為定義為（有效）活躍用戶。
       明確指標定義是數(shù)據(jù)統(tǒng)計分析的前提，如果對數(shù)據(jù)指標不清楚，那數(shù)據(jù)分析也就無從談起了。

數(shù)據(jù)分析

數(shù)據(jù)基本正確的情況下，對目的的分析一般有兩類：

1、定性分析

       定性分析是對實物“是什么”的定義，是對事物性質(zhì)的歸納。比如9月初，迅雷用戶活躍用戶數(shù)大增，結(jié)合對迅雷服務(wù)器每天top100下載量排行榜分 析，均是iCloud流露女星相關(guān)文件，因此可以下結(jié)論：9月初用戶活躍用戶量增加主要是由iCloud熱門事件引起的，這就是定性分析。

2、定量分析

       對應(yīng)定性分析的“是什么”，定量分析就是“有多少”，是對事物數(shù)量的統(tǒng)計。9月初日活用戶數(shù)增長了10%，就屬于定量分析。

       一般來說，數(shù)據(jù)分析就是對“是什么”做假設(shè)，然后用“有多少”來不斷做驗證的試錯過程。通過不斷的假設(shè)，分析，推翻假設(shè)，再次分析的方式來得出結(jié)論。根據(jù)數(shù)據(jù)量和目的的不同，采用不同的分析方法，常用的分析方法有對比分析、回歸分析和相關(guān)分析法。

excel工具

       單獨把excel列出來的主要原因是因為excel太重要了，除非特別龐大的數(shù)據(jù)量，否則excel幾乎能滿足你所需要的所有功能。excel目前支持59999條數(shù)據(jù)量，大部分人對excel的功能使用量不足1/3，一些公式函數(shù)的使用，大部分人該是沒有接觸過的。

數(shù)據(jù)驗證

       在數(shù)據(jù)結(jié)論得出后，千萬不要著急輸出，一定要去做驗證，同一組數(shù)據(jù)在不同的環(huán)境下能反映不同的問題。還拿9月份迅雷日活增加的數(shù)據(jù)來說，除了iCloud時間之外，可能迅雷做了應(yīng)用內(nèi)的增量升級，導致日活增加。這個時候就要來區(qū)分兩種因素的權(quán)重，得出更準確的結(jié)論。

       數(shù)據(jù)是很重要的一個做群體分類的渠道和方法，良好的數(shù)據(jù)分析能力能夠 幫助產(chǎn)品經(jīng)理做出更優(yōu)的決策。但是又不能盲信數(shù)據(jù)，產(chǎn)品經(jīng)理豐富的經(jīng)驗知識也是不可或缺，否則容易出現(xiàn)幸存者偏差的尷尬。