1.定义和能力模型：
首先说定义：什么是分析类产品。
可以挖掘数据背后的价值，并通过数据的展示，为使用者提供帮助，即数据产品。
一个数据产品经理的能力模型如下：
数据分析的能力；
商业模型的理解能力；
需求分析和调研的能力；
数据展现的能力，即可视化的能力；
2.数据分析的能力：
在我年轻的时候，在团队中处于打头阵的状态，基本上老大有什么新的产品了，会先派我去做。等我做的把坑趟的差不多了，就交给别人，换下一个产品，所以我真是做过很多产品和页面。后来总结出做分析产品的一个套路来，如下：
首先讲一个数据分析框架，这基本上被我适用于公司很多业务上：
这是一个数据分析师的经典的分析过程。首先，为这个部门收集一些信息，帮助制定关键指标，其次，监测指标完成的好坏，并发现问题，然后，分析影响KPI完成的原因。最后，给出解决方案。
数据产品经理要做的是什么呢？就是把这个框架中的每个过程总结出来，梳理清楚，每一步，都需要哪些数据、哪些指标，怎么展示，用图还是用表，用什么图。然后，再综合开发资源、上线时间等，最终决定产品是什么样。
我以淘宝给卖家做的一个产品为例，来讲解这个过程：这是一个给管理团队和运营团队看的日报:
首先，日常监测：他们选的是访客数、浏览量、实付金额、支付转化率、客单价、退款金额、服务态度评分七个指标；
我们给每个部门做产品时，都需要首先制定核心指标。有很多时候，业务部门自己会提需求，但业务部门只能想到最直接的，很可能他们部门很严重的问题，会漏掉。
从部门价值上来考虑：
资本方给公司的要求是什么？
哪些指标影响了估值？
你目前在分析的这个部门，可以承担哪些影响估值的指标？
哪些其他指标可以为这个指标服务？
从用户行为来考虑：
用户如何来到这个页面/这个流程？
他都进行了哪些操作
都经过了哪些步骤
从哪个环节流失？
整体流程上，用户最关心什么？他的时间？更好的服务？更多的选择？
当然，还有很多维度可以考虑。
这样分析下来，该部门的核心指标就找到了。
对于部门来说，核心指标是比较好找的，可以跟部门老大合计，看他侧重哪方面即可。
对于为管理层做决策来说，就相对难了一些，在国内现在的形势下，可以多了解资本市场的分析逻辑，多了解管理层的现在的关注重点。
因为即使管理人员，做企业时，也是摸着石头过河，也在不断的学习，可能这个阶段学习的是一种商业理论，在另一个阶段学习的是另一种商业理论。所以相关的商业理论要了解，才能给抽象成报表、甚至分析页面。我为此曾经学过很多，balabala的。
发现问题：达成情况、情况好坏；同比、环比、定基比；
继续看这个页面，数据分析方式怎么用到页面设计中。
同比：较上周同期；
环比：较前一日；
定基比：将行业中所有的卖家分层，用和该店类似的卖家的核心数据，来做对比，从而知道自己的优缺点。
定基比中，我见过最好的，是淘宝的产品。我当时在代运营公司，确实卖家就想知道，哪些跟自己差不多的，比自己好一些的卖家，他们的一些核心数据是什么样的，我的数据到底改善空间有多大。
当然作为平台，可以做的更好一点：比如，我们同省市的卖家，大概的数据是多少。像我们去山东谈酒类企业，他们其实就很关注其他山东的酒在网上的受认可程度。太大的品牌，给他们的借鉴意义毕竟小。
当指标和分析方式都比较多的时候，用户看到页面，就会看到很多数据，但是不知道看什么。这时候就要用一些可视化的方式，突出重点。比如，用红色叹号，将下降较多的指标标出来。
分析原因：在产品设计中，通常要把影响指标达成的原因，也列在这个页面上，以供使用者参考。当然影响因素会很多，所以产品经理首先要收集齐全影响因素，然后再把关键的、核心的因素挑出来。
比如某个地区的月初退货率忽然增长，就要收集原因，可能如下：
*管理：
** 当地销售人员刷单，为了达成上月业务目标，月初退货；
** 部门人员，有的比较能干，有的比较弱，导致了整体数据的达成不好；
* 商品：新上的商品质量不过关；
* 促销：邮费政策、价格政策的变动；
* 外部原因：
* 京东做了一场大促，把价格给打下来了；
* 忽然爆发了商品的替代品，原有的优势品类衰退；
* 天气原因：当地下了一场大雨，导致送货速度降低，顾客不满意；
* 广告投放合作方临时变化（可能）
这些原因，哪些可以量化呢？哪些发生的几率比较大，而现在并没有这样的数据可用查看？这些原因，在产品设计中，就可以做成数据下钻的报表，以方便了解详情；
如上图所示，拿红圈圈起来的，就是原因分析这一步在页面上的展示。当你看到一款商品数据有问题时，既可以进入商品温度计，查看商品的每个环节（标题、商品页面设计等）到哪哪里有问题，还可用进入单品分析，查看流量来源等；
解决方案：
一般来说，我们建议数据产品经理做到原因分析这一层，就足够了。因为解决方案没有一定之规，不仅跟公司战略有关，还和业务团队的leader喜好，部门的发展情况有关。如果没有一定的高度，可能做出来的并不是很好用，并且所以一般不建议产品经理直接做到解决方案这一步；
但是，如果能够做到，那么你整个的产品的质量和可用性，都会有较大提升。能够做到解决方案，说明你真的明白你的数据的价值是什么，用来解决什么。
解决方案分以下几类，
直接营销：在会员系统中，在不同的分析页面，配上不同的营销方式。点击可以对相应的用户进行营销；
管控：通过管理制度解决，比如，建立末位淘汰制，将打包能力差的人员淘汰，替换成打包能力强的人员，就可以提升打包时间，这样解决方案就是多一张监督打包人员的表；
预测：以现在这样的速度，预测未来会发生什么，需要做什么补救。这是我当初给仓储提的一个方案。具体忘了。
另外还有一些，是数据出来后，数据产品经理可以去推动的。
通过招聘解决：有一些问题，大家都看得到，为什么没有解决，很大程度是因为没有能做这些事情的人；
通过系统来解决：
将一些人工频繁操作的，做成系统，可以提升效能，节约成本；
用更智能的系统，替代掉原有的人工的模式；比如，首页的转化率比较低，试着将一些坑位变成千人千面，看是否能增加转化率；
通过战略来解决：比如，原有的模式是以采定销，采购人员认为什么好卖，就进什么货，这样的好处是可以压低进货价，坏处是积压库存；如果将整个商业模式改成以销定采，则可以根据市场需求，来确定进货量的多少，从而达到降低库存的目的；
提出解决方案，有一个非常重要的前提，就是找到解决方案的负责部门：
作为内部的分析产品，我们建议以部门为一个单位目标用户群体，比如：市场部、仓储部、客服部、运营部；毕竟，公司把一块业务流程让一个部门负责，本身一般意味着这块流程的独立性，并且说明有人为这块流程负责；
要点一：有人负责，这很重要。我们曾经分析过库存问题，当时已经很严重了，但是公司没有部门对此负责时，推动非常难。
要点二：有一些指标，大家都知道是核心指标，但是没有人负责，也许是因为有更重要的事，也许是因为没有想好如何将该目标拆解下去，分给哪个部门。
如果是前者，就要再找一些数据来，证明是否是核心指标，比如后来我们拿到了京东和聚美的库存周转率，这些数据都和酒仙网有鲜明的对比；
如果是后者，就要看拆分的维度。比如库存问题，是拆给运营部门，还是拆给采购部门，解决的方案是完全不同的。
End.
作者：楠楠 （中国统计网特邀认证作者）
本文为中国统计网原创文章，需要转载请联系中国统计网（小编微信：itongjilove），转载时请注明作者及出处，并保留本文链接。
