都说产品要懂数据分析，到底要懂到什么程度？

本文适合这几类朋友

1、还没做过数据分析，希望通过数据分析提升产品分析能力

2、野生产品，接触过数据分析，但总觉得学得不系统，没有方向

3、已经在做数据分析，但是老板觉得数据分析能力还比较差

01

为何数据分析能力越发重要？

主要有两个方面：

1、从宏观来讲

1）经营环境变化：互联网快速普及，越来越多的人触“网”，增量的时代已经过去，存量时代来临，以往粗犷的经营模式难以为继，精细化、精益化经营成为主旋律。

2）资本回归理智：烧钱、补贴，跑马、圈地，资本的疯狂，消费者的狂欢，已越发少见，当资本冷却下来，市场预算吃紧，再也不能不计成本的砸市场了，精打细算是常态。

2、再微观到个人

1）数据的复利效应

个人通过数据分析提升决策的质量，获得更高的回报，再一次肯定了数据的价值。

2）数据是最快树立信任感的方式

先摆客观事实（数据），再讲个人观点，无论在什么场合，都更加具备说服力。专业性得到认可，自然也会有更多人愿意与你共事。

3）数据是个人业绩最好的体现

在大环境不好的时候，企业也更加注重价值贡献，并且实行末位淘汰机制，怎么对个人排名，相信业绩数据是一个更加合理的排名方式。

02

懂数据，至少要做到“五懂”

我把这“五懂”称之为产品经理的升级打怪之路，每上一层，遇到的挑战更大，收获的回报也更大！

1、懂来源：搞懂数据的来龙去脉

每天都在看的数据，你是否知道数据被分了哪几种类型？对应的口径是啥？在你面前的数据它经过了哪些系统？更新频率又如何？

搞懂数据的来龙去脉是基础中的基础，也是后面通关的必备技能。

为了帮助大家快速掌握技能，以下按照问题类型，摘出必考问题和常见举例。

想搞懂数据来源，可以按照上表去反问自己，是否对这几类问题都了然于胸？如果是，恭喜你，通关成功！

为方便大家理解，对于数据生成流程，附图如下 （网图，侵删）

2、懂记录：用数据记录业务变化

这一层懂：是懂得如何提交数据需求，记录业务所需要的数据。

产品最常提的数据需求有： 前端埋点需求和业务报表需求 。我们分别来讲讲，提交数据需求的规范和注意点。

1） 前端数据埋点需求

什么是埋点：埋点，网页将用户的浏览、点击事件记录及上报到服务器的一套采集方法

为什么要做埋点：埋点为后续的数据分析提供数据基础

埋点数据的生成流程：按照规范输出埋点需求---网页采集用户数据---网页上报服务器---数据库清洗、加工、存储埋点数据---数据分析平台输出可视化报表

怎么写埋点需求：手动埋点类，需要开发手动写代码去埋点，那么埋点需求中必备的字段如下，页面ID、区域ID、按钮ID属于开发定义。 （可拿来即用）

埋点需求注意点 ：

注意按照用户体验流程逐个埋点，避免遗漏；

埋点重在细致，尽可能把页面上涉及的操作事件都埋进

2） 数据报表需求

数据报表需求，一般是先有业务整体数据报表的规划，再到具体的报表需求。段位低点的产品经理大部分不需要做数据指标规划的需求。

提好数据报表需求的关键有三个：

a.明确数据的类型、日常应用场景和使用频次，这样才能找准数据报表展示的位置

b.明确每一个字段的定义，字段设定，要易于理解，较难理解的需要做好注释工作

c.出需求前，首先确认上游数据是否支持，否则无法落地

3、懂规律：用数据理解业务规律

写好数据需求是开始数据分析的第一步。

当你有了数据之后，紧接着应该做什么呢？我认为是：

分析数据，搞懂业务规律

很多产品经理，都卡在这一层，无从下手。因为它一个综合的、多维度的分析。当然，它是需要方法的，掌握了，你也可以轻松驾驭。

搞懂这个模块，我们从三个维度入手： 意识、方法论、场景化分析

纬度 1： 培养足够敏感的数据意识

数据意识培养是一个持久战，所以最好的办法是 从小细节做起 。

1) 列学习清单，向前辈学习，开启意识培养第一步

2) 培养小习惯，享受意识红利

a. 利用好10分钟早餐时间，将关注的业务数据浏览一遍；

b.核心数据手抄本：将高频用到的、非常关键的数据牢记于心，手工抄写，加深印象；

c.活动数据备忘库：将活动的效果填入提前创建好的备忘库，时常查阅，提供思路；

d.专题分析结论摘抄：将公司的数据分析师做的分析报告，摘抄关键结论，供随时查阅；

e.简单数据处理，尽量少用计算器，锻炼自己的心算能力；

纬度 2： “望闻问切”的数据分析方法

望闻问切来自中医的看病诊断，其实做业务数据分析也同样有用，尤其是遇到业务数据异常的时候。

什么是望？

望代表观察，观察业务的关键指标，用户行为层：流量（UV）、转化率（CR）、客单价；业务指标层，总交易金额、总交易笔数、总交易人数以及各业务模块的指标数据等，这些都是我们要观察的关键指标

什么是闻？

闻代表听闻，了解市场行情变化。整个经济大盘变化如何？是刺激消费还是吸引储蓄？楼下711最近在做哪几家银行的促销活动？竞争对手最近有没有上了什么新功能？

什么是问？

问代表询问，问问相关业务同事的动作。昨天是不是做了大量的消息推送？昨晚是不是上了新的产品功能？昨天是不是系统产生故障了？

什么是切？

切代表解析，深入了解主要异常的模块。异常往往是综合呈现的结果，主要那一块导致的异常，我们想要深入去解析它。比如，销售金额指标下降，那到底是流量少了，还是转化率小了？我们要深入解析它

纬度 3： 场景化分析，快速进入分析心流

天下武功唯快不破！当你还在苦思冥想的时候，高手已经把整个分析框架和思路都写好了，差异有时候真的很大。

武器库装备本质的区别是啥？ 是基于实际问题的场景化分析能力 。 之前也 写过 场景化数据分析的 相关文章， 这里 摘 部分内容分享下 。

1） 产品 / 运营都有哪些数据分析场景 ？

2） 每个场景的数据分析 ， 类型和目的都有啥 ？

3） 万能的数据分析模版 ： 不管什么场景都是可以套用的

4、懂增长：用数据驱动业务增长

做增长的方法论有很多，概况下来就是：上线最小可行化产品，根据北极星指标，不断实验测试，找到最能促进增长的因子，优化放大，从而获得指数级别的增长。

这一套是增长黑客的玩法，不是所有公司都有条件玩的。不过，不用灰心。用数据驱动业务增长，其实不仅仅是增长黑客的特权，所有的产品都该具备该项能力。

到了“懂增长”这一层，要比看懂业务规律更上一个层次。如何用数据驱动业务增长？我认为有三个方面： 扩大效果 、 补足短板 、 降低损失。

1） 扩大效果

产品用户增长不错，老板提出更高的要求，增长人数要翻一倍，怎么办？产品个性化推荐购率5%，到年底要达到8%，怎么办？

这些工作中非常常见的问题，要是懂得数据分析，这里就能帮上大忙了。

常规操作是 ： 用公式法 + 拆解法 。 用数据分析思维，找到新的增长点。

公式法：找到考核指标的组成公式，比如：用户数=下载人数*转化率=A渠道下载人数*转化率+B渠道下载人数*转化率+...+X渠道下载人数*转化率。

拆解法：分析各个渠道的下载量和转化率，找出转化率高的渠道，加大投放；找出转化率差的渠道，优化产品流程。

2） 补足短板

通过数据分析及时发现，产品转化率比较差、用户点击率较少的功能，用 漏斗分析 的方法，逐层观察漏斗的转化情况，从而采取对应的产品策略：如调整页面结构、导航交互等，更好满足用户的需求。

3） 降低损失