产品经理-数据分析总结关于数据分析思路的4点心得

数据分析总结关于数据分析思路的4点心
得
不再对一些基本的数据定义再做描述，选股思路而是从分析的投
资思路总结了一些心得，欢迎各位一起来进行讨论。

数据分析能力对于一名产品经理来说是最基本的。

在面试的过程中，社招会有面试官会问你以往你负责的产品的有
关数据，如何看待这些信息，如何通过这些数据来做接下来的产品优化；校招的面试官可能会问小伙伴们关于分析数据的思维；在产品经
理的日常工作当中，要时长盯着数据的报表来分析产品的剖析健康程度。

本文不再对一些基本的数据定义再再说描述，而是从分析的思路
总结了一些心得，欢迎各位一起来展开讨论。

在对一款产品或者一款产品的其中的一个模块进行时，我们可以
从两个大纬度两个去预测数据。

当了解打探完以上这些总体的信息，我们心中应该对自己所负责
的产品有了一个宏观的，自己在相关行业内所处的位置，以及现在最
需要持续提升哪些数据指标都有了一个清晰的认识。

接下来就可以从
大纬度切入到细小纬度，进一步去分析一些细节的数据。

例如重要的
数据信息，包括用户的基本的构成广告主信息，每个模块自己建立的
管状搭建信息等。

一般在做分析的时候应该注意的是数据的异常现象，出现局部的极值（包括极大值和极小值）都需要进行分析。

在做数据分析的体来中，我们需要了解什么样的数据才是数据，
如果单纯地去看一个数据是没有太大意义的，数据库本身也具有相应
的相应欺骗性，比如从运营同学那得到了日新增用户数1W，那么单纯
看这个数据没有什么内涵，我们可以说这个统计数据很好，因为看上
去很大，但是你可能无法没有看到同期的数据，有可能昨天的数据达
到了2W。

第一，好的数据一定是首先最好是以比率的存在的，不要绝对数，要相对数据。

比如上面的那个数据我们换成增长率，换成环比这个原始数据，
我们就可以进一步的了解到这个优劣数据的好坏。

第二，就是通过对比来判断数据优缺点的优劣。

我们将数据数据的下旬增长量做成一个折线图，从折线图低点我
们就能看得出这个数据是在高点还是在低点。

通过对比，我们就会得
知这个数据所处的位置是时会什么样的。

另外，通过对比不同的渠道，对比不同的版本，对应关系对比不同的用户群等不同纬度的数据，都
可以从侧面反映出这个数据的真实情况。

第三，原始数据不是一成不变的情况，要动态的去看数据。

单纯只一个点的数据情况是没有意义的，我们要高纬度在数据中
加入时间的纬度。

引入一段单位的时间去看待数据整体的变化趋势，
这样才能更为客观的判断产品的健康程度。

从总量的角度是无法洞察出一些问题的。

比如在某段时间内，下
载量出现了下跌，我们需要去这个当中问题出现在哪里。

从总量的角
度看，安卓的渠道要比IOS的总量大很多，这并不能说明环境问题。

那么我们首先需要将时间的纬度引入到当中，将这几个月纬度的数据
进行对比，一定可以看到在安卓当中有一个月份的数值相比其他。

然
后状况我们再去看这个月初的情况。

一般情况下，在找到这个异常会
先从渠道的角度去分析，查看是哪个渠道发生了察看异常的现象。

在
针对性的去对渠道进行优化。

然后我们不但可以从版本的角度角度去分析，去查看最近近期是
否有新版本的更新，如果有新版本的更新，是否设置了新设新的功能
出现了BUG等问题无法解决，导致了用户出现卸载应用的情况。

当然
这些更何况角度都要加入时间的纬度试著判断。

另外，数据出现异常也不一定是坏事情。

比如在分析用户用户行
为的过程中均，如果发现了某些类别的用户的关键指标表现良好，那
么就一定要分析为什么这些学业成绩用户的数据表现为什么十分更佳，这也是增长黑客的分析思路。

比如在facebook早期发现，如果一名用
户在刚使用的早期可以快速添加10明好友以上的用户，这类的用户的
程度就明显高于其他的用户。

在比如airbnb在早期发现那些放置的照
片十分极为精美的住家的出租率较好，发现了这个特性后，内部产品
技术团队又进行了一次AB测试，发现果然是存在这样的优化点。

所以在早期一个关键的指标就是如何能快速提高用户添加其他好
友的数量。

这里需要我们从底层数据分析当中留心要注意对用户进行
分层的处理，从不同的纬度分层找到数据异常的族群，找到共性，归
纳表现表现良好的客户端的共性，然后将其作为优化的分项进行优化。

在做数据分析的之前，需要我们对我们分析的战略目标可能需要
进行确认，每一调整期阶段的目标也存在着不同的目标，是为了增强
用户粘性，还是为了大幅提升营收，或者是为了提高病毒传播斜率。

比如在对渠道的判断中，不能只关心拉过来的重视新用户量，最
重要的的我们要关心这些新拉过来的用户对产品的关键指标是影响，
比如在社区产品，相比新进用户的数量尽可能应该关心这些用户的活
跃度，发布帖子的数量，点赞的数量等关键主要指标。

换句话说更应
该关注的是漏斗模型最下方的那个量，关注转化率的最底层的那个信
息数据。

接下来还会发出第十卷，欢迎大家一起来讨论关于数据分析的思
路~。