用一则小故事看产品数据分析。
网上有个故事很有趣,说3个人去投宿,一晚30元.三个人每人掏了10元凑够30元交给了老板. 後来老板说今天优惠只要25元就够了,拿出5元命令服务生退还给他们, 服务生偷偷藏起了2元, 然后,把剩下的3元钱分给了那三个人,每人分到1元.这样,一开始每人掏了10元,现在又退回1元,也就是10-1=9,每人只花了9元钱, 3个人每人9元,3 X 9 = 27 元 + 服务生藏起的2元=29元,还有一元钱去了哪里?
猛地一看,合情合理,并且陷入思维陷阱。可仔细一琢磨,发现了问题,最大的问题是逻辑混乱和偷换概念。服务生获取的2元包含在三人支出的27元内,通过偷换支出的概念来企图建立30=3*9+2+1的伪等式,造成1元“离奇丢失”的假象。
这里提供了两种思维方式来帮助大家梳理思路,还原事情本质。
按照金钱的流向,三个房客共流出了30元,在流通过程中,老板获得25元,服务生获得2元,最终还剩余3元流回到房客手中,满足30=25+2+3*1等式。
无需考虑中间的各种过程,从财务支出端看,3个房客支出27元;从收入获取端看,其中老板获得25元,服务生获得2元,27=25+2,等式成立。
数据分析是产品经理重要的一项技能,几乎所有的产品需求的出发点都是基于数据分析。产品的功能逻辑越复杂,用户量越大,决策对数据的依赖程度越大。 以上两种方法也是数据分析常用的两种方法,第一种是基于用户路径的数据分析,针对用户在各个步骤的行为分析,包括操作、流失和停留时长,对产品或服务进行 优化改进;第二种常常用来对节点定位,进行转化率、占比等数据的分析。
那么作为一个产品经理,在数据分析方面要重点关注那几点呢?我自己对数据方面接触的相对比较多,分享几点自己的心得。
目标明确是产品经理在做所有事情必须要考虑清楚的事情,不仅仅指数据。考虑清楚产品最重要满足了用户那些需求,项目在某个节点需要达成怎样的目标,具体在数据分析方面,就是考虑清楚数据的目的是什么。
在张嘴麻烦开发进行手动查询数据前(大部分公司的后台只有普通的常规性的数据,一些详细的数据一般需要手动查询和导出),产品经理一定要想清楚自己 想要从这份数据中得到怎样的结果。无论是了解产品截止到目前为止的累计用户数等了解性质的数据查询,或是为了分析付费转化率低原因等探索性质的问题分析, 一定要带着目的去获取数据。
在清楚了目的之后,对需要的关键数据已然心中有数,这时要对关键数据的定义清楚,这里的清楚包含两部分:
要清楚自己的数据是从客户端还是底层上报至服务器,上报的节点是什么,是否只在wifi状态下上报,在本地的字段保存有效期是多久,丢失的可能性有多大。了解数据上报机制能否方便产品经理更好的理解产品,对原始数据的准确率心中有底。
产品经理要明确各项统计数据的详细定义。拿常见的数据指标活跃用户来说,不同的产品有不同的定义,比如MIUI可能吧联网定义为活跃,而迅雷把有下载行为(新建、暂停、删除、下载完成等)定义为活跃,淘宝可能吧有购买行为定义为(有效)活跃用户。
明确指标定义是数据统计分析的前提,如果对数据指标不清楚,那数据分析也就无从谈起了。
数据基本正确的情况下,对目的的分析一般有两类:
定性分析是对实物“是什么”的定义,是对事物性质的归纳。比如9月初,迅雷用户活跃用户数大增,结合对迅雷服务器每天top100下载量排行榜分 析,均是iCloud流露女星相关文件,因此可以下结论:9月初用户活跃用户量增加主要是由iCloud热门事件引起的,这就是定性分析。
对应定性分析的“是什么”,定量分析就是“有多少”,是对事物数量的统计。9月初日活用户数增长了10%,就属于定量分析。
一般来说,数据分析就是对“是什么”做假设,然后用“有多少”来不断做验证的试错过程。通过不断的假设,分析,推翻假设,再次分析的方式来得出结论。根据数据量和目的的不同,采用不同的分析方法,常用的分析方法有对比分析、回归分析和相关分析法。
单独把excel列出来的主要原因是因为excel太重要了,除非特别庞大的数据量,否则excel几乎能满足你所需要的所有功能。excel目前支持59999条数据量,大部分人对excel的功能使用量不足1/3,一些公式函数的使用,大部分人该是没有接触过的。
在数据结论得出后,千万不要着急输出,一定要去做验证,同一组数据在不同的环境下能反映不同的问题。还拿9月份迅雷日活增加的数据来说,除了iCloud时间之外,可能迅雷做了应用内的增量升级,导致日活增加。这个时候就要来区分两种因素的权重,得出更准确的结论。
数据是很重要的一个做群体分类的渠道和方法,良好的数据分析能力能够 帮助产品经理做出更优的决策。但是又不能盲信数据,产品经理丰富的经验知识也是不可或缺,否则容易出现幸存者偏差的尴尬。
数据分析咨询请扫描二维码
数字经济专业是一门综合性、交叉性的学科,旨在培养具备扎实经济学基础和熟练数字技能的数据分析与决策人才。该专业的课程内容丰 ...
2024-09-19数据分析师这个职位本身并不特定于性别,男性和女性都可以从事这项工作。至于是否会觉得累,这取决于多种因素,包括个人的工作经 ...
2024-09-19CDA认证考试的通过率会根据不同年份和考试难度有所变化。根据CDA数据科学研究院发布的数据,第十一届CDA认证考试的通过率如下: ...
2024-09-19大数据技术毕业生在职场中脱颖而出需要从多个方面进行努力和规划。首先,明确职业目标是关键一步。了解大数据相关的职业岗位,如 ...
2024-09-19在数据分析领域,有几个专业认证是值得考虑的,它们可以帮助提升你的专业技能,并在就业市场上增加竞争力。以下是一些推荐的认证 ...
2024-09-19金融数学专业是一门结合了数学、统计学和经济学的交叉学科,旨在培养具备扎实的数学基础和金融理论知识的复合型人才。随着全球 ...
2024-09-19随着信息技术的飞速发展,大数据已成为企业决策的重要依据。特别是在会计和财务管理领域,大数据技术的应用不仅提高了数据处理的 ...
2024-09-19大数据技术是一种新一代的技术与架构,用于解决海量、多样、快速、价值的数据的收集、存储、处理、分析和挖掘问题。它涵盖了从数 ...
2024-09-19大数据管理与应用领域的发展潜力和职业方向是当前热门话题之一。随着信息技术的快速发展,数据已经成为企业和组织决策的重要基础 ...
2024-09-19评估自己在数据分析领域的当前水平,可以通过以下几个步骤来进行: 自我评估: 知识掌握:考虑你对数据分析基础知识的理解,包 ...
2024-09-19MarkDown
2024-09-19数据分析师资格证书是证明个人在数据分析领域专业技能的重要证书,对于提升就业竞争力和薪资水平有显著帮助。考试通常包括理论知 ...
2024-09-19数字化运营专业的毕业生在多个行业中都有广泛的就业前景。除了酒店和旅游行业,这些毕业生还可以在以下领域寻找职业发展机会: ...
2024-09-19酒店管理与数字化运营专业的学生学习内容包括酒店客户关系管理、前厅服务、客房服务、餐饮服务、酒店数字化营销、酒店财务管理、 ...
2024-09-19大数据专业的学生想要提升数据分析技能,可以通过以下几个步骤: 学习数据分析基础:掌握数据分析的基本概念,包括数据清洗、数 ...
2024-09-19数据分析师是专门从事数据搜集、整理、分析,并依据数据做出行业研究、评估和预测的专业人员。他们的工作内容包括但不限于: 数 ...
2024-09-19数据分析师作为一个职业,对于大学生来说是一个值得考虑的选择,因为它不仅在当前有着广泛的应用,而且在未来几年内预计会有更大 ...
2024-09-19考取CDA(Certified Data Analyst)认证对数据分析师在薪资提升方面确实有帮助。CDA认证是数据分析领域内公认的专业资格认证,它 ...
2024-09-19数据挖掘的基本流程 1. 定义问题 数据挖掘的第一步是明确要解决的具体商业或技术问题。这一步骤是整个数据挖掘过程的基础。只有 ...
2024-09-19大数据领域的新兴职位和未来几年内可能会有较大需求的岗位包括: 数据工程师:负责构建和维护大数据平台,包括数据采集、存储、 ...
2024-09-19