诸如“对数据敏感，能够通过数据分析和反馈不断改进和优化产品”这样的 *** 要求并不少见。诚然，数据分析能力已经成为产品经理不可或缺的技能。数据的敏感性和分析能力的水平通常可以显示产品人员的基本技能。虽然我几乎每天都在处理数据，但我总是觉得要获得高级能力，仍然需要系统的学习和实践。因此，本文进行如下梳理和思考，希望对大家有所帮助。

列举常见的数据分析问题，反思正确的药物。

给出一些分析思路，提高日常数据分析的效率。

学习设定学习计划的指导方针，并逐渐掌握数据分析工具。

5个常见问题

学习动机

每日分析的类型

分析思维

制定学习计划

数据分析工具(excel，文章末尾的学习包)

你可能会说，这不是废话吗？一定要学会！但是，我还是要强调，如果没有足够的动力，最多三天就能钓到鱼，这是不可持续的。

数据分析有什么好处？总而言之，数据改变了生活。

哈，这太荒谬了。请随意发表一些观点。每个人都有不同的动机。有用是好事。

在过去的两周里，通过调查和自我反思，学生们把注意力集中在了数据分析中的五个主要问题上，我把这五个问题简称为“四无和一无”。如果解决不好，会严重影响工作效率和身心健康。

原因：分析的业务目标不明确，导致数据收集过多；分析 *** 和分析场景不知道如何结合，导致无法开始。

对策：之一步是了解业务背景和业务目标；熟悉各种分析 *** 和应用场景，这将在后面介绍。

原因：数据波动的可能原因没有作为一个整体来考虑，相关指数作为一个因果指数，成为“分析的分析”。

对策：数据分析应形成一个闭环，确定分析目标——，收集数据——，列出可能的原因(金字塔/公式化思维，稍后介绍)-验证猜想-得出分析结论-后续优化对策

原因：线上产品的价值和利润不明确，观察指标没有提前规划，相关的数据收集需求开发，聪明的女人没有米就很难做饭！

对策：定义产品的成功指标可以提前构思分析思路，然后推回所需数据需求的细节

原因：团队内部信息没有及时同步。它可能是由活动引起的产品数据爆炸，或者是由产品更新引起的系统故障数据下降。

对策：建立团队内部的合作机制，及时将信息同步到共享平台。例如，在运营活动上线前x天，及时将其与产品相关的活动计划同步，做好备份记录并通知相关部门。

原因：分析工具如excel，如果他们在学校没有专门的课程，他们基本上都是自学或报相关课程。繁忙的工作和没有时间独自学习是根本原因

对策：建议列出自己的薄弱环节，找到相关课程学习。如果是小白，建议进行系统研究，这将在后面介绍。

日常数据分析类型可以从四个角度进行分类：产品设计的五个要素、数据类型、产品演化流程和时间。

分类的目的是帮助我们更好地理清日常数据分析的场景，以便更有针对性地组织和分类预习储量。例如，在数据类型纬度中，用于存储用户数据和交易数据的数据库和表字段可以预先排序，这可以提高数据收集的效率；组织项目周报的报表格式，如有数据增加，直接更新。

多关注战略层面的数据。老板们会时不时地问这个问题，长时间地寻找数据会很尴尬。

以下数据将在个性化推荐或精确营销场景中频繁使用，数据质量决定推荐效果。

产品推出前后，产品的相关数据会有所不同，相关数据的收集和分析将依赖于不断的总结和反思。

有人建议学生评估一下自己：哪些是一次性的？哪一个

这部分是一个关键环节，概念不清。它就像一只无头苍蝇，既费时又费力，毫无用处。在分析之前，你可以问自己，这个数据分析的目的是什么？

笔者认为，它基本上有以下三类：

事前：制定/预防

进行中：控制/调整

之后：关闭/优化

因此，数据分析的思想是在这个阶段始终围绕业务目标进行数据分析。

建议分析参考：金字塔式公式化思维，可以穷尽可能的影响因素，逐一分析和消除，并找出可能的原因。

提示：建议首先列出可能的原因，然后收集和分析数据以避免返工。

例如，当电子商务平台的订单转换率下降时，可以列出订单转换率公式：CR=订单数/紫外。下降的原因：订单数量减少或客户数量增加。这列出了这两个指标的可能原因，并通过数据验证进行了分析。

有了数据分析的思想，就有必要通过适合现场的分析 *** 进行分析，探索规律。

一些常用的分析 *** 如下：

一种分析 *** ，比较两个或多个指标或比率，以计算其增加或减少的方向、数量和范围。

比较两个或多个指标，找出规则。静态比较，不同指标的横向比较。动态比较，同一指标的纵向比较

将产品或市场现象放入二维空间坐标中进行分析。

根据用户和产品之间的交互程度，以更好地管理用户。

用户抽样，具体观察用户的行为和交易特征数据，从而观察是否有显著特征，反转宏观数据，找出数据规律。

划分业务流程节点，建立整个业务流程的转换漏斗，并对其进行跟踪分析。

用户注册后，跟踪用户下一天/周/月的活动。

A/B测试的本质是一个控制测试，也就是说，通过比较几种不同的版本，可以选择更佳的解决方案。

因为计划经常跟不上变化，我希望学生们列出时间表而不是计划。这一部分分为两步：之一步是找出你需要什么，第二步是制定一个合适的学习计划。

根据第5节的数据分析类型，整理出日常高频分析场景。

总结你自己的弱点：你可以反思一下分析过程，最痛苦的事情是什么，问问老板他们有什么高超的技能。

选择未来的研究方向：行业分析、商业智能方向、机器学习。

以上，确定一个学习优先级。

一个可持续的学习习惯：什么时候学习是最有效和可实施的？

分阶段学习目标：首先学习excel的基本知识，然后学习统计学，然后学习SQL。

定期安排，根据自己的时间制定具体的时间表。

在最后一部分，让我们做一个热身学习，并奉献出必要的技能。以下几点仅突出显示：

好了，本周的分享结束了。下周见。

作者：毕业于华南理工大学15年，有运营和产品经验，现负责金融大数据产品：个性化推荐、意向搜索、人工智能智能客户服务。个人微信公众号：大雄收拾行李。