“對數據敏感，能夠通過數據分析與反饋，不斷改進和優化產品”之類的招聘要求屢見不鮮。誠然，數據分析能力已經成為產品經理不可或缺的技能。數據的敏感度和分析能力的高低，往往可以看出一個產品人的功底。

小編雖說幾乎天天和數據打交道，但始終覺得要獲得能力進階，仍需進行系統性的學習和實踐。因此本文作如下梳理和思考，希望對大家有所幫助。

本文的目的主要是列舉常見數據分析問題，自我反思對癥下藥，給出一些分析思路，提升日常數據分析效率，學習日程制定指引，逐步掌握數據分析工具

一、為啥要學數據分析

你可能會說，這不是廢話嗎？！肯定要學啊！不過小編還是要強調下。沒有足夠的驅動力，頂多也是三天打魚，難以為繼。數據分析有啥好處？一句話總結就是：數據改變生活。哈，有點扯。隨便貼幾點吧，每個人的動機都不一樣，有用就好。

二、數據分析5大常見問題

這兩周，通過調研和自我反思，發現同學們在數據分析這個環節上，主要存在在5大問題，小編簡稱之為“4無1不”，若未能妥善解決，將嚴重影響工作的效率和身心健康。

1、無思路：數據雜亂，不知道從何入手

成因：分析的業務目標不清晰，導致數據采集過剩；分析方法與分析的場景不懂得如何結合，導致無從下手。

對策：理解業務背景和業務目標；熟悉各分析方法及應用場景。

2、無側重：分析邏輯不嚴謹，生搬硬湊亂猜想

成因：未整體考慮對數據造成波動的可能原因，將相關性指標用作為因果關系指標，成為了：為了分析而分析。

對策：數據分析應形成閉環，確定分析目標——采集數據——列舉可能原因——驗證猜想——得出分析結論——后續優化對策。

3、無規劃：分析時，卻發現數據缺失，采集難度高

成因：對所上線產品的價值收益不清晰，未提前規劃觀察指標及進行相關的數據采集需求開發，巧婦也難為無米之炊啊！

對策：明確產品的成功指標，可提前構思分析思路，進而反推所需的數據需求細節。

4、無記錄：數據異常，卻不知道做了什么

成因：團隊內部信息同步不及時。可能是活動導致的產品數據暴增，或者產品更新導致系統故障數據下跌。

對策：建立團隊內部的協作機制，信息及時同步至共享平臺。如：運營活動上線前X天，及時同步至產品相關活動規劃，并做好備份記錄和通知相關部門。

5、不熟練：對分析工具不熟悉，分析耗時大

成因：分析工具如Excel，若不是在學校有專門課程，基本是自學或者報相關課程，工作忙沒抽時間單獨學習是根本原因。

對策：建議列出自己的薄弱環節，有針對的找相關的課程學習，如果是小白，建議系統地學習。

三、日常分析類型

日常的數據分析類型可以從四個角度去歸類，產品設計五要素、數據類型、產品進化流程及時間。

分類的目的是為了幫助我們更好地理清日常數據分析的場景，以便更有針對性地進行整理歸類、前置學習儲備，比如說：數據類型緯度中，提前整理好存放用戶數據、交易數據的數據庫及表字段，可以提高數據采集時的效率；整理好項目周報的報表格式，有數據增加，直接更新即可。

1、從產品設計五要素看

戰略層的數據多留點心思，老板們會不定期地問起，找數據比較久就比較尷尬了。

2、從數據類型看

下面的數據，在個性化推薦或精準營銷場景會用得非常的高頻，數據的質量決定了推薦效果的好壞。

3、從產品進化流程看

產品上線的前中后，產品的關注數據會有所差別，相關的數據收集和分析要靠自己不斷總結反思。

4、從時間上看

建議同學們自我盤點下，有哪些是一次性的，哪些是周期性的，相應的采集需求或者分析報表該如何呈現才更佳。

四、數據分析思路

這部分是比較關鍵的一環，構思不清晰，如無頭蒼蠅一般，費時費力還無用。在分析之前，可以先問下自己，這個數據分析，到底目的是為了什么？小編認為，基本上為如下三類：

1、事前：制定/預防

2、事中：控制/調整

3、事后：結項/優化

因此，數據分析的思路是：始終圍繞該階段下的業務目標而開展數據分析。

分析思路建議參考：金字塔+公式化思維，這樣可以窮舉可能造成的影響因素，并進行一一分析排除，找到可能的原因。

Tips：建議先列清楚可能原因，再進行數據采集和數據分析，避免返工。

舉例：

當一個電商平臺的訂單轉化率下降時，可以列出訂單轉化率公式：CR=訂單數/UV。

下降的原因：可能是訂單數變少了，也可能是來的客戶增加了。針對這兩個指標進行羅列可能造成的原因，并通過數據驗證分析。

五、數據分析方法

有了數據分析的思路，就需要通過適合該場景的分析方法進行分析，以進行規律的探索。常用到的一些分析方法如下：

1、趨勢分析法

將兩個或兩個以上的指標或比率進行對比，以便計算出它們增減變動的方向、數額、以及變動幅度的一種分析方法。

2、對比分析法

將兩個或兩個以上指標對比，尋找其中規律。靜態對比，不同指標橫向對比。動態對比，同一指標縱向對比。

3、多維分解法

把一種產品或一種市場現象，放到一個兩維以上的空間坐標上來進行分析。

4、用戶分群

根據用戶與產品之間的互動程度進行劃分，以更好經營用戶。

5、用戶細查

用戶抽樣，具體觀察用戶在行為、交易上的特征數據，以觀察是否具有顯著特征，反推宏觀數據，找出數據規律。

6、漏斗分析法

對業務流程節點進行劃分，建立整個業務流程的轉化漏斗，并追蹤分析。

7、留存分析

用戶注冊后，追蹤該用戶次日/周/月的活躍情況。

8、AB測試法

A/B測試的實質是對照試驗，即通過對幾個不同的版本進行對比，從而選出最優解。

六、學習數字分析日程

因為計劃常常趕不上變化，因此這里希望同學們列的是日程，而不是計劃。這部分分兩步，第一步搞清楚自己需要什么，第二步，制定適合的學習日程。

step1：需要什么

1、根據第五節的數據分析類型，梳理日常高頻分析場景。

2、總結自己的薄弱環節：可以反思分析過程，做什么最痛苦和請教大佬們都有哪些高超技藝。

3、確定一個自己未來鉆研的方向。

以上，確定一個學習優先級。

step2：學習日程

1、一個可持續性的學習習慣：什么時候學習效率最高，最可執行。2、一個階段性的學習目標：先看Excel的基本知識，再看統計學，再學SQL。

3、定期時間日程安排，具體的日程編排根據自己的時間來。