经了解，面试过程有两个特点： 面试官都很喜欢问数据相关的问题； 如果应聘者对数据不熟悉，凉凉的概率非常大小Q就是在数据这个部分掉了链子。
显然，数据能力已成为产品经理应聘的重要考点了。
懂数据分析实在是太有必要了！打心里认为：不懂数据的产品不是一个好产品。
结合最近的思考，今天我来分享下：产品经理懂数据，到底需要懂到什么地步？每一个层次都代表着一大类人群，大家可以对号入座。
本文章适用这几类朋友： 还没做过数据分析，希望通过数据分析提升产品分析能力 野生产品，接触过数据分析，但总觉得学得不系统，没有方向 已经在做数据分析，但是老板觉得我数据分析能力还比较差
一、为何数据分析能力越发重要？依我看，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。
既然数据分析这么重要，那么产品经理到底要懂到什么程度？
二、产品经理懂数据，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，我按照问题类型，摘出必考问题和常见举例。
（可收藏下来，时常翻阅）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 *** 作事件都埋进更多数据埋点知识，可以看这篇埋点的文章《3分钟6个问题，数据埋点少交50%认知税》（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： 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 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 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 利用好10分钟早餐时间，将关注的业务数据浏览一遍； 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； 活动数据备忘库：将活动的效果填入提前创建好的备忘库，用于时常查阅，提供思路； 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； 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。
之前也有写过，场景化数据分析的相关文章，实战资料非常多，这里摘部分内容分享下，完整的分析资料都整理成表格，可关注公众号 大雄背起行囊回复分析资料即可获取。
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快速套用的4）整个数据分析excel 截图以上的每一维度，我都写了针对性的文章，大家可以点击《数据分析专辑》了解。
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 *** 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）降低损失不仅如此，数据分析还能帮助企业减少资金损失/声誉损失，监控核心功能数据，，比如支付平台/优惠券平台。
若超出异常阀值，按照严重程度，第一时间通过IM/邮件/短信/电话等渠道告知相关责任方，避免带来不可估量的后果。
5. 懂表现：用数据突出业绩亮点如果看完前面4个，你觉得已经到位的话，那你就大错特错了！前面4层是属于做好基本工作，第5层的重要意义在于：让你的工作脱颖而出，获得领导的认可。
懂得用数据表现业绩亮点，永远是职场人的必修课。
在大家工作都差不多的时候，如果用数据体现自己的与众不同和思考呢？这里给你三点建议，分别应对不同局势下的处理方式。
（1）业绩好强调过程项目过程的艰辛之处，或者是团队做了什么动作？做了什么测试？使得数据增长的不错，让领导相信增长并非偶然。
（2）业绩一般找局部亮点数据绝对值增长比较少或者数据比较小的时候，可以用百分比去描述效果；又或者把数据拆解来看，找其中增长得比较好的地方，分析下是否可以扩大效果。
（3）业绩差重点分析原因及对策处于逆境的时候，分析一定要深入！经受住领导的连环挑战：为什差？具体差在哪里？同比差了多少？这个阶段做了什么？数据如何？为啥没有效果？哪个环节做得不好？给予领导信心：下一步该计划怎么做？为什么这样做？预计带来多大的效果？什么时候做？当前进度如何？下次同步进展情况的时间是什么时候？上述的只是职场的冰山一角，数据用得好，如虎添翼；对数据没概念，寸步难行。
最后在数据越发重要的今天，数据分析已经是产品技能包里必备的技能。
希望大家通过我今天的分享，对产品搞懂数据有基本的认识。
把“五懂”作为一个指引的灯塔，在修炼的路上，你我结伴前行！祝愿，人人都能成为数据分析师！
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）