數據行業

中國IDC圈5月12日報道，網上有個故事很有趣，說3個人去投宿,一晚30元.三個人每人掏了10元湊夠30元交給了老板. 後來老板說今天優惠只要25元就夠了,拿出5元命令服務生退還給他們, 服務生偷偷藏起了2元, 然后,把剩下的3元錢分給了那三個人,每人分到1元.這樣,一開始每人掏了10元,現在又退回1元,也就是10-1=9,每人只花了9元錢, 3個人每人9元,3 X 9 = 27 元 + 服務生藏起的2元=29元，還有一元錢去了哪里?

猛地一看，合情合理，并且陷入思維陷阱。可仔細一琢磨，發現了問題，最大的問題是邏輯混亂和偷換概念。服務生獲取的2元包含在三人支出的27元內，通過偷換支出的概念來企圖建立30=3*9+2+1的偽等式，造成1元“離奇丟失”的假象。

我這里提供了兩種思維方式來幫助大家梳理思路，還原事情本質。

1、按照金錢流的方向分析

按照金錢的流向，三個房客共流出了30元，在流通過程中，老板獲得25元，服務生獲得2元，最終還剩余3元流回到房客手中，滿足30=25+2+3*1等式。

2、按照財務上的收入和支出思路

無需考慮中間的各種過程，從財務支出端看，3個房客支出27元;從收入獲取端看，其中老板獲得25元，服務生獲得2元，27=25+2，等式成立。

數據分析是產品經理重要的一項技能，幾乎所有的產品需求的出發點都是基于數據分析。產品的功能邏輯越復雜，用戶量越大，決策對數據的依賴程度越大。以上兩種方法也是數據分析常用的兩種方法，第一種是基于用戶路徑的數據分析，針對用戶在各個步驟的行為分析，包括操作、流失和停留時長，對產品或服務進行優化改進;第二種常常用來對節點定位，進行轉化率、占比等數據的分析。

那么作為一個產品經理，在數據分析方面要重點關注那幾點呢?我自己對數據方面接觸的相對比較多，分享幾點自己的心得。

數據目標明確

目標明確是產品經理在做所有事情必須要考慮清楚的事情，不僅僅指數據。考慮清楚產品最重要滿足了用戶那些需求，項目在某個節點需要達成怎樣的目標，具體在數據分析方面，就是考慮清楚數據的目的是什么。

在張嘴麻煩開發進行手動查詢數據前(大部分公司的后臺只有普通的常規性的數據，一些詳細的數據一般需要手動查詢和導出)，產品經理一定要想清楚自己想要從這份數據中得到怎樣的結果。無論是了解產品截止到目前為止的累計用戶數等了解性質的數據查詢，或是為了分析付費轉化率低原因等探索性質的問題分析，一定要帶著目的去獲取數據。

數據定義清楚

在清楚了目的之后，對需要的關鍵數據已然心中有數，這時要對關鍵數據的定義清楚，這里的清楚包含兩部分：

1、清楚上報機制

要清楚自己的數據是從客戶端還是底層上報至服務器，上報的節點是什么，是否只在wifi狀態下上報，在本地的字段保存有效期是多久，丟失的可能性有多大。了解數據上報機制能否方便產品經理更好的理解產品，對原始數據的準確率心中有底。

2、明確指標定義

產品經理要明確各項統計數據的詳細定義。拿常見的數據指標活躍用戶來說，不同的產品有不同的定義，比如MIUI可能吧聯網定義為活躍，而迅雷把有下載行為(新建、暫停、刪除、下載完成等)定義為活躍，淘寶可能吧有購買行為定義為(有效)活躍用戶。

明確指標定義是數據統計分析的前提，如果對數據指標不清楚，那數據分析也就無從談起了。

數據分析

數據基本正確的情況下，對目的的分析一般有兩類：

1、定性分析

定性分析是對實物“是什么”的定義，是對事物性質的歸納。比如9月初，迅雷用戶活躍用戶數大增，結合對迅雷服務器每天top100下載量排行榜分析，均是iCloud流露女星相關文件，因此可以下結論：9月初用戶活躍用戶量增加主要是由iCloud熱門事件引起的，這就是定性分析。

2、定量分析

對應定性分析的“是什么”，定量分析就是“有多少”，是對事物數量的統計。9月初日活用戶數增長了10%，就屬于定量分析。

一般來說，數據分析就是對“是什么”做假設，然后用“有多少”來不斷做驗證的試錯過程。通過不斷的假設，分析，推翻假設，再次分析的方式來得出結論。根據數據量和目的的不同，采用不同的分析方法，常用的分析方法有對比分析、回歸分析和相關分析法。

　　excel工具

單獨把excel列出來的主要原因是因為excel太重要了，除非特別龐大的數據量，否則excel幾乎能滿足你所需要的所有功能。excel目前支持59999條數據量，大部分人對excel的功能使用量不足1/3，一些公式函數的使用，大部分人該是沒有接觸過的。

目前我也正在努力成為excel的深度用戶，關于excel的使用方法和技巧，歡迎大家和我交流共同提升。

數據驗證

在數據結論得出后，千萬不要著急輸出，一定要去做驗證，同一組數據在不同的環境下能反映不同的問題。還拿9月份迅雷日活增加的數據來說，除了iCloud時間之外，可能迅雷做了應用內的增量升級，導致日活增加。這個時候就要來區分兩種因素的權重，得出更準確的結論。

以上是個人在工作中對數據分析的一些心得，在用戶群體特征復雜多樣的網絡時代，數據是很重要的一個做群體分類的渠道和方法，良好的數據分析能力能夠幫助產品經理做出更優的決策。但是又不能盲信數據，產品經理豐富的經驗知識也是不可或缺，否則容易出現幸存者偏差的尷尬(有興趣的同學可以自行百度：幸存者偏差現象)。