都说产品要懂数据分析,到底要懂到什么程度?


编辑导读:毫无疑问,产品经理一定要懂数据分析。但所谓“懂“数据分析,并不是全包全能,而是尽可能全面地了解与自己的产品落地息息相关的基础数据知识。本文作者梳理总结了产品经理需要懂的数据范围,一起来看看~

都说产品要懂数据分析,到底要懂到什么程度?

这两天跟读者小Q聊面试的情况,被刷了几次的他,心有不甘来找我求解。

经了解,面试过程有两个特点:

  1. 面试官都很喜欢问数据相关的问题;
  2. 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。

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:

  1. 还没做过数据分析,希望通过数据分析提升产品分析能力
  2. 野生产品,接触过数据分析,但总觉得学得不系统,没有方向
  3. 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!

都说产品要懂数据分析,到底要懂到什么程度?

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)

都说产品要懂数据分析,到底要懂到什么程度?

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)

都说产品要懂数据分析,到底要懂到什么程度?

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操作事件都埋进

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

都说产品要懂数据分析,到底要懂到什么程度?

2)培养小习惯,享受意识红利

  1. 利用好10分钟早餐时间,将关注的业务数据浏览一遍;
  2. 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;
  3. 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;
  4. 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;
  5. 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?

都说产品要懂数据分析,到底要懂到什么程度?

2)每个场景的数据分析,类型和目的都有啥?

都说产品要懂数据分析,到底要懂到什么程度?

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

都说产品要懂数据分析,到底要懂到什么程度?

4)整个数据分析excel 截图

都说产品要懂数据分析,到底要懂到什么程度?

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。

常规操作是: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!

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发表评论

登录后才能评论