都说产品要懂数据分析,到底要懂到什么程度?(附分析模版)

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

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

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

文章很长建议收藏起来慢慢看如果想节省时间可以直接看目录

文中数据分析的资料全都整理成表格需要的关注公众号大雄背起行囊回复分析资料即可获取

目录

首先,来看下目录

1、为何数据分析越来越重要

2、产品经理懂数据至少要做到“五懂”

1)懂来源:搞懂数据的来龙去脉

2)懂记录:用数据记录业务变化

3)懂规律:用数据理解业务规律

4)懂增长:用数据驱动业务增长

5)懂表现:用数据突出业绩亮点

(每一个懂,都提供了具体的知识点/方法,帮助你在了解的同时快速掌握)

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:

A 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

B 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

C 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

A列学习清单向前辈学习开启意识培养第一步

B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

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。

在文章的最后

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!

#数据分析专辑系列文章#

1、如何培养数据意识

2、如何制定日常数据观测指标

3、常用的数据分析方法

4、数据分析常用工具-excel的高效技巧

(0)

相关推荐