甘轻语的学习笔记

什么是数据分析？

数据分析可以拆分为两个词语，数据和分析。数据是一种度量，具备客观性，不因人的意志而改变；分析是一种解读，具备主观性，横看成岭侧成峰。用主观的意识，通过正确的角度去分析解读客观的数据，理解数据中所存在的信息，得到有价值的结果，这就是数据分析。

优秀的产品经理应该是游离于感性和理性之间的。面对问题时，既能够感性的思考，从人性的层面上解决问题；又能聚焦于一点，理性思辨地解决问题。从人性层面解决问题时需要同理心，去理解用户；理性思辨的解决问时，则需要各种论证，数据分析就是论证解决问题方式的正确性的最好手段。

什么会影响数据分析的准确性？

个人的主观意识

数据分析是服务于人的，而人具备主观性，同样的数据在不同人的眼中会呈现不同的解读结果。170cm身高的女生，在180的男生脑海中呈现的词可能是矮，而在160男生的脑海中呈现的可能就是高大。同样的原理也适用于产品经理日常的数据分析工作。

看用户增长的比例，增长了1000个用户，对比于1个用户的情况时得出的结论和对比于10个用户的情况时得出的结论完全是两个数据。如果只看用户增加，虽然两者增长的百分比较大，让人感觉很好，但是并没有实际意义，1000个用户仍然是很少的用户。这就是典型的带有个人主观意识，使用错误的用户增长比例去解释用户增长情况，让自己陶醉于高增长率的例子。

样本量和样本的构成比例

数据分析工作需要一定的数据量去支撑，较少的样本量并不能很好的说明结果。同样一个问题，10个样本量和100个量得出的用户倾向的比例明显会是不同的。同时，在选取样本时，构成样本的比例也会影响得出的结论，男女，新用户老用户比例，地域等因素都有可能会影响到结论的准确性。故此，在数据分析工作中选取样本量时，要选取足够量的，样本特色鲜明彼此之间又有联系，可以进行良好对比的样本，使用这些样本进行分析。

例如，想要分析产品改版前后，用户的活跃率的改善情况。如果我选取了，改版后和改版之前的一段时间的数据进行对比，那么一般情况下，会得出这样的结论，改版了用户活跃率上升。但是，这样的选取样本量得到的结论是不对的，改版后的用户，大部分本身就是产品的活跃用户，他们会跟进产品的更新，而有一步使用频率不高的用户，一般不会主动更新。这样就导致了，改版后的用户大部分都是活跃用户，与之前包含不活跃用户的数据进行对比，就会造成偏差。正确的做法应该是，选取改版后的数据和上次改版后的用户数据，在时间轴节点上保证相对统一，使用这个数据去进行对比分析，然后得出结论。

解读范围出现偏差

有时候在用数据分析一个问题时会出现，使用了相关关系的数据去解释了因果关系，这样就会得出并不正确的结论。比如，产品的销量和季度有相关关系，但是只用一组季节的数据去解释产品的销量，得出的结论肯定是不准确的，应该用多组数据去解释产品的销量才会得到正确的结论。

在做数据分析前，一定要界定好数据可以解释的范围，需要哪些数据，找到与要解读目标有逻辑关系的数据，通过对这些数据的解读和分析，得到自己想要的结果。数据分析前一定要想好自己的目标和所需使用的数据，谋而后动，不要让用战术上的勤奋掩饰自己战略上的懒惰。

如何正确的利用数据？

求知者的态度

数据面对数据时，保持一个怀疑的态度，不断去追问数据的来源，数据的样本量，样本构成。通过不断的追问，就可以知道数据的真实性与有效性，不要让经过二次处理的数据来影响自己。带着求证的态度去读取、分析、度量数据，不断追问数据为什么会是这样，而不是其他的样子，找到背后的逻辑关联，通过推理得到正确的答案。

做出答案假设

好的开始是成功的一半，在进行数据分析前，先进行一个答案的假设，然后找到与结果相关的核心数据，通过这些数据去证明自己的推论。这就要求产品经理需要对自己的业务，用户有完整的理解，能够敏锐的洞察数据中所存在的问题。只有这样，才会做出好的假设。

如何培养数据分析能力？

保持对数据的积累

数据分析能力是一个持续成长的能力，它应该是伴随着产品经理成长路线的始终的，随着竞争级别的越高，其对于产品的数据分析能力和商业化能力要求越高，故此，平时的积累必不可少。只有不断的接触自己的用户，自己的业务，积累实际的经验，才能让自己更理解整个产品的逻辑，从而不断的提升自己的数据分析的能力。

除此之外，每天也可以通过去观看各种各样的互联网新闻，积累新闻中说存在的数据，寻找数据之间的关联。

保持对自我的训练

在平时积累的同时，要保证对自己有一个不断的训练。通过自己平时的积累，就可以对数据有一个大体的认识，然后去发现异常的行为数据，找出这些异常行为数据的共性，从而发现问题，最后解决问题，通过这样的一个过程， 不断的训练自己的数据分析能力。

大脑工作的本质是建立联系，将自己的积累与实际工作结合在一起，通过两者关联强化自己对对知识的记忆和理解，如此反复，就会不断提高自己的能力。

如何开始数据分析

学会提出数据统计需求

提出数据需求的过程，是一个“界定产品目的和目标，根据目标提出假设，预判产品效果”的过程。这就要求产品经理对产品的功能目标，功能预期效果有一个完整清晰的掌握。故此，要想提出一个数据统计需求，就需要产品的逻辑有清晰的掌握，把握关键要素，才能提出一个有价值有意义的数据统计需求。在提出之后，还要对数据的解读有自己的判断。通过假设，预判有一个自己初期的概念，之后跟踪数据，验证自己的判断。

一个完整的数据需求需要包括哪些？

功能设计方案：包括功能的整体逻辑，为哪些用户设计等方面。

功能的目的和目标：明确方案的意义，功能想要达到的效果。

功能数据：对所需要跟踪的数据进行埋点，设置合理的核心数据指标，明确指标定义。

保持对功能效果进行预判

不断对功能的效果进行预判，通过积累，不断的发现问题，整理自己的思路。好的预判可以更好的帮助产品发现问题，此处为“练”而已。​