如何用数据驱动产品和运营

文章类型：课堂笔记
授课老师：前百度大数据部技术经理桑文锋

目录： 646595A6-6D48-463A-BA06-762C6C5C62A2.png

Q：平时做项目时，如何做决策的？
A：
1.拍脑袋：通过感觉来决定要不要做，结果可能会对，可能会错。
2.因果驱动：强调逻辑；存在的问题是想清楚原因需要很长的时间，可能会错过最佳时间。
3.数据驱动：用数据说话。比如一个例子，一个页面是绿色好还是蓝色好？进行用户抽样，百分十的人显示绿色，百分之十显示蓝色，一天后看点击量。之后再去慢慢分析原因。

情况一：很多创业公司中，大家排队等一个工程师跑数据。市场、产品、运营、老板等在工作时，都需要用到数据。

56161A36-C096-4163-9680-BE06AD98E07E.png

比如工程师老王是数据工程师，他需要针对需求一个一个去对。业务发展越快，各部门对数据的需求越大。（效率低）

D87B4578-05B0-4658-8370-FC4A331AE7C2.png

情况二：只有仪表盘可看。这种情况满足老板决策。

312CCCFB-47AE-4106-88F2-FAC6C0DD54B7.png

但是，宏观数据满足不了具体细节，比如根据特定渠道展开去看数据，仪表盘不能满足需求。

CA0E0B6F-8A29-4E26-87E1-73A74833B392.png

情况三：公司发展到一定程度，出现多个部门，部门之间无法打通，就会出现数据孤岛的情况。

65F93A6E-3582-4AF7-8075-8489A406C0C2.png

沟通代价极大（难做）

E7E993B1-F2F1-4EA1-B82B-13D06A5F96DF.png

情况四：理想状态，自助式数据分析。业务人员真正的去掌握数据

C1A3CD2D-E8CD-400B-A508-64B604908B3A.png

下图前者是需求驱动，来一个需求，数据工程师去满足这个需求，是一个串行的过程，更理想的状态是倒序，下图后者，是个并行的过程。

86BF7AFC-E3A9-43EB-ACF3-9055E64A8574.png

->数据处理流程：数据采集、数据建模、数据分析。
对于很多业务人员只关注数据分析，他们不知道底层有很多基础的工作需要去做。

89D5FB14-DA72-447D-A2BC-A513C4E0148D.png

数据采集要避免不准确（拿到的是错误的数据）、不完备（只采集了部分数据）和不细致（只采集了部分纬度的数据），那么数据采集的基本原则是什么呢？
·全：多种源（客户端、服务端、数据库等），全量而非抽样。
·细（强调多维度，数据源要做好）：Who、When、Where、How、What。
数据采集的方式：

4A5E7944-5E4E-49B3-8BDC-929348D4B9B7.png

数据建模：

721121B8-4C56-4A9F-AA26-FA44A500AFEA.jpg FC91D293-0CBB-4F0F-B570-B91B2A5D2F54.jpg 1AB81A11-C255-4694-9053-44CBA1D6F09E.jpg

->数据分析的方式：
·多维事件分析
·漏斗分析
·留存分析
·行为序列分析
·A/B testing
·用户分群

T%Q$WG5I@RPJ)(H8SO6B25L.jpg

![MZJUU]LRV51_1K$K9J@QFU1.jpg](https://img.haomeiwen.com/i659529/963f06b9a27b47a3.jpg?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

![JIY8N(4{@GV_]3D6DIIZIGH.jpg](https://img.haomeiwen.com/i659529/fe1ea75ecec29c05.jpg?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

_}4MMQI0X0JJ2C)JW5Z182V.jpg $~PNIPSTN{Z3KQW$N3`%)2I.jpg

![F402Y]1J%Y7S5}$LBPVOL9O.jpg](https://img.haomeiwen.com/i659529/2b697864a6361706.jpg?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

UF6T(7OW@W$W_N%4DYU)KLS.jpg I1QZ{U$3JDMF9XUXTGGRIQE.jpg

->在实践中如何进行运营分析？
以Saas运营分析实践为例：（Saas->Software-as-a-Service（软件即服务））
·产品发布评估
·使用客户留存分析
·流失用户召回

![Z5E$7T1R}IE7V)K`2T5GQ]M.jpg](https://img.haomeiwen.com/i659529/d5a63baff0711b5c.jpg?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

O4HC)5}B_IKV%YS8U{3XQQ1.jpg $ENKYUB4SF$ZP6P(LI2$ZAR.jpg $ZP{)%`BO90`18)EHGRWD25.jpg C993FA7F-041B-4A4C-842B-EBF627A86423.png 426A5575-6931-43CB-9C3E-F476B5F955E4.png

->如何根据产品构建指标体系？
·One Metric （来源于《精益数据分析》一书）
·Pirate Metrics:AARRR（海盗指标法）

24E54617-A868-441F-A4B2-CEB35F4A465C.png DA95A69D-6D5C-4257-89F5-1F425A26688F.png 99B90ABD-A33A-4E9B-92C4-D8A150F5240D.png BC92A59A-54B6-40DA-B95B-889E29886E98.png 3B3B772A-5E66-4EBB-848B-31ED5A574DB7.png

下图是07年发布的，更倾向于网站分析：

D2D2C660-31A2-4995-A577-C85CFEC9D623.png D2060D89-54F0-40DB-9467-0FDAF32B4BA4.png

最后提一下增长黑客，是提升指标的性价比高的一种方式。

08A02C98-A6CA-4ABA-AC8D-6EA57B6E9456.png

Growth Hacking 与数据分析的关系：数据分析是Growth Hacking的根基。

9BA5880C-D11E-4973-BEE1-6E65BF34E1C5.png