【SA】是一款数据统计分析产品，十月怀胎生于互联网金融公司的背景之下。
S Analytics-分析系统的调研与思考
从B端PM转到数据产品经理一年之久，对于数据产品经理的岗位，好想说我快要入门，皆因为这一年从无知到研发出一款数据统计分析软件的经历让我有了一种何不利用数据服务业务的心态。其实重点是了解数据是如何产生的，从大的节点着手了解数据处理流程，数据的收集、传输、存储、统计、可视化展示，既然数据的来源就是用户产生的，为何不能反馈用户给他们最优的选择呢。
新年到，复盘一下2017。希望2018有进步的同时也希望带给看官们一些有用的信息。开工~
调研
2017年3月老大说让我负责这款产品的时候，我是懵逼的，就是大······大写的那种，不过还是有一些心理准备，毕竟面试的岗位是数据产品经理。从小白做起我也不是第一次，只是也会很多顾虑，没经历过类似的软件的研发，担心会耽误事情。老大还是面无异色的定了我（当时就我这一个PM他也没得选择HAHAHAHA~），用他当时的话说这也是现在公司最适合我入手的一款产品。还能说什么呢？速度入坑~
先找竞品研究研究一头扎进去速度浸泡自己，看了百度统计、腾讯统计、神策数据、GrowingIO、Adobe-Analytics、Google-Analytics、Mixpanel、易分析、友盟一些统计分析的产品，了解多的是GrowingIO、Mixpanel和Adobe-Analytics。
首先，对于Mixpanel的了解主要是在可视化埋点的功能上，因为实在是太适合用户（类似数据分析师用户群）使用，不需要研发跟着运营提出的需求一个点（业务相关）一个点的去埋点，代码埋点是需要技术人员配合完成，再无他法。
其次，针对GrowingIO做了解构（很多时候产品的结构不能简单的从产品的功能结构图中看出来，尤其牵扯业务的时候，但是我们可以简单的从用户、产品、关系来推测，其中的关系是用户和产品的关系。通过这种角度的分析，大部分产品都可以揣测到产品设计的思路，我们可以从这些角度去发散思维，根据自己要处理的业务或者产品规划也明确好自己产品的边界，不过SA是工具类型的产品）。
再有，Adobe的学习成本比较高，不服气不行，一开始很难用，这个难也是针对没有接触过的用户，如果你有接触过一些类似的软件或者清楚关键指标维度或者对需要分析的业务场景明了或者需要深挖的数据比较清晰，那么你会体会到产品本身是何其的强大（惭愧ing，我了解的很少）。
最终，了解下来我。。全忘记了。。忘记了。。忘了。。了。。
没有具体的业务需求，又过了死记硬背的年纪！所以肯定是需要去了解真正的分析场景，指标（核心指标）是如何化腐朽为神奇的帮助幕后的运营团队、BD团队等解决问题的。遂去找业务部门的数据分析师唠唠嗑，希望能更多的了解业务分析的场景和一些比较常用或者重要的业务。保险起飞先满足一些比较正经比较浅浅优先等级比较高的功能，其他的就让他们自己去拉数据，暂用Excle分析。必须找第一线使用数据的数据分析师（要找那种是真的懂的人，很多人都是只知道一些分析的指标，但是很少有人知道它们在什么样的场景才是关键指标，关注虚荣指标的那种，直接PASS不聊，还不如自己去看看书）去了解业务场景，基础的指标、维度的意义需要自己学习和思考，当然还要清楚指标的统计口径，不同的业务对指标的计算也是有偏差的。可能各个公司的架构不同，细分的比较多SEM、DB、渠道、流量运营、产品运营都是分开的。我很幸运我的分析师是了解的比较多的那种，所以这只羊没有薅错。
思考
了解了挺多的业务场景，但是如果你不能站在场景外去求解，反而真的是给自己挖坑了，就是10个脑袋也不够处理这些7788的业务。怎么算是站在具体业务场景之外求解呢？或者我们可以从另外一个问题解惑，（用户）如何选择适合的网站分析工具？总结下有几个方面（没有先后顺序）：
1、数据展示是不是有合理的逻辑；
看多了分析网站，发现各工具虽有差异，但是收集数据手段其实都是跟技术的发展有关，正常的思考可以得知追踪到的数据也就大同小异，但是在数据展示方面就存在很大的差异性，数据分析软件的基础功能就是输出报表，报表的核心就是指标与维度，数据基本都会被维度切割出现在不同的报表中。好的分析工具会有自己的逻辑，在整个复杂的分析过程中，你也可以感觉到数据展示逻辑的存在，不好的就是直接堆积数据。
2、多维度对指标进行深度细分的能力；
好的分析网站肯定有一定范围内的自定义，毕竟分析的工作还是用户在做，很多用户需要根据自己的业务诉求来分析问题的存在，用数据指出问题，推动决策。而在找问题的过程红，最多用的方法还是细分，通过细分定位问题，所以从多维度的角度对指标进行深度切分的能力，也是网站好坏的重要一环。
3、指标够不够简单易懂且有说明？
这点也是不可忽视的一点，毕竟我一开始着手的时候都需要靠百度，大部分指标也是业界约定俗成的名称与规则，当然我们在研发的过程中可以定义自己的规则。据我所知大部分新接触统计分析的朋友都要学习一阵子才能真的开始分析工作。如果指标能够描述的更通俗易懂一些，相信会更快进入分析工作。
4、埋点方式
Adobe是业界的老大哥，埋点方式也是全代码埋点，这个痛苦就真的是不可言语了，而且后期的跟踪维护如果出现断层也是比较麻烦的事情。而GrowingIO的埋点方式是无代码的可视化埋点方式，我觉得很赞，专注业务的同事也可以自己去埋点关注自己在意的数据。真的不要太爽。
5、售后服务
技术类的工具，避免不了需要专业的服务于支持，再完美的工具再完美的分析师都不是一日之功，都有始于足下的开始，所以绝对是需要比较好的售后服务的。
反之，我们做数据分析软件也要考虑到这些内容。然后着手开始。
网友评论