笔者是从事互联网产品工作的，平日的工作侧重是数据驱动相关的增长，所以想写一些自己的感想作为分享，大家可以交流一下。
《产品与数据》是一个系列，包含多篇文章，有兴趣的同学可以逐篇阅读，也可以选择自己感兴趣的选择性阅读。
近期随着增长概念、数据驱动的兴起，很多人开始更加重视产品数据。数据之于产品固然重要，但也不是全部。数据只是产品好坏的体现方式之一，它本质上不是产品优化的目的。你真正面对的，是一个个鲜活的用户，是他们最真实的使用体验，以及那些体验最终能带来的产品或业务的收益。那数据是什么呢，数据是一个个真实案例聚合之后的抽象画体现。
从数据延伸出了数据分析。数据分析是产品在工作中经常会用到的分析发方法，它的目的可以有很多，但究其本质，实际是一种从假设到验证的过程。
那具体到工作内容层面，产品经理的数据分析工作大致可以划分到以下三个场景：
a）功能、活动上线之后的效果好坏
b）线上数据升降的原因分析
c）线上优化方向探究与后续需求的挖掘
上面的三个场景，看上去只有a是和假设验证有关，b和c都不是，但实际上操作起来，b和c拆分后都是一个个小的假设与验证的过程。
举个例子：线上新增下降需要分析原因。这时候你需要先提出几个可能的原因，比如外部环境比如开学了，节假日结束，或者是双十一导致外部渠道整体需求量变大导致单价变高了？等等。再根据不同渠道的实际数据表现，来一一排除。比如只有某一个渠道的新增下降明显，其余的都没什么太大变化，那么就排除了之前的所有可能。
所以，数据分析具体的流程可以简单拆解为：
1）提出假设
2）梳理验证假设需要的各环节数据
3）提取数据
4）分析数据
5）验证假设
这其中第3第4步涉及到工具的使用；第一第二步涉及到对业务的理解和流程的梳理。工具本身是一个熟能生巧的过程，那么到后期，提出假设的准确性对于数据分析的效率而言就非常重要了。而假设的准确性需要的是什么呢？是对业务的内在逻辑的理解。所以数据分析能力到最后拼的是对业务的理解。
网友评论