产品经理数据分析之道：抽丝剥茧,存乎一心

1、编辑导读：在大数据和5G 技术逐渐成为趋势的时代背景下，我们几乎每天参与到各种各样涉及到数据的场合，如社交网络、消费信息、旅游记录等等。我们几乎每天都会与各种各样的数据打交道，如企业层面的销售数据、运营数据、产品数据、活动数据等等。本文作者围绕数据分析发表了自己的看法，与你分享。这将是一个以 “数据 ”说话的时代，更是一个依靠 “数据 ”竞争的时代！麦肯锡公司称： “数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。 ”并且，在世界500 强企业中，有90%以上都建立了专门的数据分析部门。由此可见，数据分析的重要性以及未来趋势。那么，数据分析究竟是什么？需要掌握哪些技能？如何进

2、行数据分析？我今天要分享的主题是：数据分析之道，抽丝剥茧与存乎一心，也就是我对于数据分析本身的实践与总结。我们字面拆解：数据+ 分析，数据是基础，分析是主导。可见，数据并不意味着价值，分析和决策才能创造价值！而数据分析：思维方式大于实践方法思维方式：业务目标及调研+思维逻辑+创新想法 +可行建议实践方法：数据汇总统计+工具使用+可视化数据分析对一个企业有巨大价值，则是对企业 “数据 ”进行全方位的分析，两者相辅相成才能实现企业决策价值最大化。所以，我们做好数据分析，要对数据分析的价值有清楚的定位，不能沦为单纯的 “取数 ”、 “做表 ”、 “写报告 ” ，数据分析应该是对业务有实际的指导意义，

3、并结合业务痛点去发现问题从而解决问题的工具。数据分析的灵魂三问，这就是我今天讲的主要内容：数据分析是个什么东西？他到底解决什么问题？数据分析如何学习技能知识？需要掌握什么样的能力？数据分析如何进行?有什么方法论？一谈到数据分析，我们就会联想到这些问题。然而，我接触数据分析的契机，是从刚开始工作是接触的数据处理和市场调研，再之后商家代运营，产品数据运营等，这些工作中都涉及数据分析，到现在和朋友一起创建小飞象数据分析社群。其实，我理解的数据分析不是从什么高大上的角度出发，它绕不开是什么、是多少、为什么、会怎样、又如何这几个问题。说明白点：其核心就是分析数据（结合统计学等知识），找到规律（比如异动）

4、，给出结论和建议，进而能够辅助决策。那么，接下来我们来看一下数据分析在工作中几种常见的应用场景，切身体会一下：以上就是工作中遇到的数据分析应用的场景，然而，我在曾经公司里面亲眼看到，日常工作涉及到决策的时候，会常常出现如下场景：场景一： “我觉得 ”、 “应该 ”这样的词汇，谁也说服不了谁，一点点小事都要老板去拍板；场景二：活动效果没出来，做汇报时，遭遇灵魂式追问：有以上这样的场景，其根本原因在于缺乏数据思维思考逻辑，对业务的思维只停留在浅层的对比，甚至会出现 “拍脑袋决定”的情况。所以，在工作生活中，我们应该不断培养数据思维的习惯。举几个习惯：以上是我们可以在生活中培养数据思维的习惯思考场景

5、，当然，在实际工作中的前提是，我们要熟悉自己的业务流程以及业务指标等，我们在培养数据思维的同时数据敏感度会不断提升。数据是客观事物发生留下的客观事实，发展变动的数字化记录。随着科学技术的发展，数据的概念内涵越来越广泛包括数值，文本，声音，图像，视频等。而新增用户、留存、用户活跃、转化、收入、用户规模等，通过数据量化，我们才能精准感知业务指标。所以，数据是用来描述业务指标的，是被量化的业务指标。但数据的本质还是数值，只是属于最后结果的一种表现形式，要想改变结果，只能去寻找因，从因上做改变，才能引起结果的改变。而数据的特性有：1）统一性统计口径一致、计算逻辑一致、数据管理流程一致2）安全性就是除了

6、统一性之外，还有安全性的问题。数据会不会泄露？不同数据牵涉的敏感点有哪些？3）时效性很大程度上制约着决策的客观效果。有些数据随着时间的推移，价值会越来越小。4）准确性大家都知道，数据正确与否的重要性。错误的数据，可能会导致失败的决策；当出现问题时，到底是后台系统的统计，还是指标统计逻辑有问题。分析的思维过程是：分析本质即面临各种问题时，对于企业而言，让业务更加清晰，让决策更加高效。对于个人而言，认清现状，让自己的决定更加有利。这些东西说起来都是高大上的，简单来说，能通过数据找到问题，准确地定位问题，准确地找到问题产生的原因，为下一步的改进，找到机会点，也就是所谓的：数据驱动。1）通关心态当你决

7、定进入数据分析行业的第一天，你就要对标行业中的 90 分高手、100 分高手。具备通关的心态， 3 年，也就是6 个 6 个月。每 6 个月左右，至少要突破 1 个关卡。如此， 6个 6个月过后，你往往能突破到第6关、第 7关。如果是你天赋极强的人，或者你的运气很好，你极可能就成为顶尖专家 了。那么，我们来看一下 “德雷福斯模型” ，把打怪升级的成长过程分为五级。2）综合的能力数据分析要做好，综合要求非常高，因为大多数据分析是要向老板汇报的，厉害的数据分析人员至少要具备业务能力、思考能力、沟通能力、表达能力、分析能力、数据能力、技术能力及统计能力。以上，就是数据分析需要怎样的能力，其实，在很多

8、企业中，数据分析是个岗位，但我一直认为数据分析仅仅是数据从业者谋生的高级手段，数据运营、数据产品、数据管理等各类岗位都需要数据分析的技能，比如数据运营就是数据分析的一种持续迭代形式。总之，优秀的数据分析人员一定是主动发现问题、解决问题并扛得住压力的。数据分析方法其实有很多，包含战略与组织、营销、人力资源、生产管理、财务管理、供应链管理等等方面。1）战略与组织方面SWOT 分析：战略规划的经典分析工具2）市场营销方面STP 分析：现代营销战略的核心分析工具3）人力资源方面4）生产管理方面5）财务管理方面ABC 成本法：企业控制成本的有力工具6）供应链管理方面（我挑选了几种经典的数据分析方法，若大

9、家对这些方法感兴趣自己去查找学习这里不一一展开了）1）为什么要抽丝剥茧？我们来看一个例子：当你去分析某段时间内一个产品的活跃数据，就觉得这个事情很简单啊，不就是把数据统计清楚吗？看看趋势，对比上周、上一年，然后进行分群分析，哪部分用户流失等等。看做完一遍之后呢，你会面临一个纠结的情绪：同样的指标，有同词不同意；有同意不同词；还有互相包含，就是我的这个指标当中有你的一部分，你的指标中有我的一部分啊；还有各不相干毫无关联的指标却出现在同一个报表上 这都是有可能的。其实，在做数据分析的时候，我们就会有一个扪心自问的过程：我们到底从何下手？从哪里开始分析呢？我自己的思考就是：先忽略乱七八糟，高大上的概

10、念，回归到本质，其实，明确分析目标后，数据分析就是为了指标服务的，最终的体现就是某个数据指标提升或者下降，进而影响业务决策，所以需要先了解一个问题：什么是指标？它应该如何被解释？指标，它分成单一指标和衍生指标，衍生指标有一个或多个单一指标的计算得来。指标有维度和度量组成，需要注意的是，衍生指标的维度来源于组成其单一指标维度的交集。单一指标需要经过数据统计的前置筛选，才能在逻辑上成立；衍生指标没有自己的统计口径，其统计口径寄生于组成其的单一指标身上。其实：指标就是由维度和度量组成。我们可以给指标下定义：指标是描述一个数据统计业务的最小逻辑单元。例如，咱们来拆解一个数据指标，就需要一个抽丝剥茧的过

11、程，但在实际业务分析中，不一定要拆解的多么细，基本上3 个层级就能够指导我们去做一些动作。量化以及拆分指标，是数据分析的灵魂。一级指标必须是全公司都认可的、衡量业绩的核心指标。它可以直接指引公司的战略目标，衡量公司的业务达成情况，本质上需要管理层和下级员工的双向理解、认同，且要易于沟通传达，比如公司的销售额，或者社交产品的活跃度。二级指标是一级指标的路径指标。一级指标发生变化的时候，我们通过查看二级指标，能够快速定位问题的原因所在。如我们的一级指标是GMV 和订单数量上升，那怎样去定二级指标呢？我们就要去拆解一级指标，而能够影响到 GMV 和订单数量上升的，就是我们的核心二级指标。比如说货品的

12、单价上升，或者最近做的一些活动。三级指标是对二级指标的路径分析。通过三级指标，可以高效定位二级指标波动的原因，这一步也会基于历史经验和拆解。2）小结回归今天的议题是数据分析之道，我们可以回到公司的战略层，回到企业发展的战略上去思考问题，需要我们思考如何应用数据分析，通过数据团队搭建、数据指标监控体系搭建、业务分析模型规划、业务目标规划、相关责任人梳理等方式，快速地帮企业解决问题，实现业务增长！所以，我认为作为一个数据分析人员而言，抽丝剥茧、总结规律、解决问题的思维方式能力，是最核心的能力。衡量一个数据分析人员是否优秀的标准，并不是学各种SQL、Python/R等数据分析工具，而是，是否能够解构

13、问题 思维方式、还原本质、找到规律、寻找提升业务的最优解。去寻求最优解、发展规律，那就应该运用到自己的思维框架 我们该怎么去找到规律、怎么去发展、怎么去找到这个细节，需要这三步法。1）三步法首先，还原场景，寻找规律；深入细节，全面观察；窥斑见豹群，准确推演；交叉验证，排除影响。要沉的够深，要足够的信心，要扎得够狠。要跳出细节，回归本质，用上帝视角做敏锐的洞察思维，大胆假设，寻找规律。其次，觉得大方向上没有问题，不要轻易下结论，还要再跳回到那些纷杂的细节当中，去一个一个地验证你总结出的规律是不是适用，要保持一颗谦卑的心。当发现这些规律不适用的时候，就要大胆改正。最后，就是场景与验证，需要回归到细

14、节，做仔细的核对，小心地求证，严格地论述；要理清场景，一定不要有遗漏，要及时地调整，迭代更新。2）小结对于数据分析人员而言，给出的每一份数据，都要抱着对其负责到底的态度，这样大家才能建立相互信任。所以，用思维去击穿复杂的逻辑，抽丝剥茧，发现问题的本质，这是一种需要被加强的能力。这就是在当下而言，为什么数据产品经理、数据科学家这些厚重的职位，会成为当下的数据分析热门领域的原因 就是因为它对能力跟素质有新的挑战，不是大家能轻易适配的岗位。物竞天择，适者生存，市场规律就是供给多了，需求就容易满足；供给的少，自然价位就高。所以，你要去做那个供给少的环节，成为这个行业当中比较少见的人，而不是成为普遍的人

15、。1)指标监控体系的搭建当你把一个东西解构的足够深的时候，你会面对一堆的需求碎片，万法不离其宗，先找到离你思维逻辑最近的那一步，叫第一层立足点。找逻辑点的时候，我们就要存乎一心，明确分析目的，发现核心指标。尤其是第一指标，在整个分析过程中都不忘最初目的，其实就非常简单。那么，如何去搭建一个指标监控体系？要明确产品业务目标以及KPI 和所处的产品阶段要认清和明确目标。判断业务走势正常还是异常，探索解决问题的办法，都是从计算目标和现状的差距开始的，这一点非常重要。而不同的产品阶段是有不同的产品目标业务的。拆解目标，细分可以有多种类型，比如常见几种的：根据现阶段产品业务目标，将数据指标分级数据指标有

16、很多：日活DAU 、月活 MAU 、下载量、激活量、新增注册量、活跃度( DAU/MAU )、次日留存率、次人均时长、首页访问率、停留率、人均充值金额ARPU 、 GMV ，客单价等等，我们会针对不同的指标，分不同的层级。一个数据指标，会受到多种因素的影响，而这些因素有内部的，有外部的，我们应当尽可能多的了解所有层面的影响因素，帮助我们对于数据的解读及分析是在一个相对正确的范围内。不一定要拆得太细，否则层级会过深，基本上3 个层级就能够指导我们去做一些动作。我们还以上述一级指标 GMV 提升为例，我们拆解后发现是转化率提升，那么转化率就是二级指标。而三级指标则起到能够直接指导一线运营的角色和作

17、用，接着分平台去拆解各个转化率的时候，我们发现是IOS 的客户端转化率有所提升。那为什么安卓没有提升，是不是IOS 最近做了一些迭代？是不是它的一个转换路径比其他端好？这些思考就能指导业务人员展开行动。搭建以日、周、月为单位的数据指标监控体系报表监控每日、过去一周，上周， 上月同周， 上上月同周的数据报表，以图表展示，来反映产品的变化趋势，通过过去的一周数据反映产品现状，通过每日、周、过去三个月的产品业务线数据变化趋势预估未来的变化趋势。监控指标体系的基本逻辑：先看一级指标，结合二、三指标再预测判断未来趋势。根据数据监控结果，明确管理流程，实现控制第一，当指标有异常状态，明确运营策略执行者。如

18、：第二，再明确执行时间。要有时间状态和走向判断。如 :第三，明确需要多大力度，如：注意出现异常，要提高等，立即执行。比如： “如客单价不能在3 天内得到改善提高，本月 KPI 将不达标，需立即优化商品组合，提升客单价” 。第四，复盘改善后效果搭建数据监控体系，最主要环节就是效果的复盘。而且要先看是哪个层级的效果，再看具体效果大小。2）小结我们是要对数据的质量负责、对数据的追踪负责、对数据服务的可靠性负责。回到存乎一心这件事，其实就是从碎片化的需求当中，结合自身和外部资源，将我们思维的底层逻辑体系一点一点的收拢起来，较精细化的解决问题。而存乎一心的核心是应对诸多碎片化的需求时，有着深刻的洞察，顺势发展，因势利导，