你是否有過這樣的體驗：
在車險快要過期的前幾個月會莫名接到賣車險的電話詢問是否要續約；
電話套餐流量快要用完的時候會接到電信電話詢問是否升級流量套餐；
看完淘寶的某個掃地機器人後，再瀏覽今日頭條，發現中間穿插了掃地機器人的商品推薦。
這些現象背後是龐大的數據平臺系統。數據分析驅動整個產品的前端銷售和功能迭代、未來發展方向。
用戶畫像篩選、用戶需求記憶、精細化運營推送、數據循環積累和決策等全部依賴於數據分析的結果，並服務於產品線的戰略方向和定位。同時數據埋點和數據調整方向又被產品戰略所影響。
優秀的數據分析和數據驅動能力是中高級產品經理在團隊和業務管理中專業性的重要體現。
當前產品經理崗位細分越來越多，數據型產品經理的相關文章和書籍也不斷火熱起來，那麼從產品經理的角度，需要掌握哪些數據技能？
產品經理需要掌握的數據技能梳理：
除此之外， BLUES老師也分享了自己對產品總監需要具備的數據分析能力的一些思考。
這些思考也在一定程度上回答了這個問題：站在產品管理者的角度，如何搭建產品數據體系，才能更好的驅動產品戰略的發展？
一、建立數據基礎平臺
基礎的數據平臺建設工作，包含數據平臺建設，數據規範，數據倉庫、產品數據規範，產品ID，用戶ID，統一SDK等。
很多公司的數據無法有效利用，就是缺乏統一規範，產品數據上報任由開發按照自己的理解和習慣上報，沒有標準化的SDK和上報協議，並且數據散落在各個部門產品的服務器，無法構建結構化的數據倉庫。
做數據平臺的架構，很多人會理解為高大上的技術活，其實整個數據平臺價值的體現，需要公司各個部門的配合，例如關鍵數據指標體系的建立，需要從各個部門業務指標進行提煉，並得到業務部門認可。
常見的關鍵指標有：DAU、PCU、WAU、MAU、按天留存率(1-30日留存)、累計留存率（7日、14日、30日累計留存率），新增用戶，有效新增用戶，活躍轉化率，付費轉化率，收入指標，ARPU人均收入，渠道效果數據等。
下圖是騰訊的數據平臺架構：
二、統一數據報表，實現可視化
有了數據平臺，則需要進行數據指標體系規範，統一定義，統一維度區分，就可以很方便的進行標準化可配置數據報表設計，直觀的可視化輸出設計，包括行為、收入、性能、質量等多種數據類別。
數據報表的產出以及可視化程度均來自於對業務的深度理解和戰略定位，明確產品生命週期中各階段用戶的關鍵路徑和戰略方向，才可以找準核心數據指標，從而實現可視化報表的產出。
三、進行產品與運營分析
在建立數據平臺和可視化基礎上，對已有的用戶行為、收入數據等進行各種分析，輸出日報、週報、月報、各種專題分析報告。常見的數據分析工作如下：
A/B TEST進行產品分析優化；
運用
漏斗模型進行用戶觸達分析，如TIPS、廣告等曝光到活躍的轉化；收入效果監控與分析，包含付費轉化率、渠道效果數據等；
業務長期健康度分析，例如從用戶流動模型、產品生命週期分析產品成長性和健康度；
營銷推廣活動的實時反饋；
用戶畫像也是常見的數據分析方式，包括用戶如性別、年齡、行為、收入、興趣愛好消費行為、上網行為、渠道偏好、行為喜好、生活軌跡與位置等，反映用戶各種特徵，以達到全面的瞭解用戶，針對性的為用戶提供個性化服務的目的，通常每半年做一次用戶畫像的專題分析。
下圖是常見的數據分析思路：
常用分析工具：EXCLE，SPSS，SAS，Enterprise Miner，Clementine，STATISTICA。個人用的比較多的是：EXCEL和SPSS。
四、搭建精細化運營平臺
基於數據基礎上搭建的精細化運營平臺，主要的平臺邏輯多數是進行用戶細分，商品和服務細分，需求篩選和記憶，通過多種推薦算法的組合優化進行商品和服務的個性化推薦。另外還有針對不同產品生命週期，用戶生命週期構建的產品數據運營體系。
用戶的雲標籤系統是構建精細化運營平臺的基礎，通過多種手段進行用戶標籤分析，做到內容與商品的精準推薦與分發。
五、學會利用數據產品
廣義的數據產品非常多，例如搜索類，天氣預報類等等。這裡主要講狹義的數據產品，以BAT三家公司的數據產品為例進行分享。
騰訊：廣點通、信鴿
阿里：數據魔方、淘寶情報、淘寶指數、在雲端
百度：百度預測、百度統計、百度指數、百度司南、百度精算
中小創業公司尤其需要學會利用多方數據產品來為產品和運營行為服務，更高效的實現數據監測和多維度分析。
六、進行戰略分析與決策
戰略分析與決策層，更多的是跟很多傳統的戰略分析、經營分析層面的方法論相似，最大的差異是數據來自於大數據。
有很多企業錯誤的把“
業務運營監控層”和“用戶/客戶體驗優化層”做的事情放在經營分析或者戰略分析層來做。傅志華認為“業務運營監控層”和“用戶/客戶體驗優化層”更多的是通過機器、算法和數據產品來實現的，“戰略分析”、“經營分析”更多的是人來實現。很多企業把機器能做的事情交給了人來做，這樣導致發現問題的效率較低。
建議是，能用機器做的事情儘量用機器來做好“業務運營監控層”和“用戶/客戶體驗優化層”，在此基礎上讓人來做人類更擅長的經驗分析和戰略判斷。
在變化極快的互聯網領域，在業務的戰略方向選擇上，數據很難預測業務的大發展方向，如果有人說微信這個大方向是通過數據挖掘和分析研究出來，估計產品經理們會笑了。
從本質上來說，數據在精細化營銷和運營中能起到比較好的作用 ，但在產品策劃、廣告創意等創意性的事情上，起到的作用較小。不過一旦產品創意出來，就可以通過灰度測試，數據驗證效果了。
七、培養管理者數據意識
大數據，很大的一個問題，是產生數據的人、收集數據的人、計算數據的人、應用數據的人，通常是多個角色，甚至多個部門，產生數據斷層，因此，很多公司的數據流程都不順暢，很多數據都沒有得到有效的應用。
首先是數據理念提升，公司管理者首先提升數據意識，引入數據人才，建立數據流程，統一數據管理體系，讓數據的產生到應用，給個團隊目標一致，提升合作效率。
很多人有用數據的需求，但沒有養數據的理念和過程，連保存數據的成本都捨不得付出，這樣是難以獲得高可用數據的。阿里的“存、管、用”是阿里巴巴運營數據的三板斧。
思考，學會關窗口，正如產品界面，需要有焦點意識，聚焦核心問題解決，抓核心指標。
八、避免數據盲點，尋找綜合原因
手機客戶端的數據物理盲點須儘可能避免。如果是在網頁端漏報數據，比較容易補救，如果是在手機客戶端漏報數據，補救的成本和難度就非常大，一個客戶端升級問題就是數據上報的很大障礙。
避免辦法，一是儘可能的想清楚業務衡量指標，二是嚴格按照數據需求進行數據上報測試。
透過現象看本質的方法，最簡單的就是，不斷的用邏輯方法將問題進行分解，直到不能分解為止，然後從根本去解決這個問題。聯想到以前上過的一門思維課程《問題解決的優勢思維》。書中的案例是電商成交額的變化原因分析，需要從UV、瀏覽轉化率、購買轉化率、筆單價、人均筆數進行綜合診斷，找到根本原因。
CIO之家 www.ciozj.com 微信公眾號:imciow
閱讀更多 CIO之家 的文章
