产品经理必备的数据分析入门三技能

0 评论 4293 浏览 38 收藏 13 分钟

编辑导语:作为一个产品经理,除了每天都会处理的各种产品需求以外,在进行业务处理的时候,数据分析也是产品经理需要掌握的技能;产品经理学会一些数据分析的技能后,对于之后的产品以及业务就能更加得心应手;本文作者分享了关于产品经理必备的数据分析入门三技能,我们一起来了解一下。

脱离了业务的数据分析都是耍流氓,所以在写这篇数据分析技能类文章之前,我先假定一个业务场景:某日化类电商产品经理想要通过2020年9月份的销售数据,找找看可以从哪些方面降本增效,在月度汇报的时候,根据数据分析结果制定接下来的战略方向。

那么根据这三个技能要怎么做呢?下面我们一一展示。

01 技能一:取数

作为一个产品经理,你可能会纳闷为什么要学会取数?这等小事随便找个数据组的人去干好了。

这么说也没错,但是想象一下,你不可能只有这一次的需求,后边会遇到各种各样的需求,诸如:

  • 产品上线一个新功能,想要查看用户对于该新功能的使用情况;
  • 数据异常值排查,进行产品上线前后归因;
  • 新老版本产品,用户使用情况数据对比;
  • 不同画像用户对某功能的渗透情况、功能留存等;
  • 不同产品的数据报表需求,监控产品数据情况。

想要解决这些问题,你自以为提取数需求就一切搞定,然而并不是,你会遇到以下困难:

第一:很多你提的数据需求都是较个性化且一次性的,对于数据同学来说,除非你是个很重要的业务部门,或者数据部门就是为你这个部门服务的;那么数据组同学必须要实现你提出的需求,不然很多这样的需求对他们来说没什么提升,久而久之也会厌烦。

第二:一个公司或者一个团队,不只是有你一个产品有取数需求,还会有多个运营组同学或者多个产品组同学都有取数需求,而且问到紧急程度,大家都会说很急。

这时候就会涉及到需求排期,你也急他也急,好一些的数据组同学肯定会说你们内部协商好了我再来做,脾气不好的就说都不做了。如果你的需求可能确实并没有那么急,但是对于你验证一个问题或者产品接下来的规划至关重要,难道你要一直等着么?你能等,市场可不等你。

第三:提数需求只是属于业务支撑,对于数据组同学来说并不会有什么产出,也体现不出数据分析师的价值,人家年终汇报也没什么体现。

有人说,跟数据组同事搞好关系,关键时刻能够帮你一把,如果你总是这样有事没事耽误人家工作时间,时间浪费了,也没什么切实利益,就随便请人家吃一两顿饭、喝一两杯奶茶就解决了?人都是将心比心的,人家会帮你也是想有一天你能反过来帮他,不要总想着做一个只会吸取不会给予的吸血虫。

所谓技多不压身,学会取数不仅与人方便,也与己方便;你可以和数据组同学搞好关系,拜个师啥的,让数据同学教你一些快捷入手的取数技巧,这样在你遇到重要且求助无门的取数需求时,就可以自行解决,也不耽误工作效率。

在取数技能中,我们最需要修炼的是SQL技能,取数时,基本利用SQL的一些基础语法,就足够我们实现大部分的操作。

SQL基础语法包括Select、From、Where,基本的函数语法包括分组、统计、加减乘除的计算,能看懂英语单词就能明白SQL语法的含义。

以前言中说到的业务场景为例,首先需要到数据库中查询到2020年9月份的销售数据,SQL代码以及查询结果如下图:

02 技能二:用数

用数之前,需要对数据的整体质量做评估,对于大数据量的情况,这一步还有专门的数据质量产品来完成;例如:Informatica的DataQuality、IBM的QualityStage、袋鼠云DataValid、网易EasyDQC等,感兴趣的同学可以自行搜索了解。

对于有明显数据质量问题的数据就需要进行数据清洗。数据清洗是指将取出来的数据中的脏数据,例如:空值、异常值、错误值等使用ETL工具清洗或者让数据开发工程师协助处理,如果数据量少的也可使用Excel处理。

清洗之后的数据可使用Excel、python或者专业的BI工具,如tableau、fineBI等做数据可视化,将取出来的数据转换成可通俗易懂的图表。

有句俗语:十表不如一图。当我们取出来数据之后,单看数据很难发现其中有什么问题,处理成我们需要的图表后,能够很直观的反映出现阶段业务的情况。

在这个技能中,需要学会Excel、Python、BI等一些数据分析工具,来帮助我们处理数据以及将数据可视化;基本上学会这三个对于产品经理来说做数据分析,已经是绰绰有余了,不用一味沉迷于丰富工具的学习中。

python数据可视化:

BI工具tableau数据可视化:

Excel数据可视化:

经过第一步取数并清洗之后,利用Excel、python等工具作图表,如下图:

03 技能三:析数

“析”是指解析的析;经过取数,用数,处理之后,要结合业务情况能分析出来数据给我们展现出的意思。

前面两部分都是讲做数据分析需要用到的工具有哪些,以及对应的工具干了什么事,这部分是讲如何利用数据指导业务、助力增长。

通过对第二步得到的图表分析,结合最初业务场景的目的,可以得出一些降本增效的结论:

根据用户地域分布图,可以看出用户群体在浙江、上海等长三角区域,广州深圳珠三角区域以及中西部重庆地区分布较多,那么可选择在这些地方创建发货基地,减少发货成本;

根据商品相关属性图,可以看出颜色越深的代表商品相关性越高,例如口红和面膜的相关系统是0.79,那么可以将这两样商品进行捆绑销售,或者在展示其中一件商品时,附带同时推荐另外一件商品,增加购买率。

根据男女用户转化率和销售额对比图分析,发现女生的转化率普遍高于男生,且销售额的高低受女生转化率高低的影响较大,可以选择多举办几次主要针对女性的活动,提升转化率。

根据用户年龄分布图和用户学历分布图分析,消费用户普遍在20-40岁,学历是本科和硕士人群较多,那么我们就可以有针对性的选择这样的区间用户投放广告,用来拉新。

等等……经过数据分析之后,针对业务场景目标中的增效降本已经有了初步的方案,那么就可以针对产品、运营、销售等做一些调整和规划。

数据分析的目的包括:

  • 探索性分析(从数据中找出一些特点并得出结论);
  • 诊断性分析(分析发生某件事之后的原因);
  • 预测性分析(预测发生某件事之后的影响是什么);
  • 验证性分析(更新产品功能或者运营活动之后验证和猜想是否一样)。

在这个业务场景中,分析的目的是探索性分析,即从数据中找出一些特点并得出一些可验证的结论,使得整个业务的发展有方向性;所以我们做数据分析之前一定要先明确目的,带着目的去分析,确定适合的数据、适合的工具、适合的方法、适合的分析模型。

不只是做数据分析要明确目的,干什么事都要有针对性。就像前面两项的技能学习,首先要明确为什么要学?学会之后拿来做什么?学习起来才会事半功倍,而不是胡子眉毛一把抓。

每个行业的数据分析流程相似,但是分析的模式和内容差别很大,做好数据分析除了数据分析基础能力,还需要拥有对行业的认知。

不论我们学习什么样的分析工具,都是辅助我们高效工作的一个途径,最值钱的还是分析逻辑和思维。

作为产品经理,数据分析技能重要的还是“析”,如何从数据中寻找到让产品变得更好、让业务获得增长的方向是我们最应该着重去培养的技能;希望大家能够在高效工作的同时,还需要去着重锻炼自己的数据分析思维。

加油学习吧!老铁们。

 

本文由 @金豌豆 原创发布于人人都是产品经理,未经许可,禁止转载

题图来自 Unsplash,基于 CC0 协议

给作者打赏,鼓励TA抓紧创作!
更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 目前还没评论,等你发挥!