乙個資料分析小白，要如何對產品進行分析？

在我看來資料本身並沒有任何價值，正是由於分析方法的存在使得原本毫無價值的資料大放異彩。

什麼是資料分析?

資料分析是指用適當的統計分析方法，對收集來的大量資料進行分析，提取有用資訊和形成結論，而對資料加以詳細研究和概括總結的過程。在實際應用中，資料分析可幫助人們作出判斷，以便採取適當行動。當然，在我看來資料本身並沒有任何價值，正是由於分析方法的存在使得原本毫無價值的資料大放異彩。

為什麼要資料分析?

有人說，老闆要看資料;也有人說，vc投資需要;也有人說，公司運營需要… 產生資料需求的原因有很多，我想現實中大多數人做資料還是為了獲得產品的客觀現狀並有所為的。(我能這樣想，大概是因為我是個樂觀的孩子吧?)

事實上，資料分析的原因大概如下幾點：

1.評估產品機會

產品構思初期，必要的需求調研及市場調研顯得尤為關鍵。產品機會評估對後期產品設計及迭代都至關重要，甚至說決定了乙個產品的未來和核心理念。

2.分析解決問題

產品出現不良狀況，肯定是存在緣由的。不可能憑空想象臆造問題，必須尊重客觀現實。那麼只有通過必要的資料試驗才能追溯到問題源頭，進而制定合理的解決方案，徹底解決問題。

3.支援運營活動

你這個產品功能上線後效果怎麼樣?a方案和b方案哪個更好些呢?諸如此類的問題，都牽涉到乙個「標準」的問題。評判乙個問題的好壞，最可靠的恐怕就是資料了。以前我就說過「人是不可靠的，人們總是願意相信自己想看見的東西。」只有給出真實、可靠、客觀的事實——資料，才能對具體的活動作出最真實的評判。

4.**優化產品

資料分析的結果不僅可以反應出以往產品的狀態，即所謂的後見性資料;也可以給出產品未來時間段內可能會遇到的問題，即所謂的先見性資料。乙個真正的資料指標必須是可付諸行動的。後見性和先見性的資料都可以付諸行動，區別只是先見性資料能**未來發生什麼，縮短迭代週期，精益求精。

如何資料分析?

1、資料建模

明白了資料分析動機，究竟什麼樣的資料指標才能達到期望的效果呢?那麼首先必須解決資料指標的定義，個人認為搭建資料指標模型大致要考慮以下三大要素：

綜合考慮商業模式與業務場景

聚焦資料指標背後的最初動機

多維度考慮資料可行、簡約、易比對

當然，也不能憑空瞎造資料吧?!資料指標模型一般有以下三個途徑設計：

對現有指標進行優化性改造，資料指標之間合理交叉或許會帶來意想不到的驚喜;

不同行業交叉借鑑其他行業制定的資料指標;

潛心修行、發掘更多有價值有意義的資料指標;(這一點有點扯…)

資料分析目標的調整，必然伴隨資料指標的變動。尊重事實、實事求是，了解資料指標的調整的意義及可能給產品帶來的後續影響，我覺得這是一種可取的改**度。如果說只是為了改變而改變，無視事實、較低期望，這樣的調整還有何意義呢?

2、資料**

自有資料分析系統——公司自有的資料是最源質化的資料，也是最可靠、最全面的。一般而言，有條件的情況下都是以內部資料為準;當然，創業型的微型公司大多都直接資料庫匯出資料，還是要依賴產品經理二次加工的。

定量/定性調研——沒有全面的資料咋辦?或者說想要分析的資料無法統計?那麼，拿起**、走上街頭、發放問卷都不失為一種可行的辦法。定量資料排斥主管因素，定性資料吸納主管因素。事實上，定性資料存在諸多不確定性，但也存在乙個其他資料指標不具備的優勢——那是與真實使用者交流所得，有血有肉。

3、資料分析

單純的資料並不能為給我們帶來太多結論性的東西，還是要借助一定的方法和手段將資料變得更加生動和有意義。

整合開發資料分析系統——將所需的資料指標以技術手段直接設計成產品功能，可以定期定量地直接生成匯出bi報表。

手動資料加工——面對元資料而不是現成的結論性資料，產品經理只能親自操刀借助excel各種函式。面對海量資料，心態很重要!

委託分析機構——有錢、任性、夠叼，請人分析。如果事事都依靠別人，那麼產品經理就瞬間失去價值了…

4、分析方法

有效的資料分析方法能夠深度挖掘資料的價值，精益資料分析中大致介紹以下三種分析方法。

市場細分(segmentation)——市場細分就是一群擁有某種共同特徵的劃為乙個樣本，市場細分不盡可以應用於網際網路產品，對任何行業、任何形式的產品都具有積極的參考意義。

同期群分析(coghort analysis)——比較相似群體隨時間的變化，同期群分析給我們提供了乙個全新的視角。能夠觀察處於生命週期不同階段使用者的行為模式，而非忽略使用者的行為的過程性。

多變數測試(multivariate testing)——同時對多個因素進行分析，用統計學的方法剝離出單個影響要與結果中的某一項指標提公升的關聯性。同時改動產品的多個方面，看哪個與結果的相關性最大。