数据分析是产品经理必备技能之一，本文以一个真实案例给大家提供了一些数据分析的思路，但还需大家自己多多思考，学以致用。
这次我们来聊聊产品经理的必备技能，数据分析，这也是18年我获得的最大收获之一。
为什么想单独拿出来聊聊，我归纳为三个原因：
第一是重要，不重要的事谁会拿出来说不是；
第二是网上的文章理论偏多，实际真实案例少，谁会用一大堆概念和飘在天上的话去工作；
第三是对自己的复盘，算是对自己今年的一份重要的工作总结。话不多说，正文开始。
一、数据分析的作用怎么做数据分析
在切入正题之前，先来总述一下数据分析的作用。通常的答案都是什么了解产品现状，知
悉业务发展之类的，都不够概括，严格定义上的数据分析作用一共有4条：
描述性分析，故名思义，主要是对已经发生的事实用数据做出准确的描述。比如某企业订单履约率从上月的98%下降到了95%，属于偏基础类的工作；
诊断性分析，在知道了发生什么之后，更重要的是，我们要明白为什么发生。比如经过分析，发现订单履约率下降的原因是成品生产不出来，无法完成交付；
预测性分析，基于上述两个层次的分析，我们发现了其中的规律，即原材料供应商的送货及时率会影响成品订单的履约率。假如上月某原材料供应商A送货及时率只有70%，通过建模，我们可以预测本月该供应商会使我们的订单履约率下降2%；
处方性分析，有了预测性分析的结果后，我们无需再做事后诸葛亮，而可以运筹帷幄，在事前就采取措施。上例中，供应商A会导致本月我们的订单履约率下降，我们可能采取的措施就是把A换掉，但是现在有B和C两个供应商供我们选择，该选择哪个呢？通过分析和计算得出：选用供应商B会比选C的订单履约率高1%，因此建议选择供应商B。
常规情况下，产品经理对于数据分析只需要掌握到诊断性分析即可，根据诊断性分析结果
出相应的解决方案，后面两个更多的是数据分析师的工作，更为专业，深入。
二、一个真实的案例
在案例介绍前，再啰嗦一下我在处理数据分析工作时候的步骤：明确分析目的，数据收集，数据处理，数据分析，数据展现，报告撰写。
展现和撰写这篇文章就不说了，因人而异。我主要说一下确定目的、数据收集和分析环节：
确定目的，别以为这个就那么容易，不夸张10个人有8个不知道自己想干什么；
数据收集，其实就是定义指标，把指标和规则定义清晰，要看活跃，几日活跃，怎么算活跃，很大程度决定了研发的时间周期有多少，很多情况是产品没有想在前面，开发过程中反复去沟通，确认规则，导致数据获取的成本异常大，延期也就在所难免了；
数据分析，要选择科学的分析方法，目前分析方法多种多样，对比分析、交叉分析、结构分析、平均分析等，根据这个案例选一个最适合的数据分析方法，才能事半功倍。
案例开始，先同步一下背景，有一个内容型的小程序，各位理解成小程序版的今日头条即可，想要研究的是一进入小程序默认刷新还是手动刷新对用户流失的影响，当前为用户进入小程序后需要手动刷新，如果改成进入后程序默认刷新对流失有所缓解。
针对这个命题，各位都会怎么答？有可能直接就拆解目标，定义指标进行分析了，不好意思，可是我会先要做的是现状流程图，供我们更清晰的了解都发生了什么。
我们先从目的下手，目的有什么？从课题能获知到的关键行为有刷新、流失这两个关键节点，将这两个节点连线，发现中间的部分是刷新后的反馈，也就是刷新有内容，刷新没内容：
用户可能的后续的行为，通过历史数据可知，有退出行为、其它产品功能行为、浏览行为、刷新行为：
根据现状需要画流程图一张：
Tips，产品经理画流程图是个好习惯，会有助于自己和别人理解你要做的事，并指出问题。
Tips2，产品经理的工作简单也不简单，简单在于只要思考进行决策就可以，不简单在于如何去把问题想清楚，会刷下去一大批人。
其中退出行为分为，有效退出，无效退出，和无退出行为，有效退出定义一个有效退出时间即可，比如退出时间-进入时间大于10秒以上。有人说了，退出不是只会有直接退出吗，这里需要特别说一下，有交互的都已经分离出来了，只剩退出，怎么还分，因为有可能用户是在认认真真的看这屏的内容，一屏就已经到上次浏览过的，而这次新的没有感兴趣的，或者是用户上次误触退出，这次重新进入仔细观看，依然没有感兴趣的，再退出，无效退出与之相对，在条件外迅速退出的用户，判定为分析时要剔除的用户数据，要做细，整理一下可见下表：
发布评论