編輯導語：作為一個產品經理，除了每天都會處理的各種產品需求以外，在進行業(yè)務處理的時候，數(shù)據(jù)分析也是產品經理需要掌握的技能；產品經理學會一些數(shù)據(jù)分析的技能后，對于之后的產品以及業(yè)務就能更加得心應手；本文作者分享了關于產品經理必備的數(shù)據(jù)分析入門三技能，我們一起來了解一下。

脫離了業(yè)務的數(shù)據(jù)分析都是耍流氓，所以在寫這篇數(shù)據(jù)分析技能類文章之前，我先假定一個業(yè)務場景：某日化類電商產品經理想要通過2020年9月份的銷售數(shù)據(jù)，找找看可以從哪些方面降本增效，在月度匯報的時候，根據(jù)數(shù)據(jù)分析結果制定接下來的戰(zhàn)略方向。

那么根據(jù)這三個技能要怎么做呢？下面我們一一展示。

01 技能一：取數(shù)

作為一個產品經理，你可能會納悶為什么要學會取數(shù)？這等小事隨便找個數(shù)據(jù)組的人去干好了。

這么說也沒錯，但是想象一下，你不可能只有這一次的需求，后邊會遇到各種各樣的需求，諸如：

• 產品上線一個新功能，想要查看用戶對于該新功能的使用情況；
• 數(shù)據(jù)異常值排查，進行產品上線前后歸因；
• 新老版本產品，用戶使用情況數(shù)據(jù)對比；
• 不同畫像用戶對某功能的滲透情況、功能留存等；
• 不同產品的數(shù)據(jù)報表需求，監(jiān)控產品數(shù)據(jù)情況。

想要解決這些問題，你自以為提取數(shù)需求就一切搞定，然而并不是，你會遇到以下困難：

第一：很多你提的數(shù)據(jù)需求都是較個性化且一次性的，對于數(shù)據(jù)同學來說，除非你是個很重要的業(yè)務部門，或者數(shù)據(jù)部門就是為你這個部門服務的；那么數(shù)據(jù)組同學必須要實現(xiàn)你提出的需求，不然很多這樣的需求對他們來說沒什么提升，久而久之也會厭煩。

第二：一個公司或者一個團隊，不只是有你一個產品有取數(shù)需求，還會有多個運營組同學或者多個產品組同學都有取數(shù)需求，而且問到緊急程度，大家都會說很急。

這時候就會涉及到需求排期，你也急他也急，好一些的數(shù)據(jù)組同學肯定會說你們內部協(xié)商好了我再來做，脾氣不好的就說都不做了。如果你的需求可能確實并沒有那么急，但是對于你驗證一個問題或者產品接下來的規(guī)劃至關重要，難道你要一直等著么？你能等，市場可不等你。

第三：提數(shù)需求只是屬于業(yè)務支撐，對于數(shù)據(jù)組同學來說并不會有什么產出，也體現(xiàn)不出數(shù)據(jù)分析師的價值，人家年終匯報也沒什么體現(xiàn)。

有人說，跟數(shù)據(jù)組同事搞好關系，關鍵時刻能夠幫你一把，如果你總是這樣有事沒事耽誤人家工作時間，時間浪費了，也沒什么切實利益，就隨便請人家吃一兩頓飯、喝一兩杯奶茶就解決了？人都是將心比心的，人家會幫你也是想有一天你能反過來幫他，不要總想著做一個只會吸取不會給予的吸血蟲。

所謂技多不壓身，學會取數(shù)不僅與人方便，也與己方便；你可以和數(shù)據(jù)組同學搞好關系，拜個師啥的，讓數(shù)據(jù)同學教你一些快捷入手的取數(shù)技巧，這樣在你遇到重要且求助無門的取數(shù)需求時，就可以自行解決，也不耽誤工作效率。

在取數(shù)技能中，我們最需要修煉的是SQL技能，取數(shù)時，基本利用SQL的一些基礎語法，就足夠我們實現(xiàn)大部分的操作。

SQL基礎語法包括Select、From、Where，基本的函數(shù)語法包括分組、統(tǒng)計、加減乘除的計算，能看懂英語單詞就能明白SQL語法的含義。

以前言中說到的業(yè)務場景為例，首先需要到數(shù)據(jù)庫中查詢到2020年9月份的銷售數(shù)據(jù)，SQL代碼以及查詢結果如下圖：

02 技能二：用數(shù)

用數(shù)之前，需要對數(shù)據(jù)的整體質量做評估，對于大數(shù)據(jù)量的情況，這一步還有專門的數(shù)據(jù)質量產品來完成；例如：Informatica的DataQuality、IBM的QualityStage、袋鼠云DataValid、網易EasyDQC等，感興趣的同學可以自行搜索了解。

對于有明顯數(shù)據(jù)質量問題的數(shù)據(jù)就需要進行數(shù)據(jù)清洗。數(shù)據(jù)清洗是指將取出來的數(shù)據(jù)中的臟數(shù)據(jù)，例如：空值、異常值、錯誤值等使用ETL工具清洗或者讓數(shù)據(jù)開發(fā)工程師協(xié)助處理，如果數(shù)據(jù)量少的也可使用Excel處理。

清洗之后的數(shù)據(jù)可使用Excel、python或者專業(yè)的BI工具，如tableau、fineBI等做數(shù)據(jù)可視化，將取出來的數(shù)據(jù)轉換成可通俗易懂的圖表。

有句俗語：十表不如一圖。當我們取出來數(shù)據(jù)之后，單看數(shù)據(jù)很難發(fā)現(xiàn)其中有什么問題，處理成我們需要的圖表后，能夠很直觀的反映出現(xiàn)階段業(yè)務的情況。

在這個技能中，需要學會Excel、Python、BI等一些數(shù)據(jù)分析工具，來幫助我們處理數(shù)據(jù)以及將數(shù)據(jù)可視化；基本上學會這三個對于產品經理來說做數(shù)據(jù)分析，已經是綽綽有余了，不用一味沉迷于豐富工具的學習中。

python數(shù)據(jù)可視化：

BI工具tableau數(shù)據(jù)可視化：

Excel數(shù)據(jù)可視化：

經過第一步取數(shù)并清洗之后，利用Excel、python等工具作圖表，如下圖：

03 技能三：析數(shù)

“析”是指解析的析；經過取數(shù)，用數(shù)，處理之后，要結合業(yè)務情況能分析出來數(shù)據(jù)給我們展現(xiàn)出的意思。

前面兩部分都是講做數(shù)據(jù)分析需要用到的工具有哪些，以及對應的工具干了什么事，這部分是講如何利用數(shù)據(jù)指導業(yè)務、助力增長。

通過對第二步得到的圖表分析，結合最初業(yè)務場景的目的，可以得出一些降本增效的結論：

根據(jù)用戶地域分布圖，可以看出用戶群體在浙江、上海等長三角區(qū)域，廣州深圳珠三角區(qū)域以及中西部重慶地區(qū)分布較多，那么可選擇在這些地方創(chuàng)建發(fā)貨基地，減少發(fā)貨成本；

根據(jù)商品相關屬性圖，可以看出顏色越深的代表商品相關性越高，例如口紅和面膜的相關系統(tǒng)是0.79，那么可以將這兩樣商品進行捆綁銷售，或者在展示其中一件商品時，附帶同時推薦另外一件商品，增加購買率。

根據(jù)男女用戶轉化率和銷售額對比圖分析，發(fā)現(xiàn)女生的轉化率普遍高于男生，且銷售額的高低受女生轉化率高低的影響較大，可以選擇多舉辦幾次主要針對女性的活動，提升轉化率。

根據(jù)用戶年齡分布圖和用戶學歷分布圖分析，消費用戶普遍在20-40歲，學歷是本科和碩士人群較多，那么我們就可以有針對性的選擇這樣的區(qū)間用戶投放廣告，用來拉新。

等等……經過數(shù)據(jù)分析之后，針對業(yè)務場景目標中的增效降本已經有了初步的方案，那么就可以針對產品、運營、銷售等做一些調整和規(guī)劃。

數(shù)據(jù)分析的目的包括：

• 探索性分析（從數(shù)據(jù)中找出一些特點并得出結論）；
• 診斷性分析（分析發(fā)生某件事之后的原因）；
• 預測性分析（預測發(fā)生某件事之后的影響是什么）；
• 驗證性分析（更新產品功能或者運營活動之后驗證和猜想是否一樣）。

在這個業(yè)務場景中，分析的目的是探索性分析，即從數(shù)據(jù)中找出一些特點并得出一些可驗證的結論，使得整個業(yè)務的發(fā)展有方向性；所以我們做數(shù)據(jù)分析之前一定要先明確目的，帶著目的去分析，確定適合的數(shù)據(jù)、適合的工具、適合的方法、適合的分析模型。

不只是做數(shù)據(jù)分析要明確目的，干什么事都要有針對性。就像前面兩項的技能學習，首先要明確為什么要學？學會之后拿來做什么？學習起來才會事半功倍，而不是胡子眉毛一把抓。

每個行業(yè)的數(shù)據(jù)分析流程相似，但是分析的模式和內容差別很大，做好數(shù)據(jù)分析除了數(shù)據(jù)分析基礎能力，還需要擁有對行業(yè)的認知。

不論我們學習什么樣的分析工具，都是輔助我們高效工作的一個途徑，最值錢的還是分析邏輯和思維。

作為產品經理，數(shù)據(jù)分析技能重要的還是“析”，如何從數(shù)據(jù)中尋找到讓產品變得更好、讓業(yè)務獲得增長的方向是我們最應該著重去培養(yǎng)的技能；希望大家能夠在高效工作的同時，還需要去著重鍛煉自己的數(shù)據(jù)分析思維。

加油學習吧！老鐵們。

本文由 @金豌豆?原創(chuàng)發(fā)布于人人都是產品經理，未經許可，禁止轉載

題圖來自?Unsplash，基于 CC0 協(xié)議