產(chǎn)品經(jīng)理怎么培養(yǎng)數(shù)據(jù)分析能力

12 評論 31597 瀏覽 238 收藏 7 分鐘

隨著產(chǎn)品經(jīng)理這個(gè)崗位的越來越完善,對產(chǎn)品經(jīng)理的能力要求也越來越高。作為產(chǎn)品經(jīng)理不懂點(diǎn)數(shù)據(jù)分析,怎么說服開發(fā)做功能?怎么說服老板給資源?

數(shù)據(jù)分析的概念

數(shù)據(jù)分析是指用適當(dāng)?shù)慕y(tǒng)計(jì)方法對收集來的大量第一手資料和第二手資料進(jìn)行分析,以求最大化地開發(fā)數(shù)據(jù)資料的功能,發(fā)揮數(shù)據(jù)的作用。是為了提取有用信息和形成結(jié)論而對數(shù)據(jù)加以詳細(xì)研究和概括總結(jié)的過程。數(shù)據(jù)也稱觀測值,是實(shí)驗(yàn)、測量、觀察、調(diào)查等的結(jié)果,常以數(shù)量的形式給出。

數(shù)據(jù)分析的方法

第一步:數(shù)據(jù)準(zhǔn)備:(70%時(shí)間)
? 獲取數(shù)據(jù)(爬蟲,數(shù)據(jù)倉庫)
? 驗(yàn)證數(shù)據(jù)
? 數(shù)據(jù)清理(缺失值、孤立點(diǎn)、垃圾信息、規(guī)范化、重復(fù)記錄、特殊值、合并數(shù)據(jù)集)
? 使用python進(jìn)行文件讀取csv或者txt便于操作數(shù)據(jù)文件(I/O和文件串的處理,逗號分隔)
? 抽樣(大數(shù)據(jù)時(shí)。關(guān)鍵是隨機(jī))
? 存儲和歸檔

第二步:數(shù)據(jù)觀察(發(fā)現(xiàn)規(guī)律和隱藏的關(guān)聯(lián))
? 單一變量:點(diǎn)圖、抖動(dòng)圖;直方圖、核密度估計(jì);累計(jì)分布函數(shù)
? 兩個(gè)變量:散點(diǎn)圖、LOESS平滑、殘差分析、對數(shù)圖、傾斜
? 多個(gè)變量:假色圖、馬賽克圖、平行左邊圖

第三步:數(shù)據(jù)建模
? 推算和估算(均衡可行性和成本消耗)
? 縮放參數(shù)模型(縮放維度優(yōu)化問題)
? 建立概率模型(二項(xiàng)、高斯、冪律、幾何、泊松分布與已知模型對比)

第四步:數(shù)據(jù)挖掘

? 選擇合適的機(jī)器學(xué)習(xí)算法(蒙特卡洛模擬,相似度計(jì)算,主成分分析)
? 大數(shù)據(jù)考慮用Map/Reduce
? 得出結(jié)論,繪制最后圖表

循環(huán)到第二步到第四步,進(jìn)行數(shù)據(jù)分析,根據(jù)圖表得出結(jié)論完成文章。

?業(yè)務(wù)分析版

“無尺度網(wǎng)絡(luò)模型”的作者艾伯特-拉斯洛?巴拉巴西認(rèn)為——人類93%的行為是可以預(yù)測的。數(shù)據(jù)作為人類活動(dòng)的痕跡,就像金礦等待發(fā)掘。但是首先你得明確自己的業(yè)務(wù)需求,數(shù)據(jù)才可能為你所用。
1. 數(shù)據(jù)為王,業(yè)務(wù)是核心
? 了解整個(gè)產(chǎn)業(yè)鏈的結(jié)構(gòu)
? 制定好業(yè)務(wù)的發(fā)展規(guī)劃
? 衡量的核心指標(biāo)有哪些

有了數(shù)據(jù)必須和業(yè)務(wù)結(jié)合才有效果。首先你需要摸清楚所在產(chǎn)業(yè)鏈的整個(gè)結(jié)構(gòu),對行業(yè)的上游和下游的經(jīng)營情況有大致的了解。然后根據(jù)業(yè)務(wù)當(dāng)前的需要,指定發(fā)展計(jì)劃,從而歸類出需要整理的數(shù)據(jù)。最后一步詳細(xì)的列出數(shù)據(jù)核心指標(biāo)(KPI),并且對幾個(gè)核心指標(biāo)進(jìn)行更細(xì)致的拆解,當(dāng)然具體結(jié)合你的業(yè)務(wù)屬性來處理,找出那些對指標(biāo)影響幅度較大的影響因子。前期資料的收集以及業(yè)務(wù)現(xiàn)況的全面掌握非常關(guān)鍵。

2. 思考指標(biāo)現(xiàn)狀,發(fā)現(xiàn)多維規(guī)律
? 熟悉產(chǎn)品框架,全面定義每個(gè)指標(biāo)的運(yùn)營現(xiàn)狀
? 對比同行業(yè)指標(biāo),挖掘隱藏的提升空間
? 拆解關(guān)鍵指標(biāo),合理設(shè)置運(yùn)營方法來觀察效果
? 爭對核心用戶,單獨(dú)進(jìn)行產(chǎn)品用研與需求挖掘

發(fā)現(xiàn)規(guī)律不一定需要很高深的編程方法,或者復(fù)雜的統(tǒng)計(jì)公式,更重要的是培養(yǎng)一種感覺和意識。不能用你的感覺去揣測用戶的感覺,因?yàn)槊總€(gè)人的教育背景、生活環(huán)境都不一樣。很多數(shù)據(jù)元素之間的關(guān)系沒有明顯的顯示,需要使用直覺與觀察(數(shù)據(jù)可視化技術(shù)來呈現(xiàn))。

3. 規(guī)律驗(yàn)證,經(jīng)驗(yàn)總結(jié)
發(fā)現(xiàn)了規(guī)律之后不能立刻上線,需要在測試機(jī)上對模型進(jìn)行驗(yàn)證。

P.S.數(shù)學(xué)建模能力對培養(yǎng)數(shù)感有一定的幫助

數(shù)據(jù)分析推薦書單

? 《Head First Data Analysis》:深入淺出數(shù)據(jù)分析
電子工業(yè)出版社的經(jīng)典書目系列,從數(shù)據(jù)分析基本步驟開始、實(shí)驗(yàn)方法、最優(yōu)化方法、假設(shè)檢驗(yàn)方法、貝葉斯統(tǒng)計(jì)方法、主觀概率法、啟發(fā)法、直方圖法、回歸法、誤差處理、相關(guān)數(shù)據(jù)庫、數(shù)據(jù)整理技巧一一講到。圖比較多,適合入門。

? 《Head First Statistics》:深入淺出統(tǒng)計(jì)學(xué)
推薦理由同上,適合入門者的經(jīng)典教材。

? 《R in Action-Data Analysis and Graphics with R》:R語言實(shí)戰(zhàn)
R是屬于GNU系統(tǒng)的一個(gè)自由、免費(fèi)、源代碼開放的軟件,用于統(tǒng)計(jì)計(jì)算和統(tǒng)計(jì)制圖。這本書從實(shí)用的統(tǒng)計(jì)研究角度逐例分析R在數(shù)據(jù)處理、模型構(gòu)建、以及圖形操作上的由淺入深的結(jié)合,堪稱經(jīng)典。

? 《數(shù)據(jù)之魅-基于開源工具的數(shù)據(jù)分析》:數(shù)據(jù)之魅
作者是華盛頓大學(xué)理論物理學(xué)博士。這本書是數(shù)據(jù)分析的經(jīng)典之一,包含大量的R語言模擬過程及結(jié)果展示,例舉了很多數(shù)據(jù)分析實(shí)例和代碼。

? 《數(shù)據(jù)挖掘-市場營銷、銷售與客戶關(guān)系管理領(lǐng)域應(yīng)用》:數(shù)據(jù)挖掘技術(shù)
作者是Data Miners的創(chuàng)辦人,有二十多年的營銷和客戶關(guān)系管理結(jié)合數(shù)據(jù)挖掘的經(jīng)驗(yàn)。詳細(xì)介紹了作為一個(gè)數(shù)據(jù)挖掘團(tuán)隊(duì)需要的知識體系,包括數(shù)據(jù)庫、SAS使用、統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)、數(shù)據(jù)可視化、如何訪問用戶收集需求、如何寫論文與溝通等等。有條件的建議看英文原版。

先把這些花時(shí)間啃啃,數(shù)據(jù)分析的理論部分就基本入門了,根據(jù)實(shí)際情況還需要結(jié)合你的業(yè)務(wù)需求來進(jìn)行系統(tǒng)的學(xué)習(xí)。

本文由人人都是產(chǎn)品經(jīng)理@師妹?整理自?知乎問答,轉(zhuǎn)載請注明并保存本文鏈接。

更多精彩內(nèi)容,請關(guān)注人人都是產(chǎn)品經(jīng)理微信公眾號或下載App
評論
評論請登錄
  1. 哈羅,圖片太模糊了,能給一份清晰的圖嘛。微信liwenwu042,非常感謝

    回復(fù)
  2. 上面的圖是怎么做的,或者有類似的統(tǒng)計(jì)分析模板發(fā)送一份,感謝!

    來自北京 回復(fù)
  3. 求頂圖

    來自北京 回復(fù)
  4. 太籠統(tǒng)了

    來自上海 回復(fù)
  5. 求上圖

    來自湖北 回復(fù)
  6. 同求上圖

    來自廣東 回復(fù)
  7. 同想要上面的圖

    來自吉林 回復(fù)
  8. 看不懂,只能淺顯了解,差距好大啊

    來自安徽 回復(fù)
  9. 看不懂。。。 ?

    來自廣東 回復(fù)