【精华】数据产品经理必懂的基本知识

数据产品设计典型流程

数据产品设计的流程包括3部分：

数据获取

做数据产品首先要有数据，数据来源有两个：

l从别人得拿：质量好得一般要花钱，免费的一般会有使用限制。，数据质量也可能存在问题，乱码、缺字段等。

l自己抓：自己的系统可以埋点，别人的数据看看能不能通过爬虫抓取（爬虫帮你圆大数据的梦），也有很多基于爬虫的数据分析产品，用户分析、舆情分析、物价分析、量化投资等。

数据获取和清洗环节PM的工作：

1.针对业务需求进行解读转化成不同的数据需求， PM首先要确定这些数据如何获取，确定最终的方案。

2.特别注意数据质量和数据稳定性。上游数据质量差的话，下游的每个环节都要浪费很多时间来处理。数据质量可以靠校验、对比，数据稳定性可以靠监控。

3.评估数据的成本和收益。数据是有成本的，量越大，质量越高，成本越高。所以，要合理的设计数据获取的策略：

数据转换

数据转换环节高端的说法是ETL，即拿到基础数据后，根据不同的业务需求再做数据清洗，然后将数据导入各个数据转换或计算模型，并对下游应用提供数据服务。

模型不一定是用户画像、推荐较复杂的模型，也可以是基础的筛选、排序、匹配、简单的逻辑计算。

为了让应用层拿到更高质量的数据，减少应用层的计算，这一层做大量的计算模块或做服务分层，分为基础数据服务层、业务强、弱相关层。

数据转换环节， PM需要和架构师深入沟通（或者工程师），PM的职责包括：

1.需要了解数据存储、计算的知识

MySQL、Hadoop、HBase、Spark、Redis、Kafka...很多很多，不需要都深入了解，但至少了解他们的功能、特点、差别，能更好的沟通，参与方案设计。

2.全局设计能力

PM了解业务，工程师了解技术，两者协作，完成数据处理流程的设计或优化。

数据应用

各个公司的数据应用层就丰富多彩千差万别了，有流量分析、广告分析、用户分析、销量分析、财务分析、传播分析、ERP...。

本环节PM应该：深度理解业务

用户画像、反作弊、广告投放策略、推荐、NLP这些，是和业务紧密关联的，比如广告、打车两个领域，都有反作弊。这些应用离钱更近，一点点的指标的改进，都能带来很多钱。

基本术语

埋点：一般意义上的埋点，是利用如友盟、Talkingdata等第三方公司的SDK，通过在App中嵌入一段SDK代码，设定触发条件，当满足条件时，SDK会记录日志，并将日志发送到第三方服务器进行解析，并可视化地呈现给我们。这一过程就叫埋点。

维度：维度就是指我们平时看事物的角度，也可理解成分析一个数据能从哪些方面去分析，这些“角度”都是有值且可被枚举的。比如我们注册用户数有10万，那可分析的维度有：用户所在省份、用户性别、用户角色、用户来源等。不同维度来观察数据，可以得出不同结论，能否拓展观察维度，也是评估数据分析能力的一个关键。

度量：度量和维度相辅相成，是指可量化的数值，用于考察不同维度观察的效果，也可理解成“数据指标”。观察度量值可总体查看，如App总用户数，也可配合“维度”分层查看，如不同省份的注册用户数、活跃用户数，不同来源的App启动次数、平均日使用时长等。

渠道：指App的不同安装来源，如通过第三方应用市场安装，通过广告点击安装，通过地推二维码扫码安装，通过官网下载安装等。互联网公司的商务工作一般就是拓展渠道，观察不同渠道带来的数据表现，不断优化渠道质量。

基本指标

网站来源分析：来源渠道、PV、UV、IP；跳出率、平均访问时长、平均访问页数；使用设备、操作系统等

用户行为分析：年龄、性别、职业、地域、婚否、收入、兴趣、学历、关注点等。

网站订单分析：转化率、成单量、平均订单金额、客单价；付费金额、付费毛利、付费利润；当前新增购买用户数、累计购买用户数、重复购买率等

一些核心数据：拉新（新用户）、活跃、留存、转化等

新增用户：安装App后，首次启动App的设备数，需要按“设备号”去重。新增用户主要为了衡量推广效果，以及当前产品在整个生命周期所处阶段。

活跃用户：时间段内，启动过App的设备数，需要按“设备号”去重。活跃用户主要为了衡量运营效果，以及产品使用情况。

启动次数：时间段内，启动App的次数，无需去重。启动次数主要为了衡量推送效果，以及App的内容是否足够吸引人。

留存率：时间段内的新增用户，经过一段时间仍启动App的用户，占原新增用户的比例。“时间段”的划分方式有：按日、按周、按月，对应指标还可细分为“日留存率、周留存率、月留存率”。

使用时长：时间段内，从启动到结束App使用的总时长。所谓“结束App”，通常指杀掉进程，或者将App退到后台超过30秒。一般会按“人均使用时长、次均使用时长、单次使用时长”分析，衡量产品粘性和活跃情况。

使用频率：用户上次启动App的时间，与再次启动的时间差。使用频数分布，可观察到App对用户的粘性，以及运营内容的深度。

基本技术

数据采集技术——抓包。

“抓包”，一般指观察App上传到服务器上的数据都有哪些。通过“抓包”观察，一方面可判断自家App是否正确上传了想要统计的数据，另一方面还可抓取到手机上安装的其他App的上传数据，用来分析竞品内容更新情况。

数据提取技术——sql语言。

sql语言一般用于从数据库中进行数据的增删改查，需要企业运维人员或DBA人员开启权限才可访问，大公司的产品经理基本没机会用到，如果是小公司的高级产品经理，且和技术商议仅开启只读权限，还是可以尝试使用的。

数据处理技术——Excel、Python、JS。

提取出来的数据，要深入分析，肯定得进行二次加工。按使用的难度高低，需要掌握工具如下：

Excel：大名鼎鼎的office工具，有着极其强大的数据处理能力。常用数据分析功能有透视表和命令行。推荐一个我喜欢的处理命令：

Python、JS：Python、JS是一种通用脚本语言，不止适用于数据分析，但由于其安装、使用方便，函数库丰富，适合有开发基础的同学尝试。

统计分析方法

比较法：多个数据提取进行比较。根据对比方法不同，分为“横向对比”和“纵向对比”。

-横向：指空间维度的对比。相当于一个指标，在不同条件下的对比，但每个条件都属于一个层级。

-纵向：指时间维度的对比。包括“同比、环比”。

同比：指本期数据与上年同期数据对比，

环比：本期统计数据与上期比较。

分解：某个维度对比后发现问题后需要找原因时，需要进一步分解指标。

如：某日的销售额只有昨日的50%，就需要对销售额指标拆分为：成交用户数 x 客单价，而成交用户数 = 访客数 x 转化率。

接下来就可分别针对：访客数、转化率、客单价，观察今日和昨日相比的数据变化，找出原因。

降维：当维度太多时，我们不可能全部分析，这时就要筛选出有代表性的关键维度，去除掉那些无关数据，这就是“降维”。

如：成交用户数 = 访客数 x 转化率”，当同时存在这三个指标时，其实我们只要三选二就能得出结论了。

增维：增维和降维是相对的，如果当前观察的维度无法解释当前问题，就需要对数据进行运算，多增加一个指标。在可视化分析领域，也可将不同类型的图表嵌套使用，能达到增加信息展现维度，扩展分析广度的目的，

分组：也可叫聚类，合适的分组能更好地理解业务和场景。

如用户画像创建，就是一个按不同维度对数据分组的过程。通过用户画像，可以很清晰地知道产品的用户地区、用户兴趣、用户年龄、用户性别等属性占比，产品经理可通过画像进一步了解用户需求。

漏斗分析：主要用于分析产品使用的关键路径，通过设定一系列操作步骤，统计每一步中的操作用户数，并将用户数以柱状图纵向排列，就可形成用户流失漏斗，我们可分析漏斗每个环节的流失率，并观察改进环节交互体验后，流失用户的变化情况，以此来验证改动效果。

AARRR模型：该模型一般用于游戏数据分析，是Acquisition、Activation、Retention、Revenue、Refer，这五个单词的缩写，分别对应一款移动应用生命周期中的5个重要环节。AARRR本身是一个循环，使用者需观察每个环节的数据情况，以此来分析产品是否在执行一个正循环过程。这其中的任一环节除了问题，都会导致产品数据的异常。

陪学数据产品课程《产品解析与实战

学习对象

希望成为数据产品经理的小白、1-3年产品小新。

注：获取更多学习视频+资料+作业，请加班主任qq或微信（pexuepexue）

上课方式

在线学习，全天随到随学（每个人具体学习时间以最终个人学习计划为准！）

学习费用

课程费用详情请咨询班主任。（pexuepexue）

课程服务

l个人就业培训（1对1）

l0-1项目实战课（小组式学习产品设计过程）

l随时随地1对1答疑

l产品经理社群l就业指导

【精华】数据产品经理必懂的基本知识相关推荐

产品经理必懂的技术知识
API 是不是经常听见程序猿小哥哥A说:"这个简单,直接调用现成的接口就可实现. 一会儿程序猿小哥哥B说:"你这个不行,我们的第三方服务接口不支持." 此时你的心里活动: ...
产品经理必懂的技术那点事儿 pdf_培养一个合格的产品经理需要多少钱？
过去这几年,有大量产品经理进入到互联网行业.初阶产品岗位竞争激烈,但高阶产品岗位却很难招人. 说直白点,能独立扛事的产品经理是很少的. 什么叫独立扛事? 就是能基于公司战略和业务目标,制定对应的产品方 ...
产品经理必懂的技术那点事儿 pdf_产品经理10大基础技能（5）：读透神经网络和机器学习...
本篇先介绍许多热门的行业均在产生AI产品经理岗位的需求,再详细介绍AI产品经理必懂的AI技能,接着撰写什么是神经网络?什么是机器学习?最后用一个案例详细拆解AI产品经理如何用机器视觉识别手写字体的整体 ...
java产品经理_产品经理必懂的技术那点事儿:成为全栈产品经理
资料目录: 1 产品思维与技术思维 1 1.1 产品经理为什么要懂技术 1 1.2 产品经理和工程师分别是干什么的 3 1.3 产品设计中需要注意的技术边界 5 1.4 工程师的 ...
AI产品经理必懂5种技术关系
http://www.woshipm.com/pmd/1629952.html AI产品经理在对于AI技术上都会有迷茫和焦虑,那么AI产品经理需要了解技术关系有哪些呢? 产品经理面临对AI技术都有迷茫 ...
前端H5怎么切换语言_第一章产品经理必懂的前端技术- 上
产品经理为什么要懂一些前端技术? 当前端H5工程师说CSS时,你是否知道他在表达什么? 当andriod工程师说这个文本要用TextView时,你是否明白TextView是什么? 当ios工程师说这个 ...
笔记 | 产品经理必懂的技术（三）
1.产品思维与技术思维 1.1 产品经理为什么要懂技术思维模式差异: 在实际工作做不难发现,当产品经理与工程师就某一个具体问题进行讨论时,双方站在各自角度就问题进行分析和讨论,固有知识结构的差异导致 ...
回归分析beta值的标准_学好这20%，就能解决80%的数据分析问题 | 数据产品经理必看...
文末领取[ 网络服务行业数据报告] 很多人觉得,做数据产品经理就没有必要掌握数据分析相关技能了,终于可以远离了枯燥的数据分析工作.如果真这么觉得,那么就大错特错了,一个好的数据产品经理,不仅要有产品s ...
数据产品经理该懂的python技术
一.Python介绍小奈:其实你们写的代码好像有不同派系的? 大仁:你是说编程语言?我来介绍下吧,我们来看下GitHub(程序员同城交友.代码协作平台)的数据,看下各种编程语言 Pull Requs ...
python产品经理_数据产品经理该懂的python技术
本文作者详细介绍了python技术,一起来学习一下~ 一.Python介绍小奈:其实你们写的代码好像有不同派系的? 大仁:你是说编程语言?我来介绍下吧,我们来看下GitHub(程序员同城交友.代码协 ...

【精华】数据产品经理必懂的基本知识

【精华】数据产品经理必懂的基本知识相关推荐

最新文章

热门文章