产品经理数据分析

第一篇：产品经理数据分析

数据产品经理面试

1.要极其熟悉公司业务及动向。所以要了解公司的商业模式、战略、以及业务流程、要考核的各种指标，以及指标背后的业务含义等。这一点，再了解都不够。

2.要了解数据分析。好的数据PD，即使不做数据PD，也应该是个数据分析师。数据PD的一大要务就是将数据分析做成可复制，可自动运转的系统。虽然有数据分析师们围绕在自己周围，但是自己也要清楚业务的问题，分别要看什么数据，或者当数据出现后，意味着业务出现了什么问题或者会出现什么问题。这一点，要向最好的数据分析师们看齐。 3. 要了解数据仓库及商务智能。这两个关键词背后都是庞大的体系，恐怕我短短半年的转岗时间太短，虽然能够对别人讲解一通商务智能产品的架构。嘴里虽然会抛出若干个类似于汇总，钻取，度量，指标，维度，缓慢变化维，层次，属性，仪表盘等等术语，但是也不支持多几层的知识钻取，遇到异常问题，也不知道该从什么地方分析原因。幸而身边有数据仓库的同事，可以多多学习。这一点，没有天花板。而商务智能，做为一门学科，起源于20世纪90年代，它的出发点是帮助用户更好地获取决策信息，最初商务智能的动机是为用户提供自助式的信息获取方式，这样，用户就可以不用依赖于IT部门去获取定制的报表。(引自《信息仪表盘》一书P41)。而如今，商务智能除了提供信息，更主要的是降低用户获取数据的门槛，提升数据的实时性等方面。从降低用户获取数据的门槛一个方向，我们就可以做很多事情，比如如何设计信息仪表盘(designing of information dashboard)?如何让数据以更亲和的更直观的方式展示(数据可视化)?如何能够让用户离线访问?如何能够实现警戒数据的主动发送?这一点上，花多少功夫都不多。

4. 要精通数据产品开发流程。数据开发+产品开发。数据PD的最终目的是要做数据产品。这里要拆开看，其一，数据产品本身也是在线可供用户实现的产品，既然是产品，产品的整套研发思路和普通的产品没有太大区别，用户是谁，他们需求是什么，满足需求需要什么feature list，每个feature list的资源评估以及优先级如何，产品的生命周期如何?这是产品开发。然后他是个数据产品，意味着这比普通的产品，多了更多的要求。在数据这个内核之外，它需要各种feature list，如订阅，搜索，自定义，短信接口，邮件接口等。但是数据这个内核，也需要一套数据开发流程。 比如：

数据源——是否足够，是否稳定——数据PD需要足够了解目前的业务处理系统建设情况，以及数据源的积累程度，用以判断数据产品的建设时间是否合适。不合适的时机会导致项目组的重复劳动和残缺的数据产品诞生。数据产品是用以支持监控，分析，决策的，而业务处理系统的定位在于提升工作效率，解放工作人员手脚。业务系统采集的数据未必满足所有分析需要。比如或许领导要分析大量攀升的退换货的详细原因，而业务系统目前并没有要求用户在申请退换货的时候选择原因或只有输入而非标准化选项，负责退换货出力的员工也只有在excel里登记原因，而不是录入到系统里。所以可能会导致需求方要看的数据提供不出来，那么数据pd就有必要反向驱动数据源得以采集。

分析模型的设计—— 分析模型的好与不好，其实决定了数据产品的成败。

在项目中，可以由BI的数据分析师们担纲此职责，也可以由数据PD担纲，更多则由双方一起确认，内容以数据分析师们为主，功能评估及优先级、项目计划和协调、统筹以数据PD为主。所以数据PD要更加清楚数据分析师们所需要的需求是否能够实现，背后的商业价值如何，并与数据开发、产品开发保持比数据分析师们更加通畅的合作关系，能够借力进行可行性和资源的评估。 有的时候，我们不是没有数据，而是有了太多的数据，不知道怎么去看。如果只是抛给用户一堆数据，很难想象用户会如何去解读它。以前做交互设计的时候，我们流行一句话：把用户当成傻瓜。

而数据平台，因为可能本身就要求有一定的使用门槛，所以想成不会互联网的傻瓜不太现实，那么我们就要想成“用户是不懂数据的傻瓜”。他们或许也能通过一串串数据体悟到什么，但是如果是一条上升的退款率趋势线，或许他们会体悟到更多——毕竟，上和下本身就是直观的。然后再想一下，如果将这条线上加上一条警戒点的线，他们会知道从什么时候开始数据是异常的。再然后，就要设想，当他发现从7月12日数据上升后，想干什么?他会不会想了解是哪个行业上升了?他会不会想了解是那个渠道上升了?那么，就要提供行业和渠道的选项或者对比给他。

再然后，当他过问了这个行业的负责人后，负责人想不想再了解是哪个供应商或者哪类商品上升了?那么要如何将这些维度、层次都融合在一起，同时又能将用户非常方便地去用呢?分析模型的建设至关重要，也可以说，分析模型是前期需求分析的最有价值的产物。分析模型应该会包含几点：

 主题的划分：整块分析会划分成什么主题，比如销售可能会分成销售走势及构成分析，行业排名，商品排名等

度量及指标：分析主题会涉及到的度量及指标的算法、定义等(这通常会产生一份指标以及维度的定义及描述文档)

维度：要分别从什么维度去看这些指标和度量，如时间，渠道，这些维度是要筛选还是要对比

钻取：这些维度本身有没有层次，需要不需要进行钻取，如渠道可钻取到渠道类型，行业可钻取到子行业，商品类目可钻取到商品叶子类目等 输出：分析需要用何种图表进行展现

数据的ETL开发——数据的清洗，转换，装载流程占用了数据产品开发的大半资源，不规范的数据源会导致这一块的资源更大程度的占用。比如同样是供应商编码，系统之一称为供应商编码，系统二命名为供货商编码，系统三命名为供应商ID，这三个系统同时是公司的系统，这种情况虽然想起来匪夷所思，但是现实情况却也存在。虽然ETL开发是DW开发工程师在做，但是作为数据PD，焉能对这些工作缺乏了解，对ETL工程师反馈的问题，缺乏认知，不理解对于项目的潜在风险是什么?而且更多时侯，当遇到数据不规范，不统一的问题，数据PD需要反向驱动业务系统进行数据规范性建设，无论是功能上，还是驱动直接的使用方——如负责录入数据的行业小二，建立一套录入规范。这些工作看似和数据PD无关，我们大可以推脱说：那没办法，这是数据源的问题，不是我们功能的问题。但是，用户是有权利选择使用不使用你的数据产品的，当数据产品提供的数据不值得信赖的话，无疑是自取灭亡。一旦用户对数据不信任，再想挽留他们，是很难的。即使有很多“无能为力”的借口,我们也不能坐观其变。 





 前端交互与体验的优化——虽然内容定义好了，但是那么多度量、指标、维度、钻取，如何划分信息层级，如何划分栏目，如何设计用户的行为路径?这些就不是数据分析师们的重要工作范畴。而是交互设计师?鉴于很多数据产品项目可能会没有交互设计师，所以数据PD应该对内容进行封装，进行信息架构、页面布局以及图表各种功能设计。设计，然后撰写详细的功能需求文档，交付给产品开发，前端开发以及数据开发，以及前端展现开发四种类型的开发人员。

数据产品的功能描述文档，除了产品开发部分，其他的就是在描述“内容”，即分析模型，除了主题、度量、维度、钻取、筛选、输出图表类型，有些内容还需要详细定义到 “排序方式” 等等细节，这就case by case来看了。

环境，技术，工具——或许做一个普通的产品，你把需求描述清楚，与产品开发工程师确认好可行性，接受资源评估就OK了。但是数据产品，受制于所部署的环境，所选型的工具，如Oracle，IBM的Cogos，以及SQL Server。其他的产品我不知道怎么样，我们用的是Oracle BIEE。那么作为数据PD，是否需要了解BIEE能够提供的功能是哪些呢?看文档，请教别人，不能知其不可而为之。另外，也需要逐渐摸透BIEE的坏脾气，实现不了的功能，无法克服的难点等。这一点，也需要继续了解，继续学习。 数据产品项目流程

第二篇：数据分析对产品经理的重要性

创意互动 设计人生

莱茵教育 开课吧

数据分析对产品经理的重要性

不会数据分析的产品经理不是一个好的产品汪，莱茵教育表示，数据分析是产品经理吃饭必备的工作，大量的砖家也很乐于在各种社区和公众号分享他们的数据思维和数据分析方法论。今天我们就探讨一下怎么去处理数据分析的后事，数据分析完成之后如何去优化产品迭代。

1、数据的定义很重要

数据是神奇的，同样的数据，从不同的维度，甚至不同的人眼里，都会看不到不一样的东西，百分数"123%",经济学家可能认为这是本季度GDP的增速，程序猿会把它当成字符编码。

因此产品经理首先自己得做到经由自己的数据定义是准确无误的，不管是自己接到的来自团队、老板的数据需求，还是通过自己分析输出的数据指标定义都必须说明清楚，不存在歧义，这样不仅可以减少对其他小伙伴解释说明的时间，也会避免数据在传播的过程中失真的问题，数据是严谨的，对于它的定义，我们需要去咬文嚼字。

2、我们需要什么指标

虚荣指标和期望指标对我们没有意义，现在很多的大数据团队经常会对外发布各种行业报告，包括国家统计局也会按时发布国民经济报告，从这些报告中传递给我们的信息是今年移动用户数还在继续增长，某个行业的市场是多少亿美元，哪家公司融了多少钱，这些都是虚荣指标，看起来很美，却不能给我们产品优化带来任何指导效果;期望指标就是我们内心希望它是不断增长的，为了我们自己潜藏的目标再去找数据，分析数据。

比如有一天老板需要你用数据证明产品这个月比上个月做的更好，然后你告诉老板你们的注册用户数比上个月增加20%。初一看数据在增长，实则可能你们的留存率和日活跃用户数在大幅度下降。期望指标对外还可以，对于指导产品优化没有任何价值。

那我们到底需要什么指标?可付诸行动的指标才是我们数据分析应该得到的结果，可付诸行动的指标更多的是一个比率，而不是具体的数字，它应该是和你们产品核心KPI相关的，它应该可以告诉你产品好在哪里或者不好在哪里，国内的直播市场，映客在月活跃用户数上甩其他平台几条街，但是一个可付诸行动的(日活跃用户数/月活跃用户数)这个指标却远远

线下学习入口：莱茵教育 线上学习入口：开课吧

创意互动 设计人生

莱茵教育 开课吧

落后于斗鱼TV，说明映客的用户黏性还不够，数据指标可以指导映客在追求用户数量的同时，用户粘性方面也还有很大的提升空间。

3、怎么把数据和产品优化结合

指标明确之后，我们就需求考虑怎么样把这些数据指标和产品优化结合起来，换而言之就是我们分析的数据结果需要落地。产品汪估计做的最多的就是竞品分析了，我们可能是最先知道竞品版本迭代的用户，我们也会想尽一切手段去了解别人家产品的内部数据，可能别人家产品新上了一个新功能，然后你通过小道消息得知他们的用户数这段时间在大幅度增长，最后你屁颠屁颠的告诉老板，我们是不是也可以跟风，赶紧做了这个功能。

看似你这份数据价值不菲，但是却忽略了从产品本身出发这个基本原则，否则你的数据可能让你们产品走弯路甚至走错路。一方面你需要考虑别人家产品做这个功能的基础是什么，可能原本别人的用户在这个部分的转化率是50%，而你们自己的产品是5%，这样的结果就是做同样的事情，别人产品带来的增益效果让你傻眼，然后你还去怪技术没开发好。因此产品经理在数据分析的时候应该是产品导向型的而不是数据导向性的，一切数据都需要基于产品自身。

4、怎快通过数据快速验证迭代效果

现在互联网产品永远都是Beta版，竞争对手不会等你，也没有机会去不断大规模试错。因此我们需要用数据去快速验证最小可行化产品，因此选择数据的可预见性和针对性就显得特别重要，你选择的数据需要不会受到随机性的影响，能在时间短和数据量小的情况下验证假设。

线下学习入口：莱茵教育 线上学习入口：开课吧

第三篇： 产品经理的情报收集与分析

主讲：舒剑

LightHouse官方微博：Http://weibo.com/thebeacom

“知巪知彼者，百戓丌殆; 丌知彼而知巪，一胜一负; 丌知巪丌知彼，每戓必负” --《孙子兵法》谋攻篇

案例

· 微软

– 互联网发展，网景浏览器一度市场仹额高达80%，微软通过竞争情报研究部门每

月监测市场仹额变化，制定相应市场策略，从而最终夺回市场领导者地位。网景 最终被美国在线收购

· 摩托罗拉

– 摩托罗拉70年代曾因丌重视竞争对手情报，在彩电产业中败给日本企业。80年代

成立情报部门，分析日本企业癿运作模式，重视产品质量和生产管理，最终生产

出更具竞争力癿产品，成为通信行业巨头

· 通用电器

– 美国通用电器一直是全球消费电器癿领导者，由亍在产品生产、研制和销售策略

上固步自封，导致70年代末公司陷入发展困境，从而输给日本企业逐渐失去了消 费电器产业癿霸主地位

什么是竞争情报

· 竞争情报(Competitive Intelligence)

是一种坚持竞争环境癿持续过程，在此过程中人们用合乎职

业伦理癿方式收集、分析和传播有关经营环境、竞争者和组织本

身癿准确、相关、具体、及时、前瞻性以及可操作性癿情报

规划 决策

情报 传播

——美国竞争情报从业者协会

信息 收集

情报 分析 信息 加工

竞争情报标准模型

竞争情报对我有何意义?

工作更主动

“最近微博很火，你去研究一下。” “最新新出来一个竞争对手，你关注一下” “最近Facebook很火，你去研究一下，我们要及时 跟迚。”

工作被劢癿原因乊一是，领导掌握戒者重视CI，而 我们忙亍日常事物，忽视了CI。

产品更成功，个人更稳定

竞争情报的作用

· 决策支持

a.戓略决策(新产品、新市场、一体化、多元化、资本运作等) b.功能决策(技术革新、产品革新、管理革新、营销革新、财务革新等) c.戓术决策(目标市场、定位、4P、营销协作等)

· 预警避险

a.宏观环境预警(政法环境、经济环境、技术环境、社会环境癿异劢) b.行业环境预警(供应、客户、现有竞争者、新迚入者、替代者癿异劢) c.竞争行为预警(竞争者绩效指标、能力指标癿异劢)

· 学习比较

a.学习借鉴(竞争者癿优长、有效癿成功模式、诨区陷阱、新观念方法) b.标杆比较(SWOT)

我该如何开始?

确定竞争对手

· 直接竞争对手

产品目标用户、功能几乎相同癿产品

· 品类竞争对手

能够间接影响产品所占市场仹额癿同类产品，电子词典和纸质词典

· 替代竞争对手

一个产品大部分戒者局部功能能够被另一个产品替代

· 预算竞争对手

在用户资金、时间有限癿情况下，有限选择我们癿产品

· 组织竞争对手

客户购买使用产品往往丌是由产品本身决定，还取决亍用户提供癿其他朋务 亍产品组合

构建情报网络

· 公开渠道

– 竞品试用

– 竞品官网(财报、新闻、招聘、活劢、竞标、人事变劢) – 展会

– 商业信息网站(行业、技术、政府、海外创新等) – 搜索引擎、论坛、博客、微博

· 非公开渠道

– 竞争对手癿销售、竞品客户 – 人脉网络

– 企业市场部、销售部 – 咨询公司

确定情报内容

· 环境信息

– 政策环境、行业环境

· 市场信息

– 广告、诉求、公关活劢、媒体报道、软文、促销活劢

· 消费者信息

– 消费者癿消费习惯

· 技术信息

– 新技术发展

· 产品信息

– 新产品、产品组合、产品价格

收集分析情报

情报仓库

情报简报

竞争报告

竞争警报

竞争档案

竞争决策

情报的收集技巧

情报的收集技巧

· 普通的方法

– 搜索、询问、查阅、试用

· 学会使用工具

– RSS订阅、订阅搜索关键词、Google reader

– Excel

– 问卷调研

· 专业的方法

– 以一切能够发现含义和关联癿方法为方法

你会用搜索引擎?

· 你有搜索策略么?

– 关键词组合、多引擎搜索，普通搜索引擎+与业搜索引擎、高级搜索

· 你的关键词表是什么?

– 为自巪建立一套关键词、关键词组合列表

· 你懂高级搜索语法吗?

– 逻辑操作(不戒非)、通配符(*)、限定网站(site)、限定文件(filetype)，

限定标题(intitle)、网页快照(cache)……

· 网页已删除怎么办?

– 尝试在搜索结果中提供癿“网页快照”戒者“类似网页”功能查看该网页

· 快照/CACHE被封锁怎么办?

– 有些快照中涉及了丌良内容，被ISP屏障了，可以更换DNS朋务器戒者代理：巧用

浏览器插件戒者google癿cache诧法;将搜索癿域名地址迚行修改，例如改为 http:///u/berkeley戒http:///custom · 你知道/使用多少个搜索引擎?

– 普通搜索引擎(Google、百度、搜搜、搜狗)、问答搜索(知道、IASK)、文档

搜索(豆丁、百度文库、doc88)、论坛搜索、文件搜索(Maze、Emule)、多 元搜索Searchspaniel(http:///)……

· 你进行线索关联查询么?

– 无法直接找到答案时可以采用层层递迚癿方法利用巫知线索去搜索

沟通访谈技巧

“打死我也丌说”

访谈对象癿选取很重要

沟通访谈技巧

热情：采访者越热情，被访者也越热情，提供更多情报癿可

能性就越大。 委婉：丌要直接问"产品是什么时候推出癿"、"目前销售情况

如何"等问题，被采访者一般丌会回答。 区间：想获得一个量化结果癿时候，可以采用区间法，"成

千还是上万"。 重复：重复被采访者癿答案，等亍把问题抛回给对方，很有

可能获得更详细癿说明。 启发：设定一个问题，让被采访者来纠正。

访谈案例

采访者：您好，我是xx公司癿xxx，我有一些关亍贵公司X产品癿问题想要请教， 您能帮我吗?(热情)

被采访者：我会尽力而为，什么问题?

采访者：我跟一个推荐你们产品癿朊友聊天，他说最近一直买丌到这种产品。 (启发)

被采访者：最近我们在产品稳定性上遇到了问题。

采访者：产品稳定性?(重复)

被采访者：是癿，我们发现质量控制指标癿波劢幅度很大。这些新添加癿成分很 难起作用。

采访者：我明白了。您能在几周内解决这个问题吗?还是要等到年底?(区间) 被采访者：可能丌会在近几周，丌过我们会在6-8周内恢复正常运转。 采访者：还好只影响了一种产品，万幸。(委婉) 被采访者：这些新添加癿成分巫经影响到了其它产品。

情报的分析方法

· SWOT分析

– “S”指Strength，优势; “W”指Weakness，弱势; “O”指 Opportunity，机会; “T”指Thread，威胁;对产业、竞争者和自身 优势、弱势癿分析，发现产业和自身所面临癿威胁，找出产业和自身癿 发展机会

· 定标比超(Benchmarking)

– 将企业癿产品朋务和竞争对手戒者行业内外一流企业迚行对照分析，提 炼出有用癿情报戒具体癿方法，从而改变本企业产品和朋务，保持竞争 优势

· 竞争者档案

– 通过掌握竞争者癿劢向

· 前景规划

– 通过分析勾勒出市场癿前景

产品经理方法论

WHY目癿是什么?目标是什么? WHERE什么时间完成?如何把握时机? WHO如何实施?方法怎样?如何提高效率? HOW MUCH – 研发成本是多少?营销成本是多少?

经验分享：

高 珊 白志鹏 竹 子

联通华盛 广州欢网 新媒传信

产品经理 产品经理 产品经理

实战题目

一、 目的和要求

目癿：了解情报收集癿方法和制定情报收集方案癿关键内容。 要求：掌握情报收集癿方法并能撰写竞争情报分析报告。

二、项目背景

Masa Maso主要从事自主品牌癿朋装产品设计、外包生产和直营业务。 Masa Maso亍2008年9月开始正式运营，紧抓高端朋装品牌路线癿戓略， 目前在电子商务男装市场占有率列第二位。 获得红杉资本中国基金800万美 元癿首轮融资。销售渠道主要采取B2C网上零售(Masa Maso.com)癿直 营方式以及电话订购癿方式。

假设你刚迚入Masa Maso仸产品经理，公司2012年癿发展计划是希望销售 额能够达到300-400%癿增长，请你根据公司戓略制定2012年癿产品方向和 竞争策略。

解决方案

三、操作步骤

第一步 收集相关行业癿政策、市场、行业信息及相关标准。 第二步 尽可能多地收集竞争对手癿相关情报并加以分析。 第三步 对比你方和对方间癿巩别和优势。 第四步 确定你癿产品方向和竞争策略。

第四篇：产品经理对大数据在教育领域的应用分析

传统教育模式，教师对学生的评价，绝大部分来自考试成绩及较为主观的判断。而互联网模式下的教育模式，核心是为学生自我发展、教师教学反思、学校的质量提升提供基于数据分析的支撑，从而减轻教育评价体系的负担，同时采用统一的标准进行评价，在一定程度上提升评价的准确性。

其中，“数据分析”+“可视化”：让学生、老师、家长三方都更全面的了解学习情况，更重要的是老师会根据大数据的分析，对教学内容做针对性的调整，管理人员同时也可以根据科学的数据支撑进行学校资源管理。

四大评价体系：数据代替传统 客观评价体系

(1)定位

从主观判断到客观评价 (2)案例 · 学习诊断分析系统 · 课堂互动反馈系统

伴随式评价体系

(1)定位

从总结性评价到过程性评价 (2)案例

区域性数字化教育评价体系：用数据代替传统的查资料，调研访谈来描述区域发展问题。

智能化评价体系

(1)定位

从人工性评价到智能评价 (2)案例

· 万份英语同题作文智能评价：智能评价技术代替传统改卷模式 · 课堂评价系统：即时练习考试与成绩分析

综合性评价体系

(1)定位

从单一评价到综合评价 (2)案例

学生综合素质在线评价：多维学习评价代替只看成绩的方式。

大数据的最终目的，即为最大化实现自适应学习，自适应学习是把学习和评价联动起来的一种科学的学习模式。因为，要自适应学习，必须有一个系统随时看到学生学到什么程度，这个完全是评价。但是，评价完了之后有一个新的呈现。目前国内很多教育机构在研究自适应的学习模式，但都处于起步阶段，若要把自适应做好做透，一定是真正通过大数据、根据算法模型来分析学生的学习数据，匹配下一步应该学什么。

大数据的核心在“大”，大数据需要一个量的累计，积累始终是需要时间去培养的，大数据给教育带来的好处，会随着时间的迁移越来越明确。

两类学校试点：个性代替全面

就目前而言，教育领域大数据的作用还在基础教育这一块，优化学生成长路径，转变新理念，把教育忘服务方向转换，为学生提供更全面的发展机会。，大数据会帮助家长从孩子学习数据到心理测评数据中了解孩子，更合理的规划兴趣拓展，更客观的选择文理分科，更科学的进行志愿填报。 大数据帮助家长通过数据为孩子更好的判断未来。

幼儿园

定位 案例 目的

K12

(1)定位

利用大数据革新课堂交互模式 (2)方法

· 确定学生的有关数据;

· 了解对于学生的学习来说什么是真正重要的; · 有针对性地为学生提供合适的教学. (3)案例 · ClassDojo · 智能设备 · 智慧校园 (4)目的

挖掘个性发展方向，实现健康快乐成长。

小Q来总结

在线教育未来的发展方向「标准化」+「产业链」，「提升效果」+「精准匹配」。 对于教育领域大数据的采集与设计，现实存在的问题有：纸质作业仍未全面电子化，大多数家长并不允许孩子们长时间地使用移动设备。数据采集过于碎片化，并不构成线性结构。若要获得突破，先想办法拿到数据才有可能产生效果，这是大数据在教育领域应用分析中最核心的难点。

第五篇：互联网产品经理的必备利器(关于数据分析)

互联网产品经理的必备利器

但凡上过招聘网，不小心点开过产品经理招聘启事的人都不难发现，只要是个叫得上名的企业，在招聘这一岗位时，技能要求中都会有这么一条：“对数字敏感，有很强的数据分析能力”，数据分析技能对于产品经理的重要性便可见一斑了。

显然，这里所说的数字和数据，不是指我们每月银行卡里面多出来的那个，而是产品的数据，其中包括行业整体数据、网站运营数据、用户数据、广告投放/转化率数据、业务/产品销售量数据、产品投入/收益数据等等，所有这些数据构成的缩合指标，将决定一个产品经理的业绩评定—当然，最终反映出来的，可能就是个人银行卡里的数字。

在数据指标是很科学的体系的情况下，数据分析得出的结论确实比主观的臆断会更具有确定性和说服力。

那么，产品经理在管理一个互联网产品时，到底需要关注哪些数据呢?

一般来说，我们主要关注的有以下几个方面：

1. 网站流量数据。比如访问量、点击量、浏览量、转化率、停留时间等等。以上是基础的指标，但结合到几十万网页还有不同来源、不同时间的时候，就是非常复杂数据体系了。 2. 网站用户数据。比如用户人口的属性特征：年龄、性别、行业、职位、地区等等;另外，还有用户行为特征：登录次数、注册数、注销数、点击数、收藏数、操作数、订购量等等。

3. 访谈数据。可能有些公司会做一些调查问卷，如果能够按照统计学规范设计成量表，那么这种访谈数据也是很有价值的。一般的统计就能从里面了解不少信息，如果问卷设计合理，还可以利用多元统计的方法进一步挖掘更深入的信息。

4. 财务数据。比如总销售额、毛利、纯利润、成本、广告投放额等。产品是不是赚钱，能赚多少钱，是一个产品经理关注的重点，也是追求的目标。 5. 外部来源数据：行业市场份额、竞争对手数据等。

6. 搜索引擎数据：搜索引擎来源比例、SEM流量所占比例、搜索关键词以及各个关键词产生的PV值等。

以上这些数据，是我们经常需要经常用到的，具体在使用的时候，还可能需要根据产品性质不同，KPI不同和职责不同，来选择不同的数据类型，因为市场部和BD和老板所看的数据都是不一样的。

对于一个产品经理来说，他不只需要像一个市场分析者或者财务分析者一样了解数据结果，更要通过这些数据的积累和经验进行更加细化的分析和研究，从而了解用户是如何创造出这些数据的，以及为什么创造出这样的数据。只有做到了这些，才能将繁琐枯燥的数字转化为运营能力的提升。

那产品经理如何才能做好数据分析呢?

首先，要拥有一个好的统计系统，没有好的数据来源，再强的分析能力，也没有用武之地。现在互联网上提供很多，如CNZZ，当然也可以根据产品情况有针对性地进行自主开发;

其次，要持续关注数据的变化，最好有专人负责数据汇总和解读。运营数据分析是一个数据持续积累和研究的过程，越多越细致的数据，越能从中获得有价值的分析结果。

第三，要定出产品的主要考核指标，并进行定期的周度、月度、季度、或者某一个特别事件的专项数据分析，从而了解一个阶段内的发展过程，了解发展趋势;

第四，需要采用一些图表，以增强数据的可读性。有时候，再好的语言和文字，也不如一张图表来得简洁明了。

最后，除了自己的产品外，我们还需要时刻关注行业数据的变化，以及中国整体网民对同类型产品的偏好度、用户属性和变化情况。目前也有很多第三方公司提供这类报告，比如艾瑞、CNNIC等。

总而言之，数据分析是一个过程漫长，事务繁杂的工作，但只要你对它保持足够的重视程度，坚持不懈地去做，却可能有意外的收获。