网上流传这么一句话，不会数据分析的产品经理不是一个好的产品汪。招聘网站对于产品经理招聘的数据也显示，数据分析是产品经理吃饭必备的工具。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。今天我想要和大家简单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。
