数产实战进阶1-2章

第1章全面认识

数据产品介绍

• 数据产品是降低用户使用数据的门槛，发挥数据价值的一种产品类型。负责设计、维护和优化数据产品的人，就是数据产品经理

• 数据产品组成：
  一个完整的组成应该包括采集清洗、计算管理、分析展示和挖掘应用

  • 采集清洗：主要包括日志信息采集和业务库表采集。为了准确采集这些内容，后面建立了一套埋点系统来规范，采集完后记得要清洗
  • 计算管理：只有根据不同业务场景和需求汇总计算后，才能叫数据。数据分成度量、维度和指标，与业务相关，需要构建一套元数据管理系统才可以管理
  • 分析展示：选取好合适的分析模型，例如漏斗分析、留存分析等
  • 挖掘应用：除了分析以外，数据的价值还在与业务结合的挖掘上体现，构建一些合适的模型来提高业务效率，比如用户画像。

• 数据产品类型：
  用户数据产品、商用数据产品、企业数据产品

• 数据产品的衡量：
  准确性、及时性、全面性和易用性

  • 准确性是数据产品的根本，最为重要。及时性包括实时和离线两个战场。全面性就是衡量数据的指标要全面以及业务要全面。易用性就是用户的使用体验，可以用过pv、uv、使用时长来衡量

数据产品详解

• 用户数据产品：
  根据数据来源，可以分为三类，分别是指数型、统计型和生活型

  • 指数型就是数据产品由企业利用自己的数据提炼出相应观点与洞察趋势、提供给用户使用。例如谷歌系数、百度系数，依据自己的数据计算出各个领域的关注度
  • 统计型与前者的差别主要在于数据的来源均是外部采集，然后公司内部整理，所以一般都是免费。例如企业查
  • 生活型是收集用户自身数据进行一定程度归类、分析和可视化的产品。例如记账类、运动类

• 商业数据产品：
  由企业或个人开发提供给外部企业的，包括数据采集、计算、储存、展示和分析等功能的产品

• 企业数据产品：
  就是企业自建自用，主要是降低员工使用数据的门槛，辅助人员做出决策与提高业务效率。

产经能力模型

• 核心能力是为需求或者问题提供最有效的解决方案

• 数据专业能力的核心就是数据产品设计能力、数据分析能力，以及一些大数据技术架构、数据挖掘算法的基础知识

  • 数据产品的设计属于产品设计的分支，一样是从需求和问题出发，提供解决方案，同时要充分发挥数据价值，在数据资产管理和数据业务效率上提升
  • 数据分析也是数据产品不同于其他产品需要的能力，常用的工具有Excel、SQL、python和R等等
  • 数据仓库、数据采集传输、大数据架构、数据挖掘的基础知识要有

• 软实力

  • 包括洞察需求之后，要了解背后的商业模式与业务运转原理的“商业认知能力”，‘沟通协调能力’与‘项目管理能力’

案例

• 商用数据产品研究案例-Domo

  • 自己看吧

• 面试案例

  • 自我介绍：切忌长篇大论

    • 职责是帮助公司完成内部数据支持系统的搭建，为不同部门提供数据应用产品，让数据更好的帮助业务支持决策。
      例如销售部门的目标是提升成单率，那就为其提供线索分析的工具，让其看到业务偏好方便跟进。例如市场部的ROI目标，提供渠道监控工具，看到渠道投放后续的漏斗转化能力。

  • 如何获取数据呢

    • 通过页面埋点来获取，包括页面浏览时长、跳出率、按钮点击率等等。
      使用代码埋点，包括页面统计和事件统计。页面统计就是统计页面的访问情况、次数、时长和流向关系，事件统计主要是操作行为，比如按钮点击、执行结果之类的。
    • 代码埋点是自己工程师埋点，可以精确的选择什么时候发送数据，发送什么样的数据，比较灵活，但是代价大，每次更新都会有较大工作量，第三方的SDK虽然部署简单，但是准确性和灵活性不行

  • 关于职位的思考：与其他产品经理有何不同

    • 1工作内容，其他产品经理多是中在对功能类需求的把握和产品进度的管理，目的是提升用户体验，让用户开心。而数据产品经理的工作内容是建立数据指标体系，产出合适的数据工具或者应用产品。
    • 2能力，有时候公司不是没数据，而是数据太多了不知道怎么解读，数据产品经理就是设计出恰当的数据指标以供用户分析，所以数产对指标体系搭建，算法模型和数据平台建设都需要有一定的认识

  • 工作时的上下游部门

    • 上面是各个业务部门，比如销售、市场、售后
    • 下游包括数据分析部、开发工程师

  • 开放型问题：一个玩具店的仓库，乱糟糟的，如何摆放

    • 首先要明确分类摆放的目的，是为了找到想要的玩具，还是为了更快发货。可以按大小件进行区分，也可以根据销量进行区分，热销的放在方便的位置

  • 公司大老板的报表，每天看一眼，如何设计

    • 会分三个部分。第一部分就是公司最主要的目标，就是北极星指标当年和当月的完成情况，以及周同比。
      第二部分就是北极星指标的拆解，比如营收拆分为用户数*客单价，做出明细展示，包括新老客户，整体客单价之类的。
      如果老板时间短，这两个就够了，如果时间长，就加上第三部分，那就是对指标进行更细致的拆分，并且考虑更多的维度，例如不同的渠道花了多少钱，ROI如何等等

  • 反问

    • 想要了解一下这个职位所在的团队和团队的规模。平时对接的上下游部门有哪些。这个岗位为什么会开放出来，部门的人员配置如何

第2章数据分析方法论

想要用数据驱动业务，需要有专业的数据分析框架和完整的产品思维框架

数据分析基础流程

• 发现问题，一般有两种，一种是有明确问题，一种是没有

  • 主要就是数据系统或者业务反馈，或者重要指标没有达成KPI，需要提升

• 定位问题，发现问题之后就需要定位问题出在哪一步，可以使用以下方法

  • 全链路分析：发现每个环节的问题
  • 组成因子分解：发现不同部门、不同项目的问题
  • 影响因子分析：发现是哪个重要因素造成的影响
  • 枚举法

• 分析问题，用到的方法与定位问题一致，但需要综合使用多种分析方式

• 提出有价值的数据结论

有价值的数据结论

• 什么是有价值的数据结论

  • 无非是两者：增加收益和减少损失

• 如何得到有价值的数据结论呢

  • 了解业务目标

  • 进行增减思路分析

    • 例如产品部，增：增加收益，增强体验，增加用户参与感，增加转换率
      减：较少操作失败的步骤，减少投诉概率

  • 了解达成某项收益的业内常用方法

    • 例如：
      增加收入：增加销售方式、提高转化率
      增加体验：放大图片，增加视频

  • 对业务进行数据分析

  • 为自己的结论给出数据支撑

• 案例：假设业务目标为增加收入，如何得到数据结论呢？

  • 高级与初级用户维度：

    • 1使用组成因子分解，将用户拆分为高级与初级两种，并查看能否从用户群中分出高级用户的行为特征
    • 2使用增减思路分析，增加高阶用户的收入，从而提升整体收入，方法主要有：VIP、会员、社群

  • 高频与低频用户维度：

    • 同上
    • 同上，方法：增加高频用户使用次数，从而增加用户收入，主要有日报推送。

数据分析基础方法

• 全链路分析：是对全链路的每个节点进行分析和研究，AARRR模型和漏斗分析都是全链路分析

  • AARRR：获客-激活-留存-变现-传播，
    漏斗：进入首页-查看商品-加购-进入支付-支付成功
  • 步骤就是梳理链路的关键节点，确定指标，对节点洞悉，发现问题。举个例子：广告行业的全链路（看书2.3.1）

• 组成因子分解：将整体指标数据按照某种分类标准分成不同的因子的过程。例如广告的收入=信息流广告收入+搜索广告收入+其他类型广告收入

  • 可以按时间拆分、按渠道拆分、按用户拆分，优先考虑团队习惯的拆解思路

• 影响因子拆解：很多时候因子对结果并不是简单的相加，列出对结果有影响的所有因子，逐个分析，例如对销售额，影响因子有商品、客服、会员、流量、活动等等

• 枚举法：将所有数据一一列出，然后进行后续分析

数据分析方法案例

• 看书