随着产品经理这个岗位的越来越完善,对产品经理的能力要求也越来越高。作为产品经理不懂点数据分析,怎么说服开发做功能?怎么说服老板给资源?
数据分析的概念
数据分析是指用适当的统计方法对收集来的大量第一手资料和第二手资料进行分析,以求最大化地开发数据资料的功能,发挥数据的作用。是为了提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。数据也称观测值,是实验、测量、观察、调查等的结果,常以数量的形式给出。
数据分析的方法
- 第一步:数据准备:(70%时间)
获取数据(爬虫,数据仓库)
验证数据
数据清理(缺失值、孤立点、垃圾信息、规范化、重复记录、特殊值、合并数据集)
使用python进行文件读取csv或者txt便于操作数据文件(I/O和文件串的处理,逗号分隔)
抽样(大数据时。关键是随机)
存储和归档
- 第二步:数据观察(发现规律和隐藏的关联)
单一变量:点图、抖动图;直方图、核密度估计;累计分布函数
两个变量:散点图、LOESS平滑、残差分析、对数图、倾斜
多个变量:假色图、马赛克图、平行左边图
- 第三步:数据建模
推算和估算(均衡可行性和成本消耗)
缩放参数模型(缩放维度优化问题)
建立概率模型(二项、高斯、幂律、几何、泊松分布与已知模型对比)
- 第四步:数据挖掘
选择合适的机器学习算法(蒙特卡洛模拟,相似度计算,主成分分析)
大数据考虑用Map/Reduce
得出结论,绘制最后图表
循环到第二步到第四步,进行数据分析,根据图表得出结论完成文章。
业务分析版
“无尺度网络模型”的作者艾伯特-拉斯洛•巴拉巴西认为——人类93%的行为是可以预测的。数据作为人类活动的痕迹,就像金矿等待发掘。但是首先你得明确自己的业务需求,数据才可能为你所用。
1. 数据为王,业务是核心
- 了解整个产业链的结构(对行业的上游和下游的经营情况有大致的了解)
- 制定好业务的发展规划(归类出需要整理的数据)
- 衡量的核心指标有哪些(根据业务属性拆解核心指标,找出对指标影响幅度较大的影响因子)
前期资料的收集以及业务现况的全面掌握非常关键。
2. 思考指标现状,发现多维规律
- 熟悉产品框架,全面定义每个指标的运营现状
- 对比同行业指标,挖掘隐藏的提升空间
- 拆解关键指标,合理设置运营方法来观察效果
- 针对核心用户,单独进行产品用研与需求挖掘
3. 规律验证,经验总结
- 发现了规律之后不能立刻上线,需要在测试机上对模型进行验证。
P.S.数学建模能力对培养数感有一定的帮助