摘要
数据分析可能听起来有些书呆子，但是它应该成为每个产品经理和产品所有者工具箱的一部分。 这个想法很简单：调查收集的数据，从中学习数据，并使用新知识来创建成功的产品。 从理论上讲，这很容易。 但是在实践中，这可能是一个挑战。 以下提示可帮助您充分利用数据分析成果。
但是在实践中，这可能是一个挑战。 以下提示可帮助您充分利用数据分析成果。
有明确的研究目标
收集正确的数据并进行有效分析需要一个明确的研究目标-了解执行工作的原因以及想要实现的目标。 在创建产品的早期阶段，您的目标可能会验证一个关键的假设。 这可能是产品的价值主张，主要收入来源或用户交互设计的一个方面。 精益创业公司将研究目标作为假设，将Scrum作为冲刺目标 。
没有研究目标，您就有收集错误数据，得出错误结论并朝错误方向发展产品的危险。 从某种意义上说，您只是在四处乱窜，希望数据能神奇地告诉您该怎么做。
将数据分析与数据收集分开
一旦收集了相关数据（例如，通过观察用户， 演示原型或使用分析工具跟踪用户行为），便退后一步，并在做出任何决定之前仔细考虑一下。
如果您来自Scrum背景，那么将分析与数据收集分离可能对您来说并不新鲜。 在Scrum中，传统上是在sprint审查会议中收集和分析数据的，而始终没有清楚地将这两项活动分开。 这会带来匆忙或跳过分析工作以及做出次优或错误决策的危险。
因此，我建议您首先收集相关数据，然后再进行分析。 使用新的见解来更改适当的伪像，例如，您的Vision Board ， Product Canvas或product backlog ，选择一个新的研究目标，然后开始下一个周期。
保持开放的心态
保持开放的态度听起来很琐碎，但坚持一个想法（而不是缺乏幻想的分析技术或工具）是根据我的经验得出正确结论的最大障碍。 我知道我在说什么：在开发新产品时，我对自己的想法有强烈的感觉，有时我很难改变主意。 但是，过于沉迷于某个想法或过于渴望成功的想法就有拒绝接受任何挑战它的数据的危险，这很可能导致产品质量下降。
进行任何分析之前，请深呼吸并放松。 每当您对数据感到紧张或紧张时，告诉自己，挑战的不是您自己，而是想法，假设和概念。 思想，假设和概念没有任何自豪感； 他们不想是非。 他们只是想法而已。
减轻认知偏见
我的第四个技巧是要意识到我们所有人都有的认知偏见。 认知偏见是我们思维中的错误，导致我们得出错误的结论。 例如，确认偏差是指以确认我们的先入之见的方式搜索或解释信息的倾向，而自我服务偏差是指对我们的成功负有更多责任的倾向。
使用Lean Startup或Scrum之类的框架时，您可能要做的最坏的事情是在迭代之后运行迭代，以便仅查找可确认您想法的数据，而拒绝其余的想法。 这很可能会导致后期失败，这与传统的顺序方法一样痛苦。
减轻认知偏见的一种好方法是协作分析数据。 这往往会平衡个人的偏好，信念和成见。 因此，请考虑让开发团队参与数据分析，尤其是在验证关键假设时。
清理数据
不要忘记清理数据。 删除质量太差而无法正确解释的数据，并丢弃不相关的数据。 这应该很容易–除非是重要客户或强大利益相关者的想法。 但是，对每个想法都说“是”并不会带来出色的产品，而是会导致混乱的软件以及糟糕的用户体验。 正如史蒂夫·乔布斯曾经说过的：
创新并不是要对所有事情说“是”。 这是关于除了最关键的功能以外的所有功能。
忠于自己的愿景，并利用主要角色来确定正确的功能。
枢轴或坚持不懈
分析数据时，请问自己是否使您的策略无效，例如，所选的客户群，产品的价值主张，预期的用户体验或收入来源。 如果确实如此，请调整并更改您的策略。 这通常需要对规划工件（包括视觉板和产品画布）进行大幅度修改。 如果您的策略有效，请坚持并完善适当的文档。
枢纽绝非易事，因为它要求我们接受失败，并放弃我们可能已经喜欢的假设和想法。 但这通常是开发出色产品的必要步骤。 如果您发现失败令人恐惧，那就不要把它当成个人，也不要以自己的想法来表明自己：失败的不是您自己，而是一个想法或假设被证明是错误的。 甚至爱因斯坦（Einstein）之类的人也曾发生过这种情况：
一个从未犯错误的人从未尝试过任何新事物。
但是，如果您不断重复旋转，请停下来反思。 检查您是否真的在朝着成功的产品迈进，或者您是否正在追求一个千变万化的梦想。
学到更多
尽管数据分析还有更多内容，但我可以在这篇简短的博客文章中介绍，我希望上面的技巧可以帮助您分析数据并创建出色的产品。
要了解更多信息，请参加我的敏捷产品计划培训课程 。 请与我联系以提供现场培训课程，并以交互式虚拟培训课程的形式进行。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
