预约成功
数据分析是产品经理的一项重要能力，但不意味着产品经理要懂得多高深的统计学知识，要会用专业的数据挖掘工具。产品经理需要具备的数据分析能力是一种在深度理解业务的前提下，利用数据来指导业务增长的思维。
我会从构建数据指标体系、数据分析方法两部分来总结自己学到的一些知识。
首先从构建数据指标体系说起，一个成熟项目的指标体系往往经过前人的构建和完善后，已经非常成熟，不必从0开始构建产品的数据指标体系。但产品经理必须具备从0开始构建数据体系的能力，因为在职业生涯中一定会有接触新产品的时候，即便是同一产品在不同的生命周期重点数据指标也可能不一样。
而产品在构建数据指标体系的过程中，需要对指标的意义深入思考，后续进行数据分析时更能做到知其所以然。下面分四步来说明如何构建一个自己产品的数据指标。
数据分析方法第一步 归集数据指标
在构建一个数据指标体系前，首先需要将自己产品的相关指标都有什么。在这之前需要明确一个观点，任何产品的终极目标都是使企业或用户价值最大化。接下来就可以按照用户生命周期业务流程来归集所有数据指标。下面以P2P产品为例：
1. P2P产品的终极目标在于投资和借款的规模最大化。所以体现在数据指标上，最直接的两个指标就是投资金额和借款金额。(由于投资指标和借款指标是相对独立的两个数据体系，本文后面的举例暂不涉及借款端数据体系)
2. 任何产品的用户都会有生命周期，即用户从接触产品到抛弃产品的一个过程。而这个过程是可以分成多个阶段的。只要我们思考清楚如何使每个阶段的用户去达到产品的终极目标，我们就可以归集出整个产品的所需要的大部分数据。P2P产品的用户基础生命周期按自然顺序可以分为五大阶段：
访客阶段、注册-投资、流失召回阶段、访客阶段、注册-召回阶段
按照一个完整的用户生命周期或业务流程，基本可以将产品所有相关的指标梳理完整。在搜集数据指标时，对每一个业务环节，可以按照规模、质量、转化率和使用率/占比**这几个主要数据评估目的来考虑。例如首次投资环节：
规模指标：人数规模，投资金额规模、投资订单规模、投资次数规模等;
质量指标：注册/实名-投资周期、人均投资金额等;
转化率指标：注册/实名/充值-投资转化率;
使用率/占比指标：首次投资占总投资用户比例等
数据分析方法第二步 数据指标拆解
归集完产品所涉及的指标后，会发现指标很多。但是在具体的业务中，可能不同业务阶段重点关注的指标不一样。例如渠道推广关注获客成本和转化效果，投资则关注投资金额和投资人数等等。所以对于不同的业务阶段，我们需要挑选出该阶段的核心指标，然后进行拆解，再根据拆解的指标去重点关注。
例如拉新阶段，我们最关注的是新投资用户的增长情况，所以可以将新用户增长数据指标拆分为：新投资用户增长=浏览UV/APP激活×注册转化率×实名转化率×投资转化率
而投资阶段，我们最关注的是投资金额的增长情况，所以可以将投资金额数据指标拆分为：投资金额增长=新投资用户数×投资次数×人均每次投资金额+老投资用户×回投率×投资次数×人均每次投资金额
如此一来，我们即知道在不同阶段，需要重点关注和分析哪些核心数据。只有哪些使核心指标效果最大化的细分指标才是最值得我们关注的。
除此以外，不同的部门重点关注的数据也不一样。例如市场推广重点关注渠道推广数据，运营部门重点关注业务增长数据，技术部门重点关注产品稳定性，性能数据。产品部门重点关注功能使用数据、用户画像数据。财务部门重点关注交易数据。
数据分析方法第三步 确定数据维度
在确定需要重点关注的数据指标后，就需要对数据指标进行维度的细分，例如：
按时间维度：秒、分、时、天、周、月、季、年
按渠道维度：推广注册、自然注册、活动注册
按用户类型：新老用户、高低净值用户、活跃/流失用户
按终端类型：微信公众号、PC官网、安卓APP、iOS APP
按地区：省、市等
至此一个初略的数据指标体系完整构建起来了。但是还需要在运用中根据实际情况来不断调整优化，毕竟即便是同一产品，不同阶段重点关注的数据都是不一样的。
数据分析方法第四步 总结
构建完一次数据指标体系后，对于现代管理学之父彼得德鲁克的名言“如果不能衡量它，就不能有效增长它”有更加切身的理解。数据分析是一种思维能力，不仅是增长业务的利器，也是解决问题的有效途径。
以上就是有关于数据分析方法的相关内容，以及相应的解析，不论你是已经入职数据分析师岗位的新人，还是打算进入数据分析岗位的小白，以上的内容都或多或少会对大家有所帮助，环球网校的小编在这里祝大家的数据分析师职业道路顺利。
