一個公司發展到一定階段，隨著員工數量和業務數量的爆發式增長，公司層面勢必會對數據引起重視，都知道數據的重要性，但到底怎么去處理數據，數據到底能帶來什么用處，這就需要產品經理去規劃整個數據的產品線。
生活中充滿著無處不在的決策，在日常的生活中，工作中，學習中，面對一系列問題，我們會首先進行分析，然后決策，再行動。而我們分析問題靠什么進行取證呢？?人們做出決策，就得需要證據，而定量的證據即是數據。就比如說我在工作中遇到一個很簡單的問題其實就需要數據來輔助決策，在招聘網站上發布職位，目的是獲得更多候選人投遞，進而offer合適的人，那么這就涉及到兩個問題，一是在什么渠道投放職位有效性更高。二是怎么獲得更高的職位曝光率得到更多的簡歷。這就需要統計一段時間以來的渠道有效性和投遞量，投遞量進而可以通過時間和成本維度進行細分，進而指導我們的職位發布策略。
一、數據產品究竟是什么
數據產品就是把數據，數據分析，決策邏輯盡可能的固化到一個軟件系統中，以更快的更新頻率，更準確的分析結果，更智能的提醒方式為人們提供數據價值。
可以發揮數據價值，輔助用戶做出更優的決策或者直接行動的一類產品，可稱之為數據產品。
從數據生產流程開始說起，數據流程基本分為數據采集、數據清洗、數據存儲、數據應用，基本每一步驟都會有對應的產品，比如埋點管理系統、日志收集系統、離線/實時處理系統等等，最上面一層也是最直觀的就是數據應用層。
二、數據分析思維
2.1?杜邦分析法
杜邦分析法目前主要用于財務領域，通過財務比率的關系來分析財務狀況，其核心要點是將一個大的問題拆分為更小粒度的指標，以此了解問題出在了哪兒，從而對癥下藥。以電商行業為例，GMV（網站成交金額）是考核業績最直觀的指標，當GMV同比或環比出現下滑時候，需要找到影響GMV的因素并逐一拆解。
GMV下降如果是因下單用戶減少所造成的，那么是訪客數（流量）減少了，還是轉化率下降了呢？如果是訪客數減少了，那是因為自然流量減少了，還是因為營銷流量不足？
如果是自然流量下降的話，可能需要在用戶運營和產品運營端發力，如果是營銷流量不足，那么可以通過營銷活動或者站外引流的形式增加曝光量。
同樣，如果是轉化率的問題，那么需要對用戶進行細分，針對不同階段的用戶采取不同的運營策略，
最后，如果是因為客單價不高，那么需要進行定價及促銷的方案優化，比如識別具有GMV提升潛力的商品進行定價優化，評估當前促銷的ROI，針對選品、力度和促銷形式進行優化。
2.2?同比熱力圖分析法
把各個業務線的同比數據放到一起進行比較，這樣能更為直觀地了解各個業務的狀況。
構建一張同比熱力圖大致需要三步：
按照杜邦分析法將核心問題進行拆解，這里仍以電商為例，我們將GMV拆成了流量、轉化率、商品均價和人均購買量，即GMV=流量*轉化率*商品均價*人均購買量；
計算每個業務各項指標的同比數據；
針對每一項指標，對比各業務的同比高低并設定顏色漸變的條件格式，以上圖中的轉化率同比為例，業務5轉化率同比最高，為深橙底色，業務3轉化率同比最低且為負值，因此設定為藍色底色加紅色字體。
通過同比熱力圖的分析，首先，可以通過縱向對比了解業務自身的同比趨勢，其次，可以通過橫向對比了解自身在同類業務中的位置，此外，還可以綜合分析GMV等核心指標變動的原因。除了電商業務的分析以外，同比熱力圖同樣適用于互聯網產品數據指標的監控及分析，該分析方法的關鍵點在于拆解核心指標，在本文后面的產品運營類方法中將會介紹相關指標的拆解方法。
2.3產品運營的關鍵數據
產品運營是一個長期的過程，需要定期對產品的使用數據進行監控，以便發現問題，從而確定運營的方向，同時也可以用于評估運營的效果。產品運營的常用指標如下：
使用廣度：總用戶數，月活；
使用深度：每人每天平均瀏覽次數，平均訪問時長；
使用粘性：人均使用天數；
綜合指標：月訪問時長=月活*人均使用天數*每人每天平均瀏覽次數*平均訪問時長。
產品所處階段不同，運營的側重點也會有所不同。在產品初期，核心的工作是拉新，應該更加關注產品的使用廣度，而產品的中后期，應該更加注重使用深度和使用粘性的提升。
對于不同的產品也需根據產品的性質來確定核心指標，比如，對于社交類產品，使用廣度和使用粘性至關重要，而對于一些中臺分析類產品，提升使用深度和使用粘性更有意義。
三、尋找數據產品需求領域
數據產品的首要任務是幫助人們做出決策，而不是直接用于創造利潤。數據產品是一個分析數據與展示數據的工具，因此可以從兩個方面進行挖掘數據產品的需求：決策和數據。
決策需求：哪里有決策，哪里就有需求。有數據服務的地方就有數據產品的需求。比如：高考志愿，天氣預報
?數據需求：哪里有數據，哪里就有潛在需求。
我們如何獲取這些需求呢？可以通過以下方法：1.深入觀察用戶行為；2.定性的用戶訪談記錄；3.定量的用戶調查數據
四、數據產品指標設計
什么是數據指標？
? ? ? ?數據指標是根據數據分析得到的一個匯總結果。如：居民消費價值指數，股票指數，空氣指數，交通擁堵指數，旅游指數等等。
數據指標分類
時間特點：
時點指標：商品庫存數量，外匯儲備數量
時期指標：產品的產量，消費總額
總體特征性質：
數量指標：人口總數，企業總數
質量指標：身體質量，強度，經濟效果指標等
數據依據：
客觀指標：人均收入，家庭平均人口數
主觀指標：洗車指數
計量單位的特點：
實物指標：人口總數，人體身高
價值指標：農業總產值，勞動生產率
勞動指標：出勤工日，實際工時
數據指標設計原則
如何評價一個指標設計的好壞呢，一個好的數據指標應該包括一下幾個方面：
可信的數據源
計算邏輯透明，清晰
考慮適用的場景范圍
有易理解的指導意見
數據設計體系
查閱羅列：查閱該領域的所有數據指標
分類設計:根據不同的分類標準，進行分類
明確實現：明確指標計算邏輯，并分析數據指標的可實現性
五、數據可視化設計
? ? ? ? 數據可視化其實是數據產品最上層的需求，其實也是最貼近用戶的需求。數據可視化的核心主要體現在三個方面：視覺吸引力，易于理解，容易記住。圖像界面美觀，顏色鮮明對比，吸引用戶的視覺；圖表設計遵循常識，邏輯性好，可以方便用戶理解，也容易讓用戶記住。
數據可視化設計要素
設計目的：你打算講一個什么樣的故事？
數據展現形式：對比型，關系型，趨勢型，比例型
受眾群體：是一般的群眾還是專業人士
在這里推薦tableau的系列教程，非常全面和有用
六、常用工具軟件
（1）需求分析工具
思維導圖工具：MindManager,XMind,FreeMind,百度腦圖
問卷調查工具:問卷星，騰訊問卷，問卷網
（2）數據探索工具
數據庫管理用具：Nacicat,PL/SQL Plus,Oracle,Mysql
數據分析類工具:R語言
（3）數據可視化工具
商業智能工具：Excel,Tableau,永洪BI,FineBI
前端圖表工具:Echarts,RGraph,Chart.js
在一款數據產品誕生前，應該是先有數據，再有分析，然后才是產品，分析的廣度和深度直接決定了產品的定位和價值。
如果是做一款數據報表類的產品，那么需要了解核心指標，并建立綜合指標的評估體系；如果是做一款分析決策類產品，那么還需要基于業務需求，將現有數據指標進行解構再重構。
數據產品是一個博大精深的領域，希望這些文字能夠拋磚引
如果你也想加入學習群
關注微信公眾號“高三零班”
我們一起，每天學點兒互聯網
