做一個會數據分析的PM,你準備好了嗎

產品更新迭代往往離不開數據。需求不是拍腦袋想的,效果不是用嘴吹的。用數據說話才靠譜。

本文摘要:

? ? ? ? ? ?初入產品崗,怎么數據分析

? ? ? ? ? ?求人不如求己:sql大法好




為什么要數據分析?

pm與數據的日常:

(1)完成日常數據報表,通過KPI來觀測產品情況;

(2)數據變動時,進行歸因分析;

(3)上線功能,從數據來進行評估;

(4)預測分析,為公司下一步布局提供決策依據。

怎么數據分析?

1.明確分析目標——

在數據分析前不妨問問自己:

此次的數據分析要針對什么問題?

分析后要達到什么目的?

對產品有什么實際意義?

2.對數據需求進行細化分析:

以此為例:【電商行業】你負責的網站新增了一項付費增值功能,該功能可幫助商家尋找潛在客戶,并發出定制化私信,幫助商家精準定位用戶,提升訂單量。商家可自行選擇是否開通。現在功能上線已有一段時間,想評估該功能的實際效果。

(1)確定分析指標:

產品的形態是電商網站(面向商家),那么反應新功能效果的指標有以下幾個方面:

<1>反應網站收入變化的數據(實驗桶與對照桶的diff)——評估收入影響

<2>商家對該功能使用情況——評估是否還有提升空間

<3>功能效果的相關指標:如商家ROI\商家訂單量\私信點擊率等——評估上線功能的效果,方便對策略進行調整

(2)確定分析范圍。尤其是你需要分析的關鍵性指標,一定要明確你的分析范圍,太泛泛的分析達不到實際效果。

例如——

需要每日數據還是周均數據?

需不需要對客戶進行分類?以此觀測同一策略對不同客戶群體的影響,如行業劃分、地域劃分、消費能力劃分。

3. 數據分析操作:

(1)獲取數據

常見的數據來源:

<自己產品>

產品運營數據(online通過服務器上數據庫——用戶信息數據、產品信息數據、行為數據)

用戶反饋、數據調查(offline)

<競爭產品>

網站流量(Alexa,艾瑞網)

公司財報

<行業>

行業分析報告(Alexa,艾瑞網)

熱點大數據披露

(2)數據預處理(比如調查問卷,剔除無效問卷)

(3)數據統計與描述(趨勢分析,比較分析,細分分析)

(4)得出結論,歸因改進

(5)持續監控和反饋


那么問題來了,作為pm的你怎么開始最基礎的一步-獲取數據呢?

分析產品數據是常態,部分公司有專門可視化的數據平臺供產品同學獲取數據,但是當你需要的數據維度過細或者目前數據平臺不支持你需要的字段時,你該如何?

向數據平臺產品提出需求,增加你所需要的數據維度?——可是,遠水救不了近火,項目迫在眉睫,此方法不可行。。。

求RD協助,從數據庫中直接取數?——需要排期,同時還有溝通成本。

求人不如求己,PM會sql還是很必要的。不論是用hive sql 在服務器日志中獲取數據,還是通過access做數據提取與分析,sql都是必備技能。

hive sql 與sql還是有一些區別的,本文暫且不表。


hive sql入門5例,基本可以解決常規的簡單取數:

(1)create external table A (A1 string,A2 string); ?---創建表A,其字段為string類型的A1與string類型的A2。

(2)drop table A;---刪除表A,含A的全部數據

(3)select A1 from A where A2='CSDCF' ; ---查詢表A中的A1字段,過濾條件為A2的值為CSDCF

(4)再舉個通俗點的例子 ?表customer是一張存儲客戶信息的表,下面的語句表明找出北京用戶中消費額top100的客戶并列出姓名與消費額

select name,costs from customer where city ='北京' ?order by costs desc limit 100;

ps:order by 字段名 asc/desc ?表示按該字段升序/降序排列 ?

(5)select a.name ,b.talnumber from customer a join customdetail b on(a.name = b.name) where a.city ='北京' ;

想要獲取北京用戶的名字以及電話號碼——customer表中沒有電話字段,通過join將表customdetail與customer通過名字相同進行連接

JOIN連接組合兩個表中的字段記錄,包括三種:

INNER JOIN運算式:連接組合兩個表中的字段記錄。

LEFT JOIN運算式:連接組合兩個表中的字段記錄,并將包含了LEFT JOIN左邊表中的全部記錄。

RIGHT JOIN運算式:連接組合兩個表中的字段記錄,并將包含了RIGHT JOIN右邊表中的全部記錄。

通過使用 SQL,可以為列名稱和表名稱指定別名(Alias)。

方法一、直接在字段名稱后面加上別名,中間以空格隔開。--本例 將customer起名為a

方法二、以as關鍵字指定字段別名,as在select的字段和別名之間。

select sum(costs) as costsall from customer ;

最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 228,936評論 6 535
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 98,744評論 3 421
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 176,879評論 0 381
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 63,181評論 1 315
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 71,935評論 6 410
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 55,325評論 1 324
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,384評論 3 443
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 42,534評論 0 289
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 49,084評論 1 335
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 40,892評論 3 356
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 43,067評論 1 371
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,623評論 5 362
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,322評論 3 347
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 34,735評論 0 27
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 35,990評論 1 289
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 51,800評論 3 395
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 48,084評論 2 375

推薦閱讀更多精彩內容