十年前是一個人人都是産品經理的年代，那時候的産品經理真的可以改變世界。
十年後時代變了，産品經理多了，資料更多了，是以這變成了一個人人都是資料分析師的年代。
當下隻要是做網際網路和it的沒有不知道要重視資料分析的。
但是你要問他具體有多重視，可以看看他日常說話，裡面是否有資料，也可以看他做決策，有多少是通過資料做業務支撐。
呱哥乘風而上，日夜操練，也習得資料分析技能，現抛磚引玉，分成五招，20絕技，助你速成此功。
招數一、業務先行
業務是資料分析的基礎，如果不熟悉業務掌握在多資料分析方法，那也如光手抓刺猬無從下手。
1、掌握業務第一是要掌握産品的業務流程、比如我們是做金融的，流程包括授信、用信和還款三大流程，以及每個流程有可以細分為通路頁、确認借錢、平台校驗、風控等。
2、除了主業務流程，最好還能深入到表結構，去了解各個表之間的關系，這樣從源頭清楚主要資料結構，以及他們之間的關系。
表結構是資料分析的第一性原理，防懵逼指南。
3、還需要了解每次産品更新情況，是否修改了已有的業務流程，修改的字段是否對需要統計的資料有影響。
好好的資料為啥就不準了，原因很可能來自産品更新了。
4、新人對于業務熟悉，不要貪大求全，大公司的産品架構複雜到連好幾年的産品負責人都不可能了解方方面。
最好根據業務拆解，先了解某些業務線，某個方向熟悉透了在橫向擴充。
招數二、資料分析方法
5、常見的資料名額分類
資料分析的基礎是要對整體業務建立資料名額體系，不同行業對名額的側重點也不一樣，但也有遵循的基本原則，比如可以參考常用的資料名額分類
使用者資料： 新增使用者，留存使用者，管道來源，dau（日活）/mau(月活)；
行為資料：pv、uv、通路時長、轉行率、跳出率；
業務資料：gmv、人均消費、付費人數、付費頻次；
6、對比分析
有了資料名額，最常見的分析就是對比分析。
沒有對比就沒有傷害，對比才知道資料的價值；
比什麼呢？
柱狀圖是 數量， 折線圖是 比例。一般資料分析比的就是這兩樣值。
那怎麼比呢？
一個名額可以比同比和環比，看看有什麼變化，如果變化大那麼是需要下鑽分析。
和誰比呢？ 可以和時間比，和不同業務線比，和同行業比；
比如時間上可以按月度，周，天進行對比；
業務線上比如A管道和B管道對比，C類目和D類目對比；
同行業上比如dau上，大家經常拿 淘寶和京東對比。
7、多元度拆解
當一個名額有變動的時候，影響該名額的因素很多，這個時候就可以用多元度拆解。
比如最訂單申請量提升比較明顯，老闆讓你找找原因。單訂單申請量這個名額太大了，可以看不同次元拆解：
比如管道次元，是自營app還是微信端的申請大了，比如按新客戶和老客次元: 分析是新客多了，還是老客多了；
按商品次元：是家電還是日用品的使用者多了；
經過拆解之後，我們可能會找到訂單申請量的真正原因。
8、轉化率分析
在日常工作中形成這樣一份轉化率漏鬥圖，然後定期觀看轉化率的變化，如果某個轉化率波動很大，或者值很低，那就是問題了。
轉化率是産品和營運經常要考慮的事情，比如一次營銷活動，一次産品改版之後，當流量不變的情況下，是否轉化了更多的客戶。
招數四、資料工具使用
資料工具包括excel、ppt、資料可視化報表、sql、python等，工具不要求貪大求全，但求最适合自己。
新人也不一定一定要先掌握python就能做資料分析。
9、excel
excel能很快速的生成各種圖表，生成切片器以及通過透視圖可以多元度統計資料。
深深的感覺在excel如此強大的功能面前，自己就是一個白癡。
10、ppt
ppt主要是輸出資料分析結論和彙報，内容可以包括分析目标、過程、分析結論等。
我堅決反對過度ppt的文化氛圍，但是每一份優美的ppt背後都有大量的資料支撐。
11、資料可視化
如果要形成固定的分析模闆可以考慮做成資料可視化報表，資料可視化報表可以采用quick bi等第三方，也可以自研。
可視化是效率提升的好工具，可惜我們是自研。
12、sql和python
sql用作做正常的取數，python要看自己處理資料的大小，如果你是業務資料分析并資料量不是特别大，python也不是必須的。
招數四、産品思維
資料思維和産品思維不分家，資料分析不是閑得慌來炫技，其本質是促進産品的優化。
知道了資料分析方法， 接下來就是如何發現問題，去驅動業務改進。
13、提出問題
以天、周、月的次元對資料進行監控，監控的目标是發現異常點，以及對某個議題進行專項分析。
如果最近某個名額的轉化率特别低或者特别高，那就需要分析，找出原因，好的點要堅持，不好的點果斷解決。
14、資料論證
很多問題很淺顯能直接得出結論，有些資料需要做專項分析，專項分析的核心是圍繞資料名額，進行多層級，多元度的拆解，要求邏輯嚴密，推導有理有據。
15、産品方案
通過資料論證找到了具體改進方向，那麼就可以形成營運和産品解決優化建議。
這也是日常産品優化需求的重要來源。
16、上線驗證
産品上線之後相同的名額還需要統計進行複盤，以評估産品上線效果。
招數五、多避坑
17、統一口徑
不同的公司裡面，一個名字叫法一樣的資料名額的統計口徑往往不相同。
因為每個人的大家資料來源和計算方式都可能不一樣。是以需要對同一個資料名額進行口徑共識，然後才可以去開展工作。
道路千萬條，統一口徑第一條。
18、避免成為取數工具人
懂得了業務資料分析的技能，要避免成為團隊取數工具人，如果凡事有誰需要資料就喊你，這樣可能會疲于奔命，最後什麼都幹不好。
每次資料分析結果都要有分析結論，哪怕是分析不出來結論要找原因，是分析方法不夠豐富、還是分析次元不夠細，還是資料本身有問題。
分析方法原因可以學習，分析次元可以細化，資料本身問題可以推進埋點和日志改進。
19、資料錯誤
資料錯誤不管是大公司小公司，都會面臨的，有時候核對好的資料，過幾天發現不正确了，更别說平時不看的資料名額。
有時候大量的時間都花在資料錯誤原因查找方面，誰苦誰知道。
對此隻能加強資料治理，力求在源頭上盡量少污染。
20、抓住重點
一個公司的資料名額很多，每個名額的次元有很多，抓住重點才能找到突破口，快速出結論，不然就會被細碎的資料吞噬。
當然抓住重點的能力和對業務的熟悉程度有正相關。
最後
以上20招望讀者朋友勤勉練習，不定期交流，不可半途而廢。
此技能保存期限：終身受用。