我做数据分析的5个技巧

我最近带着团队在PMTalk的经营数据和产品数据分析。

我发现很多产品经理即使从事数据产品经理工作，其实并不擅长做数据分析，看着冷冰冰的数据，不知道该怎么找出产品哪里出问题了？到底应该怎么做？

在通过埋点开发或第三方现成工具给我们大量的数据分析得到结果后，实际上我们是方法可以借鉴做数据分析的。

1.数据分析主要是得到什么？

1.洞察规律

通过规律我们可以预测接下要发生的事故，同时从海洋的数据里捞取一些固定的定律，比如我们做产品经理社区，就知道周一到周四是产品经理活跃时间的高峰，一到节假日和周末产品经理社区就没人逛，因为人性是懒惰的，大家都不想在周末学习。

所以那些利用假期学习的人，除非意志力超强，否则基本就很难完成学习计划，因为我们提前从数据概率上是少部分人可以做到了。

2.发现问题

我们做数据分析，还有一大结果就是看当前的运营问题，每个月我都会停下脚步来观察社区的投稿数量、用户停留时间、付费数，从产品数据、用户数据、用户行为数据去评估员工绩效成绩。

比如新招募的员工后在入职的第一个月、第二个月、第三个月业务的数据指标有没有变化，这是我们可以看得到的。

当绩效评判标准模型沉淀久了，就可以成为业务健康度的评判指标。所以你可以看到很多公司都会用数据分析沉淀的业务模型来评估健康度。

5个数据分享的技巧

1. 周期环比

任何数据指标的数值都可以通过实践来计算环比，环比才能证明运营效果、产品版本的变化，没有环比数据就是一个冰冷的数值，没有任何意义。

周期环比一定要拉长时间，从1年、到季度、到每个月，尽可能数据能够长期对比才能发现每个版本的产品效果、运营质量。

许多第三方工具并不支持全量数据查阅，需要进行付费才能查询，所以提前建立好表单进行归纳汇总。

2.平均数据趋势

环比是某个数据的某一天或某一时期相比之前的进行对比，而平均数据值则是反映出了某个版本后周期的数据效果。

举个例子用户新注册用户数、商品浏览数，通过平均数值可以观察后续版本下的平均数是否有浮生增加。比如上图总，STD越变化明显，说明版本和运营策略更有效。

平均数是描述定量数据的集中趋势，主要适用于定量数据。考虑最简单的算术平均数，定义如下：

一个数列的平均数等于它们的和除以它们所含数据的个数，可以用标准差来衡量其中数据的离散情况，看到业务的变化好坏。这部分计算通常不能用累计数据，一定要用新增数据值，比如订单新增、用户量新增、访客新增这类数据。

3.PV/UV 占比

产品上线后，独立的访问用户数数量如何？同时用户是否感兴趣你的产品？其实可以通过总的页面访问数除以独立用户得到这个结果。

有的时候因为某些活动单独上线了功能，就会包含更多的页面，造成了这种比例上浮。

pv和uv的区别是PV具体是指网站的是页面浏览量或者点击量，页面被刷新
一次就计算一次，UV指访问网站的一台电脑客户端为一个访客。
UV访客的统计是24小时内相同的客户端只被计算一次

我们在计算的时候一定要取全量的PV数据和UV数据,才能得到好的数据效果

4.ROI的计算

ROI计算的前提是一定要划分周期，比如产品研发周期里，产品是没有产出的，所以一定是负面的。

把研发周期和产品的冷启动期、增长期、和稳定期拉通计算，来计算整体的ROI数值大小，才能得到比较合理的数值。

要注意这个周期通常是以月、季度、或年来计算。

在一般情况下，在一般情况下,roi在5至20之间比较合适,不同行业的情况不一样,因此roi也会不同。

这里的成本包含了服务器、人力、以及推广费等，不能只算人力工资。

5.波峰和波谷的周期规律

每一个波峰之间的间隔，波谷之间间隔，同时数量多少是我们可以计算出来的，很多数据分析的横坐标是时间轴，观察时间当天的运营和版本事件。

这是非常基础的工作，同时也是最有效益的数据分析工作。数据分析可以将其变为直方图，通过直方图来确定其中的横纵坐标。

这一点大家可以借鉴产品生命周期和康波周期，我们做产品上线后数据的效果也符合这类规律。

今天的分享就在这儿。

对了，我亲自带班的21天后台产品经理训练营，在6月24号第九期正式开班。限30人的小班级，班主任带班。

6月24开班，第九期《21天后台训练营》30人报名！

课程课表