产品经理需要数据分析能力。这类岗位无一例外都要求必须具备一定的数据敏感度以及数据分析能力。
产品经理需要分析的数据有很多，就是基础数据。基础数据就是下载量、激活量、新增用户量、活跃用户等。还有社交产品，社交产品有用户分布、用户留存等。还有电商。淘宝指数、网站流量、跳出率、页面访问深度等。同时还有内容类，内容转化率、留存量。工具类就是功能点击量、应用商城排名。
作为产品经理，分析数据是最基本的技能。掌握以下技能能够让你在分析数据的时候如虎添翼1，基本的数据库结构，学习一些数据库的相关知识，了解数据库是如何搭建，如何运行的。
用更科学的方式进行一些组合和权重，得知用户满足哪些行为之后，付费的可能性会更高。以上这几种数据分析的方法论，仅仅掌握单纯的理论是不行的。产品经理们需要将这些方法论应用到日常的数据分析工作中，融会贯通。同时学会使用优秀的数据分析工具，可以事半功倍，更好的利用数据，实现整体增长。
最近我系统性的学习了产品经理数据分析课程，觉得其中“9种数据分析方法”非常实用，现总结下来，并结合自己的理解做一个汇总。
1、具体方法为找到所有流程里面的事件，设置流程的流入与流出页面，将所有的事件放在这个流里，用数据工具进行分析。 在进行分析之前，要搞清楚分析的目的，一般适用于以下两种场景： 1）有明确的起始场景。希望分析数据，观察这个场景之后到底发生了什么 1）有明确的结果目标。
2、产品经理不能为了数据分析而分析，而要将落脚点放到产品和用户上。数据分析应该帮助产品经理不断优化产品设计和迭代，驱动产品和用户增长。 当我们上线了一个新的产品（proct）或者功能时，需要对其进行数据监控和衡量（measure）。然后从监控中采集到产品的用户行为数据（data），并对这些数据进行分析和总结（learn）。
3、在数据指标是很科学的体系的情况下，数据分析得出的结论确实比主观的臆断会更具有确定性和说服力。那么，产品经理在管理一个互联网产品时，到底需要关注哪些数据呢？一般来说，我们主要关注的有以下几个方面：网站流量数据。比如访问量、点击量、浏览量、转化率、停留时间等等。
1、应具备的是良好的行业研究与分析的能力，能够对当前的行业进行准确的判断、洞察行业的发展趋势，在正确的时间做正确的事。数据分析跟多公司再看数据的时候喜欢看“数据结果”却不看“数据原因”。单纯的数据现象并没有什么大的意义，而它背后的原因才是值得我们去研究的。
2、我认为合格的产品经理应该具备的技能包含：学习能力、逻辑能力、项目管理能力、沟通能力、文档能力和抗压能力，如果想成为一个优秀的产品经理，那产品感也是非常重要的。工具篇做个产品经理得会画原型吧，应该要懂得怎么把想法与需求转化成技术、开发懂的语言。
3、第一，用户调研的方法和效率，首先要确定产品市场的用户特征和用户需求，然后选择采用电话访谈、问卷调查、实地考察、用户观察，还是团队聚焦讨论，不同的用户调研方法决定了不同的调研效率，用户的反馈对产品设计至关重要，是作为产品设计评估的重要参考，而选择哪一种调研方法，是优秀产品经理所必须具备的工作经验。
1、比例值：需要看比例值才能获得相关价值的数据，例如留存率、活跃占比等数据 所以对比分析主要是分析比例值。往往我们有两种比较方式： 1）同比：指当前时间范围某个位置的数值与上一个时间范围的相同位置的数据对比，英文是：Same period last year/month/day。例如5月第一周同比4月第一周。
2、逻辑树分析法面对复杂问题，逻辑树分析法是你的解谜利器。无论是求职面试中的估算问题，如“全国产品经理数量”或“深圳地铁高峰期客流量”，还是生活中的日常考量，如小摊收益，逻辑树都能帮助你拆解难题，将抽象概念量化。 多维度拆解分析法评价事物时，不妨借鉴这个方法。
3、在实际的运用中，4P、PESTEL和SWOT多用于宏观的问题分析，例如行业研究等。而作为产品经理日常的数据分析工作，大部分还是集中在具体的业务数据，最大大致整体产品数据的分析。
4、分组分析法：按照数据特征，将数据进行分组进行分析的方法。其他还有比如漏斗图分析法、杜邦分析法、矩阵关联分析法等等。（数据分析方法可以参考：《谁说菜鸟不会数据分析》一书）PS：数据分析的方法有很多种，在进行数据分析的时候，选择有效的数据分析方法，能达到事半功倍的效果。
5、会问问题也是一种能力，问问题能帮我们理清思路，查漏补缺。4P模型是经典的营销分析理论模型，最早于20世纪60年代提出。4P指的是4个“P”开头的英文单词，即Product（产品）、Price（价格）、Place（渠道）、Promotion（促销）。可以从这4个因素出发进行营销组合，分析产品的现状，调整推广手段。
6、首先给大家说一下产品经理需要分析哪些数据？产品经理需要分析的数据有很多，就是基础数据。基础数据就是下载量、激活量、新增用户量、活跃用户等。还有社交产品，社交产品有用户分布、用户留存等。还有电商。淘宝指数、网站流量、跳出率、页面访问深度等。同时还有内容类，内容转化率、留存量。
1、逻辑树分析法面对复杂问题，逻辑树分析法是你的解谜利器。无论是求职面试中的估算问题，如“全国产品经理数量”或“深圳地铁高峰期客流量”，还是生活中的日常考量，如小摊收益，逻辑树都能帮助你拆解难题，将抽象概念量化。 多维度拆解分析法评价事物时，不妨借鉴这个方法。
2、常见的数据分析方法（一）内外因素分解法内外因素分解法是把问题拆成四部分，包括内部因素、外部因素、可控和不可控，然后再一步步解决每一个问题。社交招聘类网站，一般分为求职者端和企业端，向企业端收费方式之一是购买职位的广告位。
3、对比分析法：将两个或两个以上的数据进行对比分析，分析其中的差异，从而揭示这些事物发展变化的规律和情况。对比分为横向对比和纵向对比。结构分析法：被分析研究总体内各部分与总体之间进行对比分析的方法，即总体内各部分所占的指标。
访谈数据。可能有些公司会做一些调查问卷，如果能够按照统计学规范设计成量表，那么这种访谈数据也是很有价值的。一般的统计就能从里面了解不少信息，如果问卷设计合理，还可以利用多元统计的方法进一步挖掘更深入的信息。4．财务数据。
其实最主要的是，你需要把公司的盈利当做自己的事情来做，只要一心想提高销售，就可以想出无数办法，分析出无数个点。保证自己每天打开的电脑的第一件事就是看昨天的销售和今天的库存。
除了最大限度的了解你的客户以外，还有一个重要的事情是要经常和你的目标用户画像做对比，以及时调整产品策略或推广渠道推广渠道分析：用户行为分析：营收不说了，一个需要学数据分析的产品同学恐怕离营收还比较遥远，赚钱也是一很深的学问当然是从你手里最重要的项目做起。
单独进行产品用研与需求挖掘发现规律不一定需要很高深的编程方法，或者复杂的统计公式，更重要的是培养一种感觉和意识。不能用你的感觉去揣测用户的感觉，因为每个人的教育背景、生活环境都不一样。很多数据元素之间的关系没有明显的显示，需要使用直觉与观察（数据可视化技术来呈现）。
产品经理在日常工作中，最重要的是要提高数据分析能力，除了数据产品经理，其他产品经理并不需要数据挖掘能力。而提高数据分析能力，则要建立数据分析的知识体系和方法论。 这两年，随着大数据、精益化运营、增长黑客等概念的传播，数据分析的思维越来越深入人心。
