真正厉害的产品经理，都是“数据思维”的高手！

市场上老有消息称，拼多多超过京东，成为国内仅次于阿里的第二大电商平台。

这个消息结论是否可靠呢？

我随手翻了几个信息，整理如下：

通过上面数据能知道：京东在市值、GMV上都超过拼多多——仅从这两个角度看，不足以支持拼多多超过京东的结论。

在订单量上，拼多多远超京东——这得益于拼多多客单价低、京东客单价高。如果仅从这个角度看，勉强可以说拼多多是超过京东。

当时如果进一步分析，比如分析GMV，拼多多的增长速度是远超京东的，如果按照这个数据推测，拼多多超越京东就在这一两年。

结论靠不靠谱，都可以靠数据验证。

今天三哥概述下产品经理的数据思维。

一、数据对产品工作的价值

数据的价值，如何强调都不为过。不同的数据对不同的人价值不一样，同样的数据对不同的人价值也不一样。对于产品来说，数据的价值主要体现在以下几个方面：

1. 发现产品存在的问题

老板通过公司经营指标发现公司经营存在的问题。

CFO通过财务指标发现公司财务健康状态。

产品经理通过业务数据可发现产品中存在的问题。

业务数据的背后是每个用户的行为的堆砌。如果数据有波动，一定是某些节点不同于往常，需要重点关注。

落地页到注册的转化率比前几天有下降。是不是新上线功能影响的？是不是用户推广渠道变化导致用户质量变化？

详情页到下单的比例有下降，是不是有bug？是不是优惠政策变化带来的影响？是不是新功能导致操作路径变长了？

数据波动的点，就是问题点，就是我们当前工作的重点。

2. 辅助产品经理做决策

A方案和B方案，如果有数据支撑，能证明A方案比B方案好，那直接使用A方案。

A方案和B方案，如果暂没有数据支撑，不知道哪个优劣，可以做A/Btest，A/Btest上线后的数据表现，来决定我们是选择A还是选择B。

不管哪个方案，如果数据表现向好的方面发展，要放大这个效应，全面去应用让数据好转的措施。如果数据表现向不好的方面发展，快速定位导致数据波动的真正原因，给予解决。

不管是产品方向的决策，还是产品方案的决策，都能通过数据来指导。

3. 评估新上线功能是否达标

每个新上线功能，有且只有一个最合适的指标来评估其效果。

如果一个功能需要多个指标来评估，要么这个功能不只一个功能，要么指标选择不对。

功能上线前，需要确定最合适的评估指标是什么？该指标能到达什么值？

功能上线后，需要跟进该指标，分析指标实际值、原值和目标值情况。

实际值<原值，效果不如之前，赶紧回滚到原来方案，然后排查原因是什么？来确定放弃还是继续迭代。

原值=<实际值<目标值，说明没有让该方案变得相比原来更差，但实际值为何低于目标值？低多少？是否有提升空间？分析清楚后再评估是继续改进还是放弃。

实际值>=目标值，说明达到目标，甚至超过预期，尽快大范围推广该功能，或举一反三，用类似思路去改造其他功能。

二、产品经理的数据观 1. 无数据，不工作

对于产品经理起来说，新工作没有数据做指导，工作重点不明、方向不清。已做工作没有数据做指导，工作效果不明、迭代不清。

只有有数据的支撑，我们才能更加有理有据、走在做正确的事情的路上。

2. 数据让一切问题无处可藏

线上bug，第一时间反馈在数据波动上；

产品流程不畅、体验不佳，第一时间反馈在转化漏斗上；

内容对产品没有吸引力，第一时间反馈在跳出率上；

推广渠道质量不好，第一时间反馈在和其他渠道对比的数据上。

总之，我们的产品问题，都逃不过数据的法眼。

3. 用好数据即可，不需要我们成为数据产品经理或数据分析师

数据产品经理是搭建数据平台、为各数据需求方提供工具的人。

数据分析师，是从类似独立三方的角度来满足公司各数据需求方出数、分析数据、给分析建议的人。

产品每天看数据、随时看数据，但并不需要我们成为他们。

专业的人干专业的事，我们要做的是善于用已有的数据平台、已有的资源来获得我们需要的数据。

对于经常要看的数据，可固化或产品化。对于非常规数据，借助他人的力量完成。