数据分析很痛苦？5类问题建议、8大分析方法帮到你

“对数据敏感，能够通过数据分析与反馈，不断改进和优化产品”之类的招聘要求屡见不鲜。诚然，数据分析能力已经成为产品经理不可或缺的技能。数据的敏感度和分析能力的高低，往往可以看出一个产品人的功底。笔者虽说几乎天天和数据打交道，但始终觉得要获得能力进阶，仍需进行系统性的学习和实践。因此本文作如下梳理和思考，希望对大家有所帮助。

一、本文目的

列举常见数据分析问题，自我反思对症下药。

给出一些分析思路，提升日常数据分析效率。

学习日程制定指引，逐步掌握数据分析工具。

二、文章框架

5大常见问题

学习动力

日常分析类型

分析思路

制定学习日程

数据分析工具（excel、文末赠送学习礼包）

三、为啥要学数据分析

你可能会说，这不是废话吗？！肯定要学啊！不过笔者还是要强调下：没有足够的驱动力，顶多也是三天打鱼，难以为继。

数据分析有啥好处？一句话总结就是：数据改变生活。

哈，有点扯。随便贴几点吧，每个人的动机都不一样，有用就好。

四、5大常见问题

这两周，通过调研和自我反思，同学们在数据分析这个环节上，主要集中在5大问题，笔者简称之为“4无1不”，若未能妥善解决，将严重影响工作的效率和身心健康。

1. 无思路：数据杂乱，不知到从何入手

成因：分析的业务目标不清晰，导致数据采集过剩；分析方法与分析的场景不懂得如何结合，导致无从下手。

对策：第一步，理解业务背景和业务目标；熟悉各分析方法及应用场景，后面有介绍。

2. 无侧重：分析逻辑不严谨，生搬硬凑乱猜想

成因：未整体考虑对数据造成波动的可能原因，将相关性指标用作为因果关系指标，成为了“为了分析而分析”。

对策：数据分析应形成闭环，确定分析目标——采集数据——列举可能原因（金字塔/公式化思维，后面介绍）–验证猜想–得出分析结论–后续优化对策

3. 无规划：分析时，却发现数据缺失，采集难度高

成因：对所上线产品的价值收益不清晰，未提前规划观察指标及进行相关的数据采集需求开发，巧妇也难为无米之炊啊！

对策：明确产品的成功指标，可提前构思分析思路，进而反推所需的数据需求细节

4. 无记录：数据异常，却不知道做了什么

成因：团队内部信息同步不及时。可能是活动导致的产品数据暴增，或者产品更新导致系统故障数据下跌

对策：建立团队内部的协作机制，信息及时同步至共享平台。如：运营活动上线前X天，及时同步至产品相关活动规划，并做好备份记录和通知相关部门。

5. 不熟练：对分析工具不熟悉，分析耗时大

成因：分析工具如excel，若不是在学校有专门课程，基本是自学或者报相关课程，工作忙没抽时间单独学习是根本原因

对策：建议列出自己的薄弱环节，有针对的找相关的课程学习，如果是小白，建议系统地学学，后面会涉及。

五、日常分析类型

日常的数据分析类型可以从四个角度去归类：产品设计五要素、数据类型、产品进化流及时间。

分类的目的是为了帮助我们更好地理清日常数据分析的场景，以便更有针对性地进行整理归类、前置学习储备，比如说：数据类型纬度中，提前整理好存放用户数据、交易数据的数据库及表字段，可以提高数据采集时的效率；整理好项目周报的报表格式，有数据增加，直接更新即可。

1. 从产品设计五要素看

战略层的数据多留点心思，老板们会不定期地问起，找数据比较久就比较尴尬了。

2. 从数据类型看

下面的数据，在个性化推荐或精准营销场景会用得非常的高频，数据的质量决定了推荐效果的好坏。