邱军雅博客
精益数据分析之认识数据和数据误区

强调一点

“数据”本身具备天然的客观性,无论我们是否触碰它,它已经发生并且就在那里。而在面对海量数据的时候,我们更像是一个“求知者”,如果我们希望在数据当中找到答案,我们更应该带着一个“求证”的态度,去读取,去分析,去解读。

产品经理数据上要学习的要求

第一、学习如何提出数据统计需求
提出数据需求的过程,是一个“界定产品目的和目标,根据目标提出假设、预判产品效果“的过程,要求对功能目标、功能预期效果有完整且清晰的掌握。
第二、学习如何解读数据
对数据足够敏感,能够敏锐的发现数据当中的隐含信息,并通过逻辑推理,进一步提出好的追问和假设,然后通过数据或其它手段来验证。

一个完整的数据需求包括:

  1. 功能设计方案
  2. 功能目的和目标
  3. 功能上线后需要跟踪的数据指标,及指标精确定义

案例:网站注册流程功能的数据统计需求:
1. 注册流程的完整方案设计文档
2. 做这个功能的意义:让所有新用户快速完成注册流程,并正确提供所需的必要个人信息。
3. 所需指标及定义:围绕2中的目标设计所需的数据指标,思考哪些数据指标,可以描述目标完成情况;比如,每一个注册环节的用户跳出率,每一个注册填写字段的出错率,各类注册错误的出现频次分布等。

数据误区:忽略沉默用户

案例

经第三方调研机构,对网站A和网站B进行改版满意度调研,结果显示A的改版满意度为20%,而B为80%。
本次调研,并未考虑参与调研用户数量,占网站整体用户的比例。网站A中大部分用户其实并未参与调研,而这部分用户对改版到底是什么态度,其实在调研结论中并不知道。
典型问题:忽略沉默用户

用户迫切需要的需求 不等于 产品的核心需求

你所听到的需求,或许只是少部分用户迫切需要,而大部分用户并不在乎。
结论:没有始终全盘的去考虑用户需求,听到用户声音的时候就做出了决策,而忽略了产品大部分目标用户的核心需求。

数据误区:过分依赖数据

过分依赖数据:一方面 会让我们自己做很多没有价值的数据分析;另一方面 也会限制产品经理本来应有的灵感和创意。
很多优秀甚至伟大的产品决策,并非通过数据发现的,而是一个PM综合智慧的体现。作为一位产品经理,要有独立思考和灵活判断的智慧。

数据误区:错判因果关系

所谓因果关系,就是A的发生,导致了B的发生。比如醉酒驾驶导致交通事故,那么醉酒就是交通事故的原因之一。
所谓相关关系,就是A和B两件事情的出现,都是出自同一个原因,数据上显示火锅消费高峰期和冰激凌消费低谷总是同一个阶段出现,而这两件事情都有同样一个原因,即天气变冷,气温下降。
例子:某电商网站数据显示,商品评论的数量与商品销售额呈正比,即一个商品评论数量越多,那么该商品的销售额也会越高。
但商品评论数据可能并不是商品销量的主因,可能是商品质量,面对人群,季节等其余因素也占有相当重要的作用。
重新审视生活中的常识,是否是因果关系?
玩网游让学生成绩变差?
打篮球让人长高?

数据误区:警惕表达数据的技巧

控制纵轴或横轴的坐标范围,可以处理数据,让数据变为另一个样子。

数据误区:不要妄谈大数据

什么是大数据?

三个要素:用全部数据、注重相关关系、全新的计算方法
所谓采用全部数据,就是当通过数据分析一个问题的时候,涉及到所分析问题的所有数据都必须纳入到计算范围当中,无论是常规合理数据,还是一些异样的样本数据都必须包含。甚至传统数据分析中可能都完全忽略的数据,都需要包含在大数据分析当中。
所谓注重相关关系,即通过大数据分析,最终分析获得并关注数据当中的相关关系,并通过相关关系知道分析、决策、预测,但对因果关系的探索,将不再是这种数据分析所关注的核心内容。
所谓全新的计算方法,即大数据分析,其计算过程不再是传统数据分析中,必须精确统计、不容许任何脏数据、错误数据的分析方法,而是包含了各类混杂数据的简单相关性计算。

赞赏

发表评论

textsms
account_circle
email

邱军雅博客

精益数据分析之认识数据和数据误区
强调一点 “数据”本身具备天然的客观性,无论我们是否触碰它,它已经发生并且就在那里。而在面对海量数据的时候,我们更像是一个“求知者”,如果我们希望在数据当中找到答案,我们更应该带…
扫描二维码继续阅读
2016-03-18