概率论与统计学统计学的题目，教会我立马发现金红包。 看图片，那个0.7怎么来的。
点击联系发帖人
时间：2018-01-08 08:30
教我做概率统计学题目，教会立马转现金红包。 那个画红线的地方用的什么公式。 这是正态分布的内容。_百度知道
教我做概率统计学题目，教会立马转现金红包。 那个画红线的地方用的什么公式。 这是正态分布的内容。
我有更好的答案
这个画线的地方没有看懂诶，
我加你了，你同意一下
为您推荐：
其他类似问题
换一换
回答问题，赢新手礼包
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。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。&br&&br&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。处于互联网最前沿的产品经理们接触了大量的用户数据，但是却一直困扰于如何做好数据分析工作。&br&&br&那么产品经理该如何搭建自己的数据分析知识体系？数据分析的价值又在哪里？产品经理做数据分析有哪些具体的方法？又如何学习数据分析？本文将和大家分享一下这些问题。&br&&br&&br&&b&Part 1 | 数据分析体系：道、术、器&/b&&br&&br&「道」是指价值观。产品经理要想是做好数据分析，首先就要认同数据的意义和价值。一个不认同数据分析、对数据分析的意义缺乏理解的人是很难做好这个工作的。&br&&br&「术」是指正确的方法论。现在新兴的「Growth Hacker」（增长黑客）概念，从 AARRR 框架 ( 获取、激活、留存、变现与推荐五个环节）入手进行产品分析，这是一个非常好的分析方法。&br&&br&「器」则是指数据分析工具。一个好的数据分析工具应该能帮助产品经理进行数据采集、数据分析、数据可视化等工作，节省产品经理的时间和精力，帮助产品经理更好理解用户、更好优化产品。&br&&br&&br&&br&&b&Part 2 | 数据分析的价值&/b&&br&&br&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。&br&&br&&figure&&img src=&https://pic1.zhimg.com/2d98f7ef54d30661fce1c_b.png& data-rawwidth=&593& data-rawheight=&329& class=&origin_image zh-lightbox-thumb& width=&593& data-original=&https://pic1.zhimg.com/2d98f7ef54d30661fce1c_r.png&&&/figure&&br&当我们上线了一个新的产品（product）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）。最后从分析中得出结论和观点（idea），如果数据证明我们的新产品/功能是优秀的，那么可以大力推广；如果数据说明我们的产品还存在问题，就需要对产品进行新一轮的优化（build）。&br&&br&在「产品——数据——结论」的不断循环中，我们不断用数据来优化我们的产品，加快产品迭代的步伐、提升用户体验。&br&&br&&br&&br&&b&Part 3 | 数据分析的方法&/b&&br&&br&&i&&u&1. 流量分析&/u&&/i&&br&&br&a. 访问 / 下载来源，搜索词&br&网站的访问来源，App 的下载渠道，以及各搜索引擎的搜索关键词，通过数据分析平台都可以很方便的进行统计和分析，分析平台通过归因模型判断流量来源，产品经理在分析这些流量时，只需要用自建或者第三方的数据平台追踪流量变化即可，第三方平台如 Google Analytics 、&a class=& wrap external& href=&//link.zhihu.com/?target=https%3A//www.growingio.com/%3Futm_source%3Dzhihu%26utm_medium%3Dqa%26utm_campaign%3Dqutm_content%3Dpm-data-analyse-study%26utm_term%3Ddata-analyse& target=&_blank& rel=&nofollow noreferrer&&GrowingIO&i class=&icon-external&&&/i&&/a& 等；&br&&br&b. 自主投放追踪&br&平时我们在微信等外部渠道投放文章、H5 等，许多产品都会很苦恼无法追踪数据。&br&分析不同获客渠道流量的数量和质量，进而优化投放渠道。常见的办法有 UTM 代码追踪，分析新用户的广告来源、广告内容、广告媒介、广告项目、广告名称和广告关键字。&br&&br&c. 实时流量分析&br&实时监测产品的访问走势，尤其要关心流量异常值。举个例子，某互联网金融平台因为一个产品 Bug 导致用户疯狂抢购造成的流量峰值，产品经理发现实时数据异常后迅速下线该产品修复 Bug，避免了损失扩大。&br&&br&&figure&&img src=&https://pic4.zhimg.com/83fbb2591cfa7a0afebfdb_b.png& data-rawwidth=&760& data-rawheight=&394& class=&origin_image zh-lightbox-thumb& width=&760& data-original=&https://pic4.zhimg.com/83fbb2591cfa7a0afebfdb_r.png&&&/figure&&br&&br&&i&&u&2. 转化分析&/u&&/i&&br&&br&无论是做网站还是 App，产品里面有很多地方需要做转化分析：注册转化、购买转化、激活转化等等。一般我们借助漏斗来衡量用户的转化过程。&br&&br&&figure&&img src=&https://pic3.zhimg.com/1bb9a2ef80d7e781a366_b.png& data-rawwidth=&557& data-rawheight=&367& class=&origin_image zh-lightbox-thumb& width=&557& data-original=&https://pic3.zhimg.com/1bb9a2ef80d7e781a366_r.png&&&/figure&&br&影响转化率的因素很多，我们总结了三个大的方面：渠道流量、用户营销、网站 / APP 体验。以渠道流量为例，通过优选渠道并且量化分配我们的投放资源，可以有效提升总体的转化率。&br&&br&更详细的转化分析方法，可以参考我之前的这篇回答 &a href=&https://www.zhihu.com/question//answer/& class=&internal&&如何提升转化率？ - 张溪梦的回答&/a& 。&br&&br&&br&&i&&u&3. 留存分析&/u&&/i&&br&&br&在互联网行业里，通常我们会通过拉新把客户引过来，但是经过一段时间可能就会有一部分客户逐渐流失了。那些留下来的人或者是经常回访我们公司网站 / App 的人就称为留存。&br&在一段时间内，对某个网站 / App 等有过任意行为的用户，称之为这个网站 / App 这段时间的活跃用户，这个任意行为可以是访问网站、打开 App 等等。&br&&br&现在大家经常会用到所谓的「日活」 （日活跃用户量，DAU）、「周活」 （周活跃用户量，WAU）来监测我们的网站，有的时候会看到我们的「日活」在一段时期内都是逐渐地增加的，以为是非常好的现象，但是如果没有做留存分析的话，这个结果很可能是一个错误。&br&留存是产品增长的核心，用户只有留下来，你的产品才能不断增长。一条留存曲线，如果产品经理不做什么的话，那么用户就慢慢流失了。&br&&br&&figure&&img src=&https://pic1.zhimg.com/28a746bbde0d98_b.png& data-rawwidth=&1037& data-rawheight=&472& class=&origin_image zh-lightbox-thumb& width=&1037& data-original=&https://pic1.zhimg.com/28a746bbde0d98_r.png&&&/figure&&br&&br&这是一个常见的留存曲线，我把它分成了三个部分：第一部分是振荡期，第二部分是选择期，第三部分是平稳期。&br&&br&从产品设计的角度出发，找到触发留存的关键行为，帮助用户尽快找到产品留存的关键节点。之前我们发现我们产品里面，使用过“新建”功能用户的留存度非常高；于是我们做了产品改进，将“新建”按钮置于首页顶部刺激用户使用，效果非常好。&br&&br&硅谷流行的 Magic Number（魔法数字）也是留存分析的一部分，比如 Facebook 发现「在第一周里加 10 个好友」的新用户留存度非常高。作为产品经理，我们也需要通过数据分析来不断探索我们产品里面的魔法数字，不断提高用户留存度和活跃度。&br&&br&更详细的留存分析方法，可以参考这篇文章 &a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&你能找到的最深入的留存分析文章 - 留存 · 增长 · Magic Number &/a& 。&br&&br&&br&&i&&u&4. 可视化分析&/u&&/i&&br&&br&用户体验，是一个非常抽象的概念，我们可以对其进行形象化。目前一个普遍的方法就是对用户的数据进行可视化，以热图的形式呈现。&br&&br&&figure&&img src=&https://pic1.zhimg.com/6e84caece6c_b.png& data-rawwidth=&1179& data-rawheight=&599& class=&origin_image zh-lightbox-thumb& width=&1179& data-original=&https://pic1.zhimg.com/6e84caece6c_r.png&&&/figure&&br&借助热图，产品经理可以非常直观了解用户在产品上的点击偏好，检验我们的产品设计或者布局是否合理。&br&&br&热图的概念、原理、类型和应用，可以参考这个回答 &a href=&https://www.zhihu.com/question//answer/& class=&internal&&热力图是什么原理? - 张溪梦的回答&/a& 。&br&&br&&br&&i&&u&5. 群组分析 & 挖掘用户需求、改进及优化产品&/u&&/i&&br&&br&千人千面，产品经理对用户精细化的分析必不可少。不同区域、不同来源、不同平台甚至不同手机型号的用户，他们对产品的使用和感知都可能存在巨大的差异。产品经理可以对不同属性的用户进行分群，观察不同群组用户的行为差异，进而优化产品。&br&&br&&figure&&img src=&https://pic4.zhimg.com/3fad2fd5b_b.png& data-rawwidth=&651& data-rawheight=&316& class=&origin_image zh-lightbox-thumb& width=&651& data-original=&https://pic4.zhimg.com/3fad2fd5b_r.png&&&/figure&&br&之前我们做过一次分析，网站的总体注册转化率是 6%；但是使用 Chrome 浏览器的新用户注册转化率高达 12%，使用 IE 浏览器的新用户注册转化率才 1%。这样一分的话，问题就很明显了，极有可能是浏览器兼容性的问题，产品经理应该关注一下这个问题。&br&&br&详细的群组分析操作流程，可以参考这个回答 &a href=&https://www.zhihu.com/question//answer/& class=&internal&&产品经理一般是怎么搜集产品不好用之处的？ - 张溪梦的回答&/a& 。&br&&br&&br&&br&&b&Part 4 | 数据分析的书籍&/b&&br&&br&做好数据分析，不是一朝一日就可以的，需要在产品规划设计、产品升级迭代中不断实践。下面的这些书籍对于产品经理学习数据分析都有一定的帮助：&br&&br&推荐 1： &a data-hash=&f44f1ceffbce& href=&//www.zhihu.com/people/f44f1ceffbce& class=&member_mention& data-editable=&true& data-title=&@范冰XDash& data-hovercard=&p$b$f44f1ceffbce&&@范冰XDash&/a& 的《增长黑客》&br&这是国内对于增长黑客的第一本详细介绍，作者从AARRR的视角切入，描述了大量产品优化、产品增长的案例，对于产品经理非常有益。&br&&br&推荐 2：埃里克·莱斯的《精益数据分析》&br&在这本书里面，作者介绍数据分析的相关指标、不同行业的数据分析要点，并且有大量的数据分析案例和翔实数据。如果想要把数据分析落地，这本书对产品经理是非常有帮助的。&br&&br&推荐 3：我们一直在做互联网行业数据分析知识的普及，目前我们已经做了 14 期「&a class=& wrap external& href=&//link.zhihu.com/?target=https%3A//www.growingio.com/%3Futm_source%3Dzhihu%26utm_medium%3Dqa%26utm_campaign%3Dqutm_content%3Dpm-data-analyse-study%26utm_term%3Ddata-analyse& target=&_blank& rel=&nofollow noreferrer&&GrowingIO&i class=&icon-external&&&/i&&/a& 数据分析公开课」，面向产品经理、运营等等，这里是 &a class=& wrap external& href=&//link.zhihu.com/?target=https%3A//www.growingio.com/%3Futm_source%3Dzhihu%26utm_medium%3Dqa%26utm_campaign%3Dqutm_content%3Dpm-data-analyse-study%26utm_term%3Ddata-analyse& target=&_blank& rel=&nofollow noreferrer&&GrowingIO&i class=&icon-external&&&/i&&/a& 的产品和分析师写的《互联网增长第一本数据分析手册》&br&这里面汇编了我们一年多来数据分析、产品优化的实战案例，里面不少文章被被大号转过，例如《如何成为一个优秀的数据产品经理》等等。&br&&br&下载电子版的分析手册，请参考这里 &a class=& wrap external& href=&//link.zhihu.com/?target=https%3A//blog.growingio.com/posts/hu-lian-wang-chuang-ye-gong-si-yong-hu-zeng-zhang-shi-zhan-mi-ji%3Futm_source%3Dzhihu%26utm_medium%3Dqa%26utm_campaign%3Dqutm_content%3Dzeng-zhang-shou-ce%26utm_term%3Ddata-analyse& target=&_blank& rel=&nofollow noreferrer&&互联网增长的第一本数据分析手册&i class=&icon-external&&&/i&&/a& 。&br&&br&推荐 4：埃里克·莱斯的《精益创业》&br&作者提出了最小可行性产品（MVP）、小步快跑，快速迭代等产品设计和优化的理念，影响深远。&br&&br&&br&&b&| 结语&/b&&br&&br&数据分析是一门多学科、多领域的交叉学问，涉及到的东西非常多。产品经理要想做好数据分析，应该有一套完整的思维体系，在价值观、方法论和工具三个层面上储备相关知识。同时立足于产品和用户，用数据来打磨产品，用数据来检验迭代，不断提升用户体验。&br&&br&&br&注：本文中热图、实时等产品功能均来自 &a class=& wrap external& href=&//link.zhihu.com/?target=https%3A//www.growingio.com/%3Futm_source%3Dzhihu%26utm_medium%3Dqa%26utm_campaign%3Dqutm_content%3Dpm-data-analyse-study%26utm_term%3Ddata-analyse& target=&_blank& rel=&nofollow noreferrer&&GrowingIO 官网 硅谷新一代数据分析产品&i class=&icon-external&&&/i&&/a& 。
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…
上图吧。&br&&br&&figure&&img src=&https://pic1.zhimg.com/21b84911dccc5fd493fa956d4b3dd7d4_b.png& data-rawwidth=&600& data-rawheight=&685& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&https://pic1.zhimg.com/21b84911dccc5fd493fa956d4b3dd7d4_r.png&&&/figure&
&figure&&img src=&https://pic1.zhimg.com/v2-ce3ddd28bc2dc_b.jpg& data-rawwidth=&1668& data-rawheight=&1080& class=&origin_image zh-lightbox-thumb& width=&1668& data-original=&https://pic1.zhimg.com/v2-ce3ddd28bc2dc_r.jpg&&&/figure&&blockquote&&p&本文是面向初级PM或对数据分析了解较少的PM们，下面的内容可以帮你进行简单梳理；&/p&&p&如果你是资深老鸟，请通过yuxiaosong#&a href=&http://link.zhihu.com/?target=http%3A//zhugeio.com& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&zhugeio.com&/span&&span class=&invisible&&&/span&&/a&邮箱联系我（我们在&b&招PM&/b& ：）&/p&&/blockquote&&h1&一、产品的「上帝指标」&/h1&&p&让我们从一个类比开始：&/p&&ul&&li&假如&strong&上帝&/strong&是&strong&产品经理&/strong&&/li&&li&那么&strong&地球&/strong&就是他的&strong&产品&/strong&（之一）&/li&&li&而&strong&人类&/strong&则是这个产品的&strong&用户&/strong&&/li&&/ul&&p&下面，让我们站在上帝的视角，梳理一下有哪些数据需要被关注：&/p&&figure&&img src=&https://pic1.zhimg.com/v2-d3e259102aeb1fb4f6bd30_b.jpg& data-rawwidth=&1348& data-rawheight=&754& class=&origin_image zh-lightbox-thumb& width=&1348& data-original=&https://pic1.zhimg.com/v2-d3e259102aeb1fb4f6bd30_r.jpg&&&/figure&&br&&ul&&li&&strong&新增&/strong&&ul&&li&上帝视角：地球上每年有1.4亿人出生&/li&&li&产品视角：新用户增加的数量和速度&ul&&li&产品平均每天有1000位新用户（日新增用户数）&/li&&li&产品上月新增了3万位用户（月新增用户数）&/li&&/ul&&/li&&li&微解读：新用户数量的快速增长，是产品增长的基础。&/li&&/ul&&/li&&li&&strong&活跃&/strong&&ul&&li&上帝视角：目前，地球上总人口数为70亿（70亿人活着）&/li&&li&产品视角：有多少人正在使用产品&ul&&li&产品平均每天有2千用户活跃（日活跃用户数，亦称「日活」或「DAU」）&/li&&li&产品上月共有5万名活跃用户（月活跃用户数，亦称「月活」或「MAU」）&/li&&/ul&&/li&&li&微解读：只有活着的用户，才有可能为产品带来价值。&/li&&/ul&&/li&&li&&strong&留存&/strong&&ul&&li&上帝视角：人类的平均寿命为72岁&/li&&li&产品视角：用户会在多长时间内使用产品&ul&&li&每100位新用户，在新增的第二天还有多少人使用产品？（次日留存率）&/li&&li&每100位新用户，在新增的一周后还有多少人使用产品？（周留存率）&/li&&/ul&&/li&&li&微解读：用户使用产品的时间越久（活的长久），对产品的潜在价值越大。&/li&&/ul&&/li&&li&&strong&传播&/strong&&ul&&li&上帝视角：一对夫妻一般会在23岁左右生下他们的第一个孩子，平均每对夫妇生育2个孩子&/li&&li&产品视角：&ul&&li&平均每位老用户会带来几位新用户？（病毒系数）&/li&&li&老用户一般在注册（新增）后多长时间带来新用户？（传播周期）&/li&&/ul&&/li&&li&微解读：如果你的产品，新用户主要靠病毒传播的方式增长，那么，只有在病毒系数大于1的时候，产品才可能出现爆发式的指数增长；同时，传播周期越短，增长速度越快。&/li&&/ul&&/li&&li&&strong&流失&/strong&&ul&&li&上帝视角：地球上曾经有1,080亿人生活过，如今都已逝去&/li&&li&产品视角：&ul&&li&一段时间内流失的用户，占这段时间活跃用户数的比例（流失率）&/li&&/ul&&/li&&li&微解读：只有当产品新用户增长的速度大于老用户流失的速度时，产品的活跃用户数才会是正增长。&/li&&/ul&&/li&&/ul&&p&为了便于理解和记忆，我们将上述指标统称为「上帝指标」：&/p&&figure&&img src=&https://pic4.zhimg.com/v2-1e24cc8c5ab555d78aeea2a1_b.jpg& data-rawwidth=&840& data-rawheight=&650& class=&origin_image zh-lightbox-thumb& width=&840& data-original=&https://pic4.zhimg.com/v2-1e24cc8c5ab555d78aeea2a1_r.jpg&&&/figure&&br&&blockquote&&p&「上帝指标」是我为了便于大家的理解和记忆所起的名字，如果你觉得它不够严谨，或者不喜欢，请忽略它 ：）&br&&/p&&/blockquote&&br&&h1&二、互联网产品的「AARRR」模型&/h1&&figure&&img src=&https://pic3.zhimg.com/v2-ffe48a95a8fc6e68b08a75b15e557d12_b.jpg& data-rawwidth=&322& data-rawheight=&456& class=&content_image& width=&322&&&/figure&&ul&&li&&strong&获取（Acquisition）&/strong&：用户如何发现（并来到）你的产品？&/li&&li&&strong&激活（Activation）&/strong&：用户的第一次使用体验如何？&/li&&li&&strong&留存（Retention）&/strong&：用户是否还会回到产品（重复使用）？&/li&&li&&strong&传播（Referral）&/strong&：用户是否愿意告诉其他用户？&/li&&li&&strong&收入（Revenue）&/strong&：产品怎样（通过用户）赚钱？&/li&&/ul&&br&&blockquote&&p&注：AARRR模型又称海盗指标，由Dave Mcclure于2007年提出。&/p&&/blockquote&&br&&h1&三、小结&/h1&&p&看到这里，聪明的你已经发现，所谓的「上帝指标」其实和「AARRR模型」相差不大 ：）&/p&&p&重要的是确保你已经记住并理解了它们！！&/p&&br&&p&&b&&a href=&http://link.zhihu.com/?target=https%3A//zhugeio.com/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&诸葛io&/a&&/b&是一家相信数据力量的公司。我们的梦想是打造让地球上每一家公司、每一位产品人都能从数据中受益的产品！&/p&&p&如果你有同样的梦想，欢迎加入我们，我的邮箱是yuxiaosong#&a href=&http://link.zhihu.com/?target=http%3A//zhugeio.com& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&zhugeio.com&/span&&span class=&invisible&&&/span&&/a&，期待你来！&/p&&br&&p&&i&作者于晓松，&a href=&http://link.zhihu.com/?target=https%3A//zhugeio.com/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&诸葛io&/a& 产品VP。&/i&&/p&&p&&i&欢迎整体转载，同时请注明作者、作者公司及出处。&/i&&/p&
本文是面向初级PM或对数据分析了解较少的PM们，下面的内容可以帮你进行简单梳理；如果你是资深老鸟，请通过yuxiaosong#邮箱联系我（我们在招PM ：）一、产品的「上帝指标」让我们从一个类比开始：假如上帝是产品经理那么地球就是他的产品…
&p&注：原酒仙网高级数据经理，现离职状态，无收入，无工作。&/p&&p&可打赏，可做数据产品咨询和培训，可推荐工作。&/p&&p&微信：&/p&&p&这篇文章是之前的一次大数据论坛演讲，但是时过半年，已经有了很多新的感悟，所以后续会不断更新。&/p&&p&该系列第二篇地址：&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&知乎专栏&/a&&/p&&h1&一、
引言：&/h1&&p&之前我写过一篇文章，叫“如何一步步从数据产品菜鸟走到骨干数据产品”（&a href=&https://link.zhihu.com/?target=http%3A//www.pmcaff.com/article/index/0082%3Ffrom%3Dprofile& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&如何一步步从数据产品菜鸟走到骨干数据产品&/a&），覆盖了做一个分析类数据产品的方法论，但是从那个时间段开始，我的工作内容有所变化，主要做搜索，同时负责推荐系统，经过半年多的探索，发现算法类产品，和分析类产品，对产品经理的工作方式、能力要求，都是有所不同，所以就再写一篇文章，来系统讲一下算法产品经理的工作和成长。&/p&&p&在这之前我整理了一下别人经常问我的问题：&/p&&ul&&li&数据产品经理应该具备什么知识？如何能更好的切入进来？&/li&&li&获得一组数据后，怎么对数据进行分析？分析思路是什么？&/li&&li&如何才能在数据调查中识别真需求和伪需求？&/li&&li&电商的搜索权重算法一般是怎么样的？&/li&&li&在算法产品中，产品经理起到的作用是什么？为什么需要数据产品经理？&/li&&/ul&&p&可以看到当一个产品经理接手一个大数据的产品团队时，会碰到比较多的问题。为什么会有这些问题呢，说明做事的方法，思路和逻辑性不够系统，每个环节应该怎么想，应该怎么做，还不是很清楚。所以本文主要讲方法，因为当你掌握了方法，这些问题就都能解决了。&/p&&p&产品开发一共分三个阶段：需求调研、解决方案，落地执行。我根据这几个阶段来写。&/p&&br&&h1&二、
需求调研：&/h1&&p&以前给宝洁出数据方案时，满满200页ppt，全部都是商业模型和数学模型的讲解，我在做数据分析的时候，商业模型，和数据模型，用的都很多，但是当我做大数据后，整个的分析方式都变了，变得特别的简单、粗暴、直接，整理了以下几种常用的，基本可以覆盖一个不是很大的团队的分析方式：&/p&&ul&&li&流程；&/li&&li&抽样；&/li&&li&枚举；&/li&&li&已有数据分析；&/li&&/ul&&h2&1.
枚举法：&/h2&&p&为什么先介绍这个方法呢？因为这是我们刚用这个办法，把搜索的点击率提升了30%。&/p&&p&枚举法是最基本的办法，单独的对某个节点，一般采用的是枚举问题法。其实非常简单，就是把所有的用户问题拖出来。&/p&&p&以搜索召回分析，（召回指把搜索词相关结果搜索出来。）主题是搜索词和搜索结果；&/p&&figure&&img src=&https://pic4.zhimg.com/26e9c5be995fed1cd810c_b.jpg& data-rawheight=&219& data-rawwidth=&870& class=&origin_image zh-lightbox-thumb& width=&870& data-original=&https://pic4.zhimg.com/26e9c5be995fed1cd810c_r.jpg&&&/figure&&br&&ul&&li&把所有搜索词列出来，按pv排序；&/li&&li&逐个搜索词解读其数据和特征，包括用户在什么样的情况下搜索这个词，这个属于什么词，是类目词还是品牌词，还是商品词，这个词下面的结果是否包含爆款，我们的爆款和其他平台同款是否有价格优势，和其他平台爆款是否有商品优势，努力通过这些数据还原出用户的真实使用场景和想法，并尝试推测这个数据产生的原因。在解读的同时，要随时记录发现的各种问题，用户哪些需求没有被满足。&/li&&/ul&&br&&figure&&img src=&https://pic4.zhimg.com/297c078f3ec92bcbfbad1_b.jpg& data-rawheight=&143& data-rawwidth=&682& class=&origin_image zh-lightbox-thumb& width=&682& data-original=&https://pic4.zhimg.com/297c078f3ec92bcbfbad1_r.jpg&&&/figure&&br&&ul&&li&根据上面步骤中发现的典型问题和场景、目标的推测，对搜索词做细致的划分。比如，原来没有想到用户喝酒有较强的地域属性，所以地域这个字段并没有在索引中，那么要加进去。比如，有一些酒有专有名词，这些名词喝酒的人知道，但是搜索不知道，那就要想办法告诉搜索，比如，老酒。比如一级庄二级庄三级装等，将不同的词划分出来，作为一个单独的词组；&/li&&li&拿这个词组中的一部分词进行后续的研究，和规则制定。&/li&&li&把词组中剩下的词扔到规则里，对规则进行验证，看是否能够正常召回。&/li&&/ul&&p&这个方法看起来很简单，所以难的是执行，就是真的坐下来耐心的去看用户数据，去把自己的经验涌进来，我们后来做搜索的suggest、筛选条件时，都采用的同一样的办法。&/p&&br&&p&为什么这是算法产品基础入门的方法呢？&/p&&p&因为数据分析报告，只能满足已有预设的情况，大大小小的突发情况，既来不及做分析报告，也来不及找出详细数据来查看。我们作为产品经理，大部分时候，都是在面对突发情况，做大大小小的决策，快速决定事情走向，判断建议的好坏，决定是否上线或回退，比如忽然发现原方案会导致性能问题，临时给另一种解决方案，比如开发和测试人员都建议其他方案，比如领导忽然问你竞品的新变动我们是不是也要采纳，这些都是几乎要立刻给出结论的。&/p&&p&在这种情况下，没有人给产品经理时间，做细致、全面的分析，产品经理要依靠的是什么？是你对用户的了解，感性的认识，理性的认识。&/p&&p&所以，这就是挨条看用户行为的好处，对你积累方方面面的了解和认知，是比较有好处的。&/p&
注：原酒仙网高级数据经理，现离职状态，无收入，无工作。可打赏，可做数据产品咨询和培训，可推荐工作。微信：这篇文章是之前的一次大数据论坛演讲，但是时过半年，已经有了很多新的感悟，所以后续会不断更新。该系列第二篇地址：一、 引…
&figure&&img src=&https://pic2.zhimg.com/v2-d6cd7d0f278f0f_b.jpg& data-rawwidth=&750& data-rawheight=&340& class=&origin_image zh-lightbox-thumb& width=&750& data-original=&https://pic2.zhimg.com/v2-d6cd7d0f278f0f_r.jpg&&&/figure&&blockquote&&a href=&http://link.zhihu.com/?target=http%3A//www.dabaipm.cn/static/woshipm/247.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&产品经理必备数据统计网站汇总&/a&&/blockquote&&p&如果：你想写一篇竞品分析报告时候苦于没有数据来源？想知道竞争对手在互联网市场的市场份额无从下手？想了解竞品的行业的竞争水平却没有数据支持？想看看对手都在哪发外链引流？想了解老板是不是靠谱，之前有过哪些光辉历史或黑历史？那么你看这篇文章就够了！&/p&&p&文章内容来自于我自身对产品经理常用统计网站的搜集、以及来自于SEO（搜索引擎优化）朋友和运营小伙伴的建议，各网站都是各有长短。本文除了罗列一系列网站之外，还会结合自身的使用感受简单做一些分析，让大家明白各网站的亮点。&/p&&h2&1、百度指数：&a href=&http://link.zhihu.com/?target=http%3A//index.baidu.com/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&百度指数&/a&&/h2&&p&百度指数是搜索引擎优化最常用的网站！（绝对没有之一）。通过这个网站可以了解某一关键词的行业搜索热度和竞争对手的大致情况，区域分布，性别比例。关键词周边需求图谱，相关来源检索词和去向检索词等等。。&/p&&figure&&img src=&http://pic4.zhimg.com/v2-b9af6b23b4a57bbd8909b3_b.jpg& data-rawwidth=&1249& data-rawheight=&784& class=&origin_image zh-lightbox-thumb& width=&1249& data-original=&http://pic4.zhimg.com/v2-b9af6b23b4a57bbd8909b3_r.jpg&&&/figure&&br&&h2&2、站长之家 SEO分析工具 代表： &a href=&http://link.zhihu.com/?target=http%3A//tool.chinaz.com& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&站长工具 - 站长之家&/a&&a href=&http://link.zhihu.com/?target=http%3A//www.aizhan.com/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&站长工具-百度权重排名查询-站长seo查询 - 爱站网&/a&&/h2&&p&通过这几个网站分析竞争对手网站的综合数据，比如网站搭建时间，网站权重，网站流量，推广渠道，网站关键词、描述、网站排名等等。&/p&&figure&&img src=&http://pic3.zhimg.com/v2-33e9e2a2c804cb1e0e878e_b.jpg& data-rawwidth=&1190& data-rawheight=&769& class=&origin_image zh-lightbox-thumb& width=&1190& data-original=&http://pic3.zhimg.com/v2-33e9e2a2c804cb1e0e878e_r.jpg&&&/figure&&br&&h2&3、百度搜索 &a href=&http://link.zhihu.com/?target=http%3A//www.baidu.com& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&百度一下，你就知道&/a&&/h2&&p&通过百度搜索可以查询到自己网站的收录情况和外链情况。知道通过搜索引擎能不能找到你们家网站就是这样。常用命令如下：以&a href=&http://link.zhihu.com/?target=http%3A//dabaipm.cn& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&dabaipm.cn&/span&&span class=&invisible&&&/span&&/a&网站为例。&/p&&p&查询网站收录，通过百度搜索 site:&a href=&http://link.zhihu.com/?target=http%3A//dabaipm.cn& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&dabaipm.cn&/span&&span class=&invisible&&&/span&&/a&（注意site后面加冒号，冒号后可以有www点也可以没有，但是一定不能有http://）。&/p&&p&通过domain:&a href=&http://link.zhihu.com/?target=http%3A//dabaipm.cn& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&dabaipm.cn&/span&&span class=&invisible&&&/span&&/a& 可以查询到dabaipm网站的反链，也就是说你可以看看你的对手网站都在哪发的软文或广告。&/p&&figure&&img src=&http://pic1.zhimg.com/v2-4ebb46e88ccac1bce3a7634_b.jpg& data-rawwidth=&784& data-rawheight=&554& class=&origin_image zh-lightbox-thumb& width=&784& data-original=&http://pic1.zhimg.com/v2-4ebb46e88ccac1bce3a7634_r.jpg&&&/figure&&br&&h2&4、ASO100：&a href=&http://link.zhihu.com/?target=http%3A//aso100.com/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&ASO100 - 专业移动推广数据分析平台丨ASO优化专家平台丨iOS榜单排行榜查询工具&/a&&/h2&&p&这个网站通过APP名称可以搜索到对应app的排名情况（在总榜和分类榜的排名变化），并且可查询历史排名的变化情况。以及竞品的排名变化趋势。这些网站大家摸索一下就行了 比较简单。&/p&&figure&&img src=&http://pic2.zhimg.com/v2-1ea06fc6bcdba41_b.jpg& data-rawwidth=&1180& data-rawheight=&983& class=&origin_image zh-lightbox-thumb& width=&1180& data-original=&http://pic2.zhimg.com/v2-1ea06fc6bcdba41_r.jpg&&&/figure&&br&&h2&5、百度统计 &a href=&http://link.zhihu.com/?target=http%3A//tongji.baidu.com& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&tongji.baidu.com&/span&&span class=&invisible&&&/span&&/a&&/h2&&p&通过开发初期在网站埋点可以查询到你的网站的每日访客量，实时访客数，历史访客数据，用户来源分析，搜索词分析、外链、入口页面，网页热力图，页面上下游，以及其他更多统计数据。截图如下：&/p&&figure&&img src=&http://pic2.zhimg.com/v2-13944f9add43310fb8ebf8dddec88ccd_b.jpg& data-rawwidth=&1309& data-rawheight=&942& class=&origin_image zh-lightbox-thumb& width=&1309& data-original=&http://pic2.zhimg.com/v2-13944f9add43310fb8ebf8dddec88ccd_r.jpg&&&/figure&&br&&h2&6、酷传：&a href=&http://link.zhihu.com/?target=http%3A//www.coolchuan.com/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&酷传&/a&&/h2&&p&这个网站跟ASO100比较类似，可以用来查询APP在安卓、IOS各平台的下载量。另外这个网站还可以急速发布到各个平台（也算是方便不少吧 属于工具型功能）。 &/p&&figure&&img src=&http://pic3.zhimg.com/v2-adda7efb6b8d48d6cb4589a_b.jpg& data-rawwidth=&992& data-rawheight=&665& class=&origin_image zh-lightbox-thumb& width=&992& data-original=&http://pic3.zhimg.com/v2-adda7efb6b8d48d6cb4589a_r.jpg&&&/figure&&br&&h2&7、企鹅智酷 &a href=&http://link.zhihu.com/?target=http%3A//re.qq.com/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&企鹅智酷&/a&&/h2&&p&依托腾讯数据资源，提供互联网行业分析报告。包括详细的数据对比分析，对于不会写数据分析报告的产品经理可以参考一下。&/p&&figure&&img src=&http://pic1.zhimg.com/v2-41a61e2dfa48ef7fb028_b.jpg& data-rawwidth=&1047& data-rawheight=&757& class=&origin_image zh-lightbox-thumb& width=&1047& data-original=&http://pic1.zhimg.com/v2-41a61e2dfa48ef7fb028_r.jpg&&&/figure&&br&&h2&8、数据分析网站精选 &a href=&http://link.zhihu.com/?target=http%3A//www.datatang.com& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&数据堂_大数据交易平台&/a&&/h2&&p&这个网站数据是收费的，对于土豪公司可以参考一下吧，如果真的某个行业数据其他平台上没有，可以考虑到这里购买一份。&/p&&p&这种不开放资源的、违背互联网共享精神的平台我不想截图，就是这么任性！&/p&&figure&&img src=&http://pic1.zhimg.com/v2-b0edf1ce0c326b4aabfcac_b.jpg& data-rawwidth=&550& data-rawheight=&550& class=&origin_image zh-lightbox-thumb& width=&550& data-original=&http://pic1.zhimg.com/v2-b0edf1ce0c326b4aabfcac_r.jpg&&&/figure&&br&&h2&9、大数据导航网站 &a href=&http://link.zhihu.com/?target=http%3A//hao.199it.com/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&大数据导航-大数据工具导航-199IT大数据导航-199IT大数据工具导航-Hao.199it.com&/a&&/h2&&p&提供各大数据平台入口，但是太多难免不知道哪个好歹，本文特意分析了一下几个我接触到的网站，分享给大家。&/p&&figure&&img src=&http://pic3.zhimg.com/v2-09efed1f27d9bffe817f5b140c00dd7a_b.jpg& data-rawwidth=&962& data-rawheight=&922& class=&origin_image zh-lightbox-thumb& width=&962& data-original=&http://pic3.zhimg.com/v2-09efed1f27d9bffe817f5b140c00dd7a_r.jpg&&&/figure&&br&&h2&10、易观智库、艾瑞咨询&/h2&&p&这个大家看看吧，凑数的。哈哈哈哈。。。&/p&&figure&&img src=&http://pic3.zhimg.com/v2-16ae09bccf576_b.jpg& data-rawwidth=&480& data-rawheight=&400& class=&origin_image zh-lightbox-thumb& width=&480& data-original=&http://pic3.zhimg.com/v2-16ae09bccf576_r.jpg&&&/figure&&br&&h2&11、天眼查 &a href=&http://link.zhihu.com/?target=http%3A//www.tianyancha.com/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&企业注册信息查询_企业工商信息查询_企业信用信息查询平台_发现人与企业关系的平台-天眼查&/a&&/h2&&p&例如通过天眼查搜索“李彦宏”，就可以看到他名下所有的注册公司信息，以及公司法人、注册资金，公司注册地址，工商注册号，组织机构代码证，公司营业期限等等。&/p&&blockquote&&p&查询公司靠不靠谱、查询老板靠不靠谱，就靠他了！&/p&&/blockquote&&p&截图太多，直接贴链接好了。&/p&&p&&a href=&http://link.zhihu.com/?target=http%3A//www.tianyancha.com/search%3Fkey%3D%25E6%259D%258E%25E5%25BD%25A6%25E5%25AE%258F%26checkFrom%3DsearchBox& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&企业注册信息查询_企业工商信息查询_企业信用信息查询平台_发现人与企业关系的平台-天眼查&/a&&/p&&p&&a href=&http://link.zhihu.com/?target=http%3A//www.tianyancha.com/company/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&企业注册信息查询_企业工商信息查询_企业信用信息查询平台_发现人与企业关系的平台-天眼查&/a&&/p&&p&&a href=&http://link.zhihu.com/?target=http%3A//www.tianyancha.com/company/22822& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&企业注册信息查询_企业工商信息查询_企业信用信息查询平台_发现人与企业关系的平台-天眼查&/a&&/p&&figure&&img src=&http://pic1.zhimg.com/v2-3de00ac18c7daa27e00088_b.jpg& data-rawwidth=&893& data-rawheight=&931& class=&origin_image zh-lightbox-thumb& width=&893& data-original=&http://pic1.zhimg.com/v2-3de00ac18c7daa27e00088_r.jpg&&&/figure&&br&&p&总结，也许很多网站你都知道，也许很多网站你不太了解或者不知道我说的是什么。楼主还是建议大家结合我的对各平台的分析，动手打开一下对应的网站，看看，尝试一下。&/p&&p&如果感觉这篇文章里的工具网站你可能用的着，欢迎大家点赞或收藏。&/p&&p&另外还有什么想了解的产品方面话题可以在文末评论，楼主看到会搜集相关信息分享给大家。&/p&&p&&a href=&http://link.zhihu.com/?target=http%3A//www.dabaipm.cn/static/woshipm/247.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&阅读原文&/a&&/p&
如果：你想写一篇竞品分析报告时候苦于没有数据来源？想知道竞争对手在互联网市场的市场份额无从下手？想了解竞品的行业的竞争水平却没有数据支持？想看看对手都在哪发外链引流？想了解老板是不是靠谱，之前有过哪些光辉历史或…
给你几个豆列：&br&&br&一个懂用户体验的网络产品经理必备的几本书：&a href=&//link.zhihu.com/?target=http%3A//book.douban.com/doulist/21216/& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&book.douban.com/doulist&/span&&span class=&invisible&&/21216/&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&br&互联网产品经理 全方位入门(共45本)：&a href=&//link.zhihu.com/?target=http%3A//book.douban.com/doulist/531890/& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&book.douban.com/doulist&/span&&span class=&invisible&&/531890/&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&br&互联网产品经理必读书目－－设计篇：&a href=&//link.zhihu.com/?target=http%3A//book.douban.com/doulist/56724/& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&book.douban.com/doulist&/span&&span class=&invisible&&/56724/&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&br&互联网产品经理：&a href=&//link.zhihu.com/?target=http%3A//www.pm265.com/& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://www.&/span&&span class=&visible&&pm265.com/&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&
给你几个豆列： 一个懂用户体验的网络产品经理必备的几本书： 互联网产品经理 全方位入门(共45本)： 互联网产品经理必读书目－－设计篇： 互联网产品经理：
&figure&&img src=&https://pic1.zhimg.com/v2-f31e5d2a2bfa4b14ad1d0d809c748395_b.jpg& data-rawwidth=&789& data-rawheight=&444& class=&origin_image zh-lightbox-thumb& width=&789& data-original=&https://pic1.zhimg.com/v2-f31e5d2a2bfa4b14ad1d0d809c748395_r.jpg&&&/figure&&p&这几天总统大选又把各种民调和预测推成了热点，大家都说机器学习或者大数据完败，人心不可捉摸。这一仗证明了数据和机器总是勘不破人性这种玄学，这些永远都是无法预测好的云云。&br&&/p&&p&实际上并非如此，数据并不是&b&客观的&/b&，数据带有强烈的主观色彩，人本身在挖掘数据、分析数据和总结数据三个环节，都起到了至关重要的作用。&/p&&p&首先，收集数据的渠道，都是人操作的、人判断的，用街头的问卷还是电话？用 Google 的搜索历史还是 Facebook 的语义分析？这都是可选的、可变的。&/p&&p&其次，分析数据的算法里，没有任何一个是机器自己研制的。每个算法的每个公式和策略，都是人制定的，人去决定这些数据代表着什么意义，在大选中又会起到什么作用。&/p&&p&最后，得到结论的过程，也是人做决策。这样的分析结果代表什么含义？这样的结论准确程度有多少？&/p&&p&比如，许多我们知道的民调和大数据预测惨败，但也有很多成功预测的，他们使用的是完全不同的方法。不代表他们的能力多强、多有钱或者有多少人力，而是他们选择的方式不同。&/p&&p&像 Bing 通过搜索结果、社交媒体数据及第三方的预测结果，在 8 月得到的预测是希拉里有 77% 可能当选（之后的预测数字甚至更高）：&/p&&p&&figure&&img src=&https://pic2.zhimg.com/v2-6d6dae5bfd93b_b.jpg& data-rawwidth=&550& data-rawheight=&356& class=&origin_image zh-lightbox-thumb& width=&550& data-original=&https://pic2.zhimg.com/v2-6d6dae5bfd93b_r.jpg&&&/figure&而另外有人通过各州的收入来分析，准确率就大不一样：&/p&&figure&&img src=&https://pic4.zhimg.com/v2-9afe13c5180925fbda94b_b.jpg& data-rawwidth=&600& data-rawheight=&437& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&https://pic4.zhimg.com/v2-9afe13c5180925fbda94b_r.jpg&&&/figure&&p&（参见 &a href=&https://www.zhihu.com/question//answer/& class=&internal&&有哪些数据风向标更好地预测了这次美国总统选举结果？ - chenqin 的回答&/a& ）&br&&/p&&p&因此并不能单纯地说，大数据、民调的数据分析方法有问题，人心永远无法捉摸。&/p&&p&不过今天我想说的是衍生出来的另外一个问题：数据跟我们做产品有什么关系？我们做产品时到底应该怎么看待数据？&br&&/p&&br&&h2&1. 数据在产品演化中是必要的，它提供的是信息。&/h2&&p&我在 &a href=&https://www.zhihu.com/question//answer/& class=&internal&&怎么理解「产品是演化出来，而非规划出来的」？ - 刘飞的回答&/a& 提过，产品一定是演化出来的，不是规划出来的。&/p&&p&互联网产品的特殊性在于，不像传统的商品，设计、制造和销售完全割裂。对互联网产品来说，能够一边改进一边接触到用户，这就提供了很好的途径，让我们对用户的反馈做出改变。这也是惯常所说的「互联网思维」。&/p&&p&所谓接触用户、了解用户，无非就是几种方法（在之前文章里也有提过）：&/p&&ul&&li&观察，或者亲自体验&/li&&li&调查问卷、街头调查&/li&&li&访谈、焦点小组&/li&&li&获得用户使用数据&/li&&/ul&&br&&p&使用这些方法，我们得到的是各种各样的信息，其中有定性的也有定量的。这些就是我们每次迭代的核心基础，没有这些，我们根本不知道该如何改。&/p&&p&对于定性的信息，更多是考验产品经理的观察力、对用户的敏感程度。所谓一个人到底有没有「产品感」，跟用户聊了几句能不能得到有效信息，去现实场景中体验了下产品能不能有新的发现，等等，都是这个范畴的。&/p&&p&而所谓数据，就是这些信息当中，属于定量部分的。&/p&&p&定量部分的信息，不依赖于产品经理的「产品感」，很多时候是依赖于产品经理对数据的敏感程度和分析能力。从错综复杂的数据里还原真相，推理出现场，是这时所需要的能力。&/p&&p&对于不管是调查问卷还是从产品后台得到的这些数据，看似都没什么问题，数字变大就是增长，数字减少就是下跌，明明是板上钉钉的事儿，其实却暗藏陷阱。对产品经理来说，数据的陷阱，比其它定性信息的陷阱，更加危险——因为你很相信这是客观的、无从质疑的。&/p&&p&&figure&&img src=&https://pic1.zhimg.com/v2-b6a0eefe9_b.jpg& data-rawwidth=&583& data-rawheight=&373& class=&origin_image zh-lightbox-thumb& width=&583& data-original=&https://pic1.zhimg.com/v2-b6a0eefe9_r.jpg&&&/figure&（定量和定性信息的区别，定量信息即是数据）&/p&&br&&h2&2. 陷阱一：数据获取有误。&/h2&&p&美国总统大选是数据获取天然的试验场，怎么得到最真实的数据、怎么选择调查对象样本都是老生常谈的话题。1936 年美国总统大选中脱颖而出的民调公司盖洛普，就是依靠更准备的获取方法，用 5 万样本打败了当年的《文学文摘》 230 万份的样本数据。&/p&&p&有趣的是，靠总统大选声名鹊起的盖洛普，今年没有预测总统大选。（&a href=&https://link.zhihu.com/?target=http%3A//www.imediaethics.org/first-gallup-then-pew-afraid-of-election-polls/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&First Gallup, Then Pew&/a&）&/p&&p&数据获取在总统大选中非常难操作，在于美国作为移民国家、又奉行自由主义，国内的政治派系、种族、性别、年龄、教育背景、社会阶层等等，千差万别，无法找到准确的分层统计样本（分层抽样指依据特征区分样本，再随机抽样）。&/p&&p&这么来看，对不同的产品，数据获取的难度自然也不一样。&/p&&p&如果产品所面向的用户群体非常集中，比如是做初高中教育的，那么用户就是初高中的学生，调研的人群不会特别分散；但如果是大规模的平台，像淘宝京东这种，用户群体从巨富到还没有收入的学生各不相同，那么要区分调研他们的状况，自然就难上加难。&/p&&p&除了区分用户群体，确保获取信息的准确性也会是件麻烦事。&/p&&p&我之前有个朋友是做情趣用品的，他们做了一系列调研，然后发现平时使用情趣用品的男女比例，大概是 8：2 的样子（具体数字我记不清了）。这不是他们的猜想，也不是根据其他间接的数据做的推论，这可都是实实在在的调研结果。&br&&/p&&p&但想来想去，他们总觉得哪里不对。这跟他们平时的感知是相悖的。于是他们又重新做了一些调研，不过这次他们使用了匿名的方式，并且没有绑定用户任何的账号，这次使用情趣用品女性的比例骤然增大。&/p&&p&显而易见：原来的调研是在微博上做的公开调研，很多女性用户比较腼腆，不愿填写自己的真实情况。&/p&&p&再说回今年的总统大选，为什么大量的民调和预测都失败了？因为有很多选民言行不一，也有很多选民大家称之为「沉默的大多数」，这样的结果就是获取到的数据，本身就是有问题的、不真实的。即便是它们没有经过任何润色处理。&/p&&br&&p&&figure&&img src=&https://pic2.zhimg.com/v2-205cbd9d1bc45046bbd8bf17a680e250_b.jpg& data-rawwidth=&379& data-rawheight=&414& class=&content_image& width=&379&&&/figure&（像微博上常见的公开投票，大家会更在意「表现出来的」观点，而不是自己「真实的」观点）&/p&&h2&3. 陷阱二：数据是客观的，但信息和知识是有主观成分的。&/h2&&p&不过好在前面说的都是传统的调研方式，新的获取数据方式，也就是所谓大数据，其实是根据用户实际行为获得的。对刚才提到的淘宝京东来说，根据该用户的消费记录，基本就能够知道他们大致属于什么收入阶层，根据他们的购物记录，也能还原出大致的人的性格、喜好和生活环境。&/p&&p&既然是通过用户的行为得到的数据来做判断，不是拿调查问卷或者访谈作为根据，那总不会出问题了吧？&/p&&p&当然也不是。这就涉及到数据分析环节中的陷阱了。同样的数据，不同的人会有不同的看法，不同的算法也会得到截然不同的结论。&/p&&p&数据（Data）是客观存在的，但是信息（information）则是我们分析出的。而知识（knowledge）是从信息中提炼出的、归纳总结出的（原腾讯副总裁吴军老师和台积电张忠谋都提过这样的概念）。&/p&&p&它们分属三种层次，我们应当时刻清楚当前面对的，究竟是哪一个。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-0f4e7edf42aef11a601ad_b.jpg& data-rawwidth=&612& data-rawheight=&384& class=&origin_image zh-lightbox-thumb& width=&612& data-original=&https://pic3.zhimg.com/v2-0f4e7edf42aef11a601ad_r.jpg&&&/figure&&p&举个我真正遇到的例子。&/p&&p&我目前所在的即时物流平台，做的是配送的业务。一方的用户是不同的渠道商，像饿了么、鲜花店等；另一方的用户则是众包配送员。可以理解为我们是做双方的撮合平台。&/p&&p&有段时间我们就遇到一个问题：A 渠道商的订单总是配送不出去，或者超时，或者干脆时间太久被取消。这个渠道的订单取消率和超时率都居高不下，同时配送这些订单的配送员数量一直很少。&/p&&p&我们对这些数据初步的判断就是：这是 A 渠道商的配送员不够。由于我们对 A 渠道商的配送服务有一定要求，所以对应的配送员要经过培训。我们的结论就是：让更多的配送员接受培训，增加对应配送员。&/p&&p&看起来逻辑没什么问题，但我们在即将行动时发现了另一份数据：A 渠道商的订单转单率特别高。所谓转单，就是配送员认为自己某种原因无法完成配送，于是把自己手中的订单转出去。&/p&&p&这下真实的原因露出水面。并非是配送员不够，而是配送员对接 A 渠道商的订单积极性不高，甚至有些反感。被转出的单子自然就容易超时乃至取消。&/p&&p&问题的本质也就是，我们应当提高 A 渠道商订单在配送员方面的满意度和收入。而不是冒然增多配送员。&/p&&br&&p&「看似是这样的」和「真的是这样的」中间的差别可能非常巨大。&/p&&p&再比如，看这两张图，用户活跃量几乎一样（彩色图块的外边线），应该都是比较乐观的增长。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-dddee7af800431_b.jpg& data-rawwidth=&600& data-rawheight=&307& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&https://pic1.zhimg.com/v2-dddee7af800431_r.jpg&&&/figure&&p&&figure&&img src=&https://pic1.zhimg.com/v2-4d5b6ecee8e6dd54779c_b.jpg& data-rawwidth=&600& data-rawheight=&304& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&https://pic1.zhimg.com/v2-4d5b6ecee8e6dd54779c_r.jpg&&&/figure&&br&但仔细看，就会知道，虽然第一张图里的用户活跃量也不低，但是用户的周留存剧烈下降，甚至为 0，而图二中每天的活跃用户，在一定时间后就逐步稳定了下来。也就是说，在后期的日活中，有大量的是留存老用户，不像图一基本都是新用户。&/p&&p&这是一种很好地通过数据分析活跃用户与留存用户关系的方式。而如果只看到了活跃用户的数据，就不会得到正确的结论。&/p&&p&（参考：&a href=&https://www.zhihu.com/question//answer/& class=&internal&&如何分析活跃用户和留存用户？ - 张溪梦 Simon 的回答&/a&）&br&&/p&&br&&p&还有个经典例子就是沃尔德对美国空军战机的分析，这里就不做赘述了，参考：&a href=&https://www.zhihu.com/question/& class=&internal&&百度百科「幸存者偏差」中关于二战飞机的例子，前后解释有些矛盾，是怎么回事？ - 心理&/a&&/p&&p&同样的数据，都能得出完全不同的判断。&/p&&p&&figure&&img src=&https://pic1.zhimg.com/v2-c7abc9a3a6e7bd5_b.jpg& data-rawwidth=&435& data-rawheight=&456& class=&origin_image zh-lightbox-thumb& width=&435& data-original=&https://pic1.zhimg.com/v2-c7abc9a3a6e7bd5_r.jpg&&&/figure&（沃尔德的论文中计算概率的方法）&/p&&br&&h2&4. 陷阱三：唯数据导向。&/h2&&p&你可能会问：不是说数据来指导我们迭代吗？那数据导向有什么问题吗？&/p&&p&确实，随着数据获取渠道的丰富、硬件上有了存储和计算大规模数据的可能性，数据在产品设计中在起着越来越重要的作用。Growth Hacker 的方式基本是现在互联网产品的共识了。&/p&&p&但是唯数据导向却是错的。&/p&&p&我们先看一个虚构的例子。&/p&&p&小 C 和小 D 来到一家公司做运营方向的产品，他们都在努力想让产品吸引更多用户。小 C 想到的是，打好基础，把产品的方方面面做好，慢慢推进，用户迟早会买账；而小 D 觉得这是落伍的方法，他认为，应该快速用各种营销方式先吸引人过来，剩下的在迭代中考虑。&/p&&p&如果是唯数据导向的公司，会怎么样？肯定会选择小 D 的方案，因为他们的两种方式里，小 D 的显然数据会更好看。&/p&&p&好了，小 C 只好也接受了小 D 的观点，两个人都在想如何做好营销的功能，老板建议他们用新手红包的方式。&/p&&p&所以小 C 想的是给每个用户发 10 元新人红包，把更多主要的补贴用在后续有黏性的用户身上。&/p&&p&而小 D 认为现在拉新、造势最重要，应该每个人发 50 元的新人红包，但是呢，钱要花在刀刃上，这 50 元的新人红包想要拿到，还得邀请 10 个好友才行，邀请完也不行，邀请完才告诉你这是抽奖红包，你只有 10% 的概率拿到——刚开始不告诉你，你下载了 APP、注册完了、打开红包页面，我再告诉你。&br&&/p&&p&小 C 说你这不是欺诈吗？用户会反感的。小 D 说这有什么啊，反感的用户自然就会走，但是这样新用户的数据会暴涨的啊。&/p&&p&于是争执不下的两人，各自做了一套功能，上线后一周，老板看了看数据，就把小 C 开除了。&/p&&p&想必你明白我的意思了。这种舍远求近、捡了芝麻丢了西瓜的事情，其实普遍发生在如今的产品经理的设计里。在各种领导的压力下、KPI 的压力下、公司融资的压力下，往往都是追求一时的数据好看，而不在意长期的可持续发展。这点在运营和业务导向的电商行业、O2O 行业非常显著。尤其是大公司，职级体系复杂，每个人只关心自己手头这块利益，就没有人在意公司长期的利益了（BAT 里谁做得最差有目共睹）。&/p&&p&微信是在节制方面做得最好的。张小龙多次提到，微信的核心价值观就是要以用户优先，而不是以 KPI 或者数据优先。比如他说道：&/p&&blockquote&关于用户的价值，这里可以举很多例子，比如说很多的公众号可能把拉粉作为他最大的一个诉求，但你会看到其实微信里面几乎没有地方可以提供你可以很轻易的获取粉丝。这里要考虑一点，你吸引到了非常多的粉丝，这些粉丝真的是愿意被你吸引才过来的，这个区分很重要，如果是被你用各种手段牵过来的粉丝，这是没有意义的，也违背了我们以用户第一为价值观点的考量。假设一个公众号有1000万粉丝，可是这是在用户不太知情的情况底下获得的，可能很危险。&br&&/blockquote&&p&唯数据导向的产品设计方法，不仅会追求数据不断的增长，还会很担心数据的短暂下滑。&/p&&p&之前就跟朋友讨论一个问题：有很多成熟的、规模不小的平台和产品，为什么体验烂到这种地步了，还是不改版呢？&/p&&p&了解过他们一些产品经理的想法后，除了技术实现的问他，我还知道了一种可能。改版这种事情，是牵一发动全身的，要协调各种资源，很容易在协作中出问题；更麻烦的是，改版对用户来说，肯定是短期内难以接受的，很可能各项数据指标会有剧烈下滑，用户也由于不习惯新版而怨声载道。这两个麻烦，尤其后一个，是没人愿意站出来承担的。&/p&&p&长期来看会带来更多好处、未来用户会有更多的增长，这都不是几天就看得出来的，也许做改版的产品经理没有等到那一天，就会因为看似办事不利被开除了。所以维持现状也就是最好的选择了。&/p&&br&&br&&p&所以总结下来，怎样才是正确对待数据的方法呢？&/p&&p&首先，我们要确保数据的真实性、获取数据的准确性；其次，我们要清楚，每种数据都只是从一个侧面反映了事实，要还原数据是要多维去看的；最后，我们还要知道数据是客观的，但怎样合理利用数据则是很主观的，应当把它放在合适的位置上，而不是唯数据是从。&/p&&br&&p&最后想说的是，说到跟数据有关系的产品经理，数据产品经理、懂数据的产品经理、可以利用好数据的产品经理，完全是三类人。数据产品经理是负责呈现数据和分析数据的功能产品的，数据就是他的产品；懂数据的产品经理是可以对数据有清晰认知的、能够知道数据背后真相的，他们能够让数据来指导自己的产品。&br&&/p&&p&不过懂数据的产品经理，未必是可以利用好数据的产品经理。后者会更在意数据反映出的问题本质，以及对产品和用户来说，这个本质意味着什么，而不只是单纯追求数据。&/p&&p&希望大家都能成为最后一种产品经理。&/p&&br&&br&&br&&p&个人公众号：刘言飞语（liufeinotes）&/p&&p&本文为连载【产品经理技能树】的第 4 篇。&/p&&p&其它连载：&/p&&p&&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&需求是什么&/a&&/p&&p&&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&你理解你的行业吗？ &/a&&/p&&p&&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&需求到底怎么挖？ &/a&&/p&
这几天总统大选又把各种民调和预测推成了热点，大家都说机器学习或者大数据完败，人心不可捉摸。这一仗证明了数据和机器总是勘不破人性这种玄学，这些永远都是无法预测好的云云。 实际上并非如此，数据并不是客观的，数据带有强烈的主观色彩，人本身在挖掘…
泻药！介个问题嗖嗖其实思考很久了，蛋湿一直觉得讲不透，本来想墙裂推荐 &a data-hash=&82b760e5c74a34990cb1e& href=&//www.zhihu.com/people/82b760e5c74a34990cb1e& class=&member_mention& data-editable=&true& data-title=&@研习小生晏小慧& data-hovercard=&p$b$82b760e5c74a34990cb1e&&@研习小生晏小慧&/a& 的答案偷个懒的，主要是怕污了嗖嗖本来就不怎么样的名声，所以还是来扯两句吧，也算对得起题主的药！&br&看见题主跟数字耗上了！嗖嗖就不得不说句话，题主理解了简历撰写的技巧，蛋湿嗖嗖希望题主能理解简写撰写的实质，嗖嗖在&a href=&http://www.zhihu.com/question//answer/?group_id=966400& class=&internal&&优秀简历要遵循哪些规则？ - 小风嗖嗖的的回答&/a&中并没有讲到数字的问题的。&b&数字化只是战术层面的东西，而围绕目标单位和职位特点来撰写简历才是战略层面的实质&/b&，题主把产品经理的实质分析得还是比较透彻滴，那么我们一起来探讨下围绕产品经理的特点，产品经理的简历该怎么写。下面分五个方面说下，排名分先后，权重依次降低，由于未知题主讲的是应届毕业生还是在职人员，所以&b&增加实践经历辅助&/b&部分。&br&&b&一、行业背景知识&/b&&br&HR看简历，从上往下看，也就看到教育背景下面的第一个经历，基本就确定他是否有看下去的必要了。目前招聘产品经理真是满山遍野啊，野火烧不尽啊，而且不仅仅是互联网行业，各个行业都有产品经理啊。做APP的要学计算机的，做培训的要学外语的，做留学咨询的希望你游学海外，做移动支付的希望你互联网、金融都要精通。&b&好的行业背景知识可以让目标单位的HR更放心，毕竟学这个玩意的，那么在后期产品开发运营方面，肯定会让老板省点心嘛&/b&。&br&这部分貌似不需要数字，如果真有需要的，嗖嗖估计也是在后面的项目或报告经历里，写段：经历九九八十一天的调研与分析，撰写《中国互联网地下产业链分析白皮书》，通过7万字篇幅和100幅数据图表全面分析中国互联网的22个细分地下产业链（&a href=&//link.zhihu.com/?target=http%3A//tomsinsight.com/vipreport1.htm& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&TOMsInsight&i class=&icon-external&&&/i&&/a&，优惠价格25000，不还价！）。这样写是不是有点意思呢。&br&&b&二、产品管理经历&/b&&br&如果行业背景知识是题主的敲门砖的话，&b&那么产品开发管理经历才是HR关注的核心内容&/b&。如果是有工作经历的，其实都不用写工作内容，把公司名称、负责的产品、具体的岗位，三者一亮，HR就知道你大概的工作内容、具体的水平，是否是他的菜了，毕竟现在互联网已经发达到让人发指的地步了，google、baidu、朋友圈一圈，啥都知道了。而对于跳槽的PM，肯定是水往高处流啦，普通公司跳槽到知名公司，如果岗位不变，那就要在此说明，&b&我已干得熟练，分分钟上手&/b&；知名公司跳槽到知名公司，岗位有提升的，那就要在此说明，&b&我已能够胜任，乃们不要瞎担心啦&/b&！对于熟练工，当然是强调干过多个产品咯；而对于胜任工种，当然是强调，产品从设计、研发到后期推广，都是你负责，即使不是你负责，活也TMD是你干的。&br&记住，&b&结果导向最关键&/b&，东西做出来了，任何人都看得到的，像什么注册用户/粉丝增长、APP下载量/排名、业绩流水、IP/UV/PV啥的就都是浮云……&br&&b&三、实践经历辅助&/b&&br&如果没有很深的或者很长的PM工作经历咋办，那就模拟个玩玩，不是玩玩模拟人生哈，从校园微信公众号到应用软件，从网站开发到淘宝店铺，注意，这里面的经历主要是能够体现以下几点的：&b&具有潜在的商业规律；能够积聚人气和用户；存在使用体验感受的；真实存在上线的。&/b&其中最后一点很重要，其实就是上一块所说的——结果导向。在模拟产品经理工作阶段，实践经历本身的性质已大概符合HR的口味了，这个时候要把事情的经过及最终的结果再细项中展现给HR，特别是结果上，不可避免地就要有数字了！&br&如果上面没玩的，那玩什么呢，那就玩创业大赛，之所以创业大赛单独写，是因为创业大赛这个玩意虚虚实实，有的根本就是纸上谈兵，可能真到真刀真枪的阶段，连大门口卖煎饼的大妈都比不过。如果是嗖嗖看的话，嗖嗖会看应聘者获得了什么级别的奖项，应聘者在团队中的角色。&br&如果创业大赛也没玩过呢，那么重新回到上面，去掉商业规律，剩下的：&b&能够积聚人气和用户；存在使用体验感受的；真实存在上线的，&/b&想想，组织元旦晚会、学科竞赛、社会实践等等，这个也符合上述PM的方案设计、沟通协调、运营管理等工作特点，也可靠点边。&br&&b&四、语言技能水平&/b&&br&为了省事，嗖嗖直接把&a href=&http://www.zhihu.com/question//answer/& class=&internal&&初创公司，全面打杂，应该离职吗？ - 小风嗖嗖的的回答&/a&里的技能copy过来，Mindmanager/Visio/Axure/Photoshop/Mockplus/PPM/SVN/TestCenter/Evernote/UltraEdit，啥5天掌握C++，3天学会Java开发啊，目标公司需要什么就学什么，学会了，就可以放到简历上了，需要啥数字啊！&br&&br&&b&五、兴趣爱好特点&/b&&br&目标公司是家休闲旅游在线服务商，你兴趣爱好里写你旅游48个国家，148个地区，是不是会好点？&br&综上，嗖嗖码这么多字，题主懂了吧，&b&数字不重要，如何围绕目标公司和目标岗位来学习并撰写简历才是最重要的&/b&，虽然嗖嗖曾经的教学PPT是这样的，是曾经哈，因为飞人已经不飞了！&br&&figure&&img src=&https://pic4.zhimg.com/9fccea81e305b_b.jpg& data-rawwidth=&960& data-rawheight=&720& class=&origin_image zh-lightbox-thumb& width=&960& data-original=&https://pic4.zhimg.com/9fccea81e305b_r.jpg&&&/figure&&figure&&img src=&https://pic2.zhimg.com/27c7d250a20bf32a475b8352cffb9cf1_b.jpg& data-rawwidth=&960& data-rawheight=&720& class=&origin_image zh-lightbox-thumb& width=&960& data-original=&https://pic2.zhimg.com/27c7d250a20bf32a475b8352cffb9cf1_r.jpg&&&/figure&&figure&&img src=&https://pic1.zhimg.com/4ad6c9c0c9634debae3d0ed41addb320_b.jpg& data-rawwidth=&960& data-rawheight=&720& class=&origin_image zh-lightbox-thumb& width=&960& data-original=&https://pic1.zhimg.com/4ad6c9c0c9634debae3d0ed41addb320_r.jpg&&&/figure&
泻药！介个问题嗖嗖其实思考很久了，蛋湿一直觉得讲不透，本来想墙裂推荐
的答案偷个懒的，主要是怕污了嗖嗖本来就不怎么样的名声，所以还是来扯两句吧，也算对得起题主的药！ 看见题主跟数字耗上了！嗖嗖就不得不说句话，题主理解了简历撰…
&figure&&img src=&https://pic4.zhimg.com/v2-edc0f6d3ab272bc28d80c_b.jpg& data-rawwidth=&1000& data-rawheight=&667& class=&origin_image zh-lightbox-thumb& width=&1000& data-original=&https://pic4.zhimg.com/v2-edc0f6d3ab272bc28d80c_r.jpg&&&/figure&世界正在信息化，数据越来越多，基于数据开发的产品也越来越多，越来越多！
&br&&br&一般数据产品，都包括如下典型流程：
&br&&b&1.数据获取
&/b&&br&&b&2.数据转换
&/b&&br&&b&3.数据应用
&/b&&br&&br&&figure&&img src=&https://pic3.zhimg.com/v2-6cddbdf9c84a4_b.jpg& data-rawwidth=&1825& data-rawheight=&822& class=&origin_image zh-lightbox-thumb& width=&1825& data-original=&https://pic3.zhimg.com/v2-6cddbdf9c84a4_r.jpg&&&/figure&&br&数据产品经理的工作，如果按上面的数据流程来看，主要包括三种类型的工作，不同的数据PM工作偏向不同（以下分类也不是严格划分的）。
&br&&br&&b&一.数据获取、清洗&/b&&br&&br&要做数据产品，首先要有数据，数据来源，大概有2种方式：别人给、自己找。
&br&别人给，当然好，但是要么得掏钱，要么会有使用限制。别人给的数据，数据质量也可能会是问题，乱码、缺字段是常有的事。
&br&自己找，会比较麻烦，自己的系统，可以加码、埋点，地图的产品，会需要定期更新地图。数据不受自己掌控的话，看看能不能通过爬虫抓取（爬虫帮你圆大数据的梦），有很多基于爬虫的数据分析产品，用户分析、舆情分析、物价分析、量化投资等。
&br&&br&在数据获取和清洗环节，数据PM需要：
&br&&b&1.会将业务需求进行解读。&/b&&br&最终转化成不同的数据需求，数据PM首先要确定这些数据如何获取，确定最终的方案。
&br&&b&2.特别注意数据质量和数据稳定性。&/b&&br&上游数据质量就差的话，下游的每个环节都要浪费很多时间来处理。数据质量可以靠校验、对比，数据稳定性可以靠监控。数据的上游，需要勇于怀疑数据的质量，这是最容易出问题的环节，在这里，各种抽样、枚举、对比、假设，各种SQL、ES、Hive查询，善于对数据做各种图表分析。要比用户更早的发现问题，比工程师更快的排查问题原因。
&br&&b&3.评估数据的成本和收益。&/b&&br&数据是有成本的，量越大，质量越高，成本越高。所以，要合理的设计数据获取的策略：
&br&走接口、FTP、还是硬盘邮寄；
&br&数据多久更新一次，是否去重，如何去重；
&br&热数据怎么存，存多久，冷数据怎么存；
&br&虽然说数据越全，数据质量越高越好，但是一分钱一分货，最终的数据获取和清洗方案，需要综合考虑成本、收益、开发难度、开发排期（似乎每个产品都这样，不止是数据产品@@）。
&br&&br&经常需要谈数据合作，找数据找破头；
&br&经常需要看API文档，接口查字段；
&br&经常需要和人撕，别人的东西总是容易出问题的。
&br&&br&&b&二.数据转换、数据服务&/b&&br&&br&基础数据已经有了，开始要大干一场了，数据转换的环节，高端的说法，是ETL，我简单的理解为：拿到基础数据后，会根据不同的业务需求再做数据清洗，然后将数据导入各个数据转换或计算模型，并对更下游的应用提供数据服务。
&br&这里的模型，不一定是用户画像、推荐这些，也可以是基础的筛选、排序、匹配、简单的逻辑计算。
&br&为了让应用层拿到更高质量的数据，减少应用层的计算，这一层做有很多很多的小的计算模块，也经常做服务分层，分为基础数据服务层（业务弱相关层）、业务强相关层。
&br&数据转换层，可以对外提供商用的计算、存储服务，还可以直接数据变现，比如ID匹配，或者直接卖数据。
&br&&br&在数据转换环节，数据PM特别需要和架构师深入沟通（或者工程师），数据PM的职责包括：
&br&&b&1.需要了解很多数据存储、计算的知识&/b&&br&MySQL、Hadoop、HBase、Spark、Redis、Kafka...很多很多，不需要都深入了解，但至少了解他们的功能、特点、差别，然后能更好的和工程师沟通，更好的参与方案设计。
&br&&b&2.全局设计能力&/b&&br&PM更了解业务，工程师更了解技术，两者协作，完成数据处理流程的设计或优化。但是，大公司，可能分了很多很多层，基础服务层，可能不需要PM，PM提需求就行。这部分比较虚，没什么经验的时候也没法做，做久了、思考深了，慢慢就会了（其实，这一层，和应用层的关联很大）。
&br&&b&3.成本收益评估、数据质量、服务稳定性&/b&&br&数据转换层，会消耗更多的计算资源，这里通常有着庞大的集群，所以，这里设计的好，能节省大量的资源，同样也要评估成本收益，要勇于拒绝应用层妙想天开的需求。
&br&这一块的数据质量、服务稳定性，同样重要，对上要担心数据供应的问题，还需要对下游的数据应用负责，三明治的感觉，出问题的时候容易感觉鸭梨山大！
&br&&br&数据转换层，需要更强的逻辑分析能力，业务那边反应的问题，很可能是他们自己的问题，也可能是上游数据供应的问题，当然，更有可能是漫长的数据转换流程，有环节出了问题。这一层，除了要会各种SQL、ES、Hive查询，还需要熟练Excel或者SPSS，还需要熟练使用业务端的产品（故障复现很重要），还需要做好业务级指标的监控告警，最最重要的是，要提前想好各种情况的应急方案，是艰难的提供服务，还是提供有损服务，还是人工支持。
&br&&br&&br&&b&三.数据应用、数据展现&/b&&br&&br&&br&应用层，各个公司的数据应用层就丰富多彩千差万别了，有流量分析、广告分析、用户分析、销量分析、财务分析、传播分析、ERP...(额，本狗知道的有限)。但是，本狗认为用户画像、反作弊、广告投放策略、推荐、NLP等模型或策略类的产品，才算是数据PM，像BI类的产品，各种业务的指标维度，以及可视化展现（业务有多丰富，BI系统就有多么庞大），应该分类为是商业（数据分析）产品，这类的PM工作和具体的业务严重绑定，而且经常有很多定制化功能要做。
&br&&br&本环节的数据PM，能力偏向如下：
&br&&b&1.数学功底及数据分析能力&/b&&br&懂算法、建模、调参，是必不可少的，贝叶斯、隐马、协同过滤…捡起矩阵论、数理统计的课本，掏出机器学习、人工智能的经典，亲手撸起R、python、java，准备一大叠白纸推公式...
&br&但是大公司，会有专门的算法工程师，PM只要能理解就行。数据分析能力也是必须的，这里更需要去解读数据，特别是异常的数据。
&br&&b&2.深度理解业务&/b&&br&用户画像、反作弊、广告投放策略、推荐、NLP这些，是和业务紧密关联的，比如广告、打车两个领域，都有反作弊。这些应用离钱更近，一点点的指标的改进，都能带来很多钱。
&br&&br&数据产品和商业产品、用户产品，差别很大，每天都是和数据打交道，需要深入了解各种数据分析方法、数据的存储计算。数据PM也需深入理解业务，否则就变成数据分析师或者数据科学家了。
&br&&br&经常发出这样的感慨：数据质量怎么这么差啊！前面的人清洗了么？尼玛清洗了过后怎么还这么差...&br&经常忙于这样的事情：找好样本、维护黑名单、挑语料、人工标注…吃力而且不讨好&p&（鄙人在数据PM坑中混的不够久，如有谬误，欢迎指出，一起探讨）&/p&
世界正在信息化，数据越来越多，基于数据开发的产品也越来越多，越来越多！
一般数据产品，都包括如下典型流程：
1.数据获取
2.数据转换
3.数据应用
数据产品经理的工作，如果按上面的数据流程来看，主要包括三种类型的工作，不同的数据PM工作偏向不同…
&figure&&img src=&https://pic3.zhimg.com/22d1bee84345_b.jpg& data-rawwidth=&620& data-rawheight=&344& class=&origin_image zh-lightbox-thumb& width=&620& data-original=&https://pic3.zhimg.com/22d1bee84345_r.jpg&&&/figure&&blockquote&PMCAFF：最大互联网产品社区，是百度，腾讯，阿里等产品经理的学习交流平台。定期出品深度产品观察，互联产品研究首选。&br&&/blockquote&&p&俗话说的好呀，不会数据分析的运营不是好产品。&/p&&p&不会数据分析，你还怎么愉快地探索小龙虾火遍中国的秘密~&/p&&p&不会数据分析，你还怎么准确地在人群中俘获另一半的芳心~&/p&&br&&p&为了 各位幸福河蟹的生活 （划掉）掌握更多地业务姿势，PMedia君通过采访、卧底、发调查问卷，在电线杆上贴小广告（大雾——）等各种途径，威逼利诱，扒光了1000+位产品经理的箱底儿。终！于！整理出了这份&b&产品经理必备的数据分析书籍清单&/b&。&/p&&br&&p&本期书单推荐包含&b&【入门篇】、【进阶篇】、【高玩篇】&/b&，适用于不同层次的产品人。&/p&&p&每个篇章包括：开篇的&b&【书籍汇总清单】&/b&、每本书的&b&【内容概要】&/b&、&b&【PMCAFF咖友辣评】&/b&。&/p&&p&请大家对号入座，收好最适合自己的修炼秘籍吧~&/p&&br&&figure&&img src=&http://pic4.zhimg.com/d243df59d629ae9f3097_b.png& data-rawwidth=&418& data-rawheight=&287& class=&content_image& width=&418&&&/figure&&p&&b&请叫我善解人意的PMedia君~&/b&&/p&&br&&h2&&b&▍&/b&&b&入门篇&/b&&/h2&&figure&&img src=&http://pic1.zhimg.com/f3f4c369e3a99be9b8ec4_b.png& data-rawwidth=&694& data-rawheight=&321& class=&origin_image zh-lightbox-thumb& width=&694& data-original=&http://pic1.zhimg.com/f3f4c369e3a99be9b8ec4_r.png&&&/figure&&p&&b&1、&/b&&b&《谁说菜鸟不会数据分析&/b&&b&》&/b&&b&437人推荐&/b&&/p&&figure&&img src=&http://pic2.zhimg.com/7e1e342a1d4ed9d0edcd_b.png& data-rawwidth=&659& data-rawheight=&224& class=&origin_image zh-lightbox-thumb& width=&659& data-original=&http://pic2.zhimg.com/7e1e342a1d4ed9d0edcd_r.png&&&/figure&&p&&b&书籍简介：&/b&&/p&&p&《谁说菜鸟不会数据分析》基于通用的Excel工具，在8个章节中，分别讲解数据分析必知必会的知识、数据处理技巧、数据展现的技术、通过专业化的视角来提升图表之美、数据分析报告的撰写技能以及持续的修炼。&/p&&br&&p&&b&咖友辣评：&/b&&/p&&p&@&a href=&http://link.zhihu.com/?target=http%3A//www.pmcaff.com/user/profile/%25E6%25B6%259B%25E5%25A3%25B0%25E4%25B8%258D%25E6%& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&涛声不旧 &/a&GrowingIO 产品经理&/p&&p&&b&《谁说菜鸟不会数据分析》&/b&不仅讲解了一些常见的分析技巧，并附带 Excel 的一些知识以及数据分析在公司中所处的位置，对职场了解亦有一定帮助。&/p&&br&&p&&b&2、&/b&&b&《深入浅出数据分析》416人推荐&/b&&/p&&figure&&img src=&http://pic4.zhimg.com/98f33e520ffffaa0071fbffca3076f37_b.png& data-rawwidth=&613& data-rawheight=&238& class=&origin_image zh-lightbox-thumb& width=&613& data-original=&http://pic4.zhimg.com/98f33e520ffffaa0071fbffca3076f37_r.png&&&/figure&&p&&b&书籍简介：&/b&&/p&&p&《深入浅出数据分析》以类似“章回小说”的活泼形式，生动地向读者展现优秀的数据分析人员应知应会的技术：数据分析基本步骤、实验方法、最优化方法、假设检验方法、贝叶斯统计方法、主观概率法、启发法、直方图法、回归法、误差处理、相关数据库、数据整理技巧；正文以后，意犹未尽地以三篇附录介绍数据分析十大要务、R工具及ToolPak工具，在充分展现目标知识以外，为读者搭建了走向深入研究的桥梁。&/p&&br&&p&&b&咖友辣评：&/b&&/p&&p&@&a href=&http://link.zhihu.com/?target=http%3A//www.pmcaff.com/user/profile/%25E6%25B5%25AA%25E5%2585%25AB%25E5%259C%%& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&浪八圈。&/a&&a href=&http://link.zhihu.com/?target=http%3A//www.pmcaff.com/user/profile/%25E6%25B5%25AA%25E5%2585%25AB%25E5%259C%%& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&浪八圈。的个人资料&/a&网易 产品&/p&&p&首先，刚开始在要研究数据分析时，整个脑子都是懵的，不过在读到这本书时，却感觉数据分析还挺有有意思的，这本书是类似于“章回小说”的活泼生动形式，让数据小白们，诠释了数据分析的基本步骤，实验方法，最优化方法/假设检验法/贝叶斯统计法/等等方法论，还有更重要的是数据分析整理技巧，这个太重要了。 &/p&&br&&p&&b&3、《深入浅出统计学 》 &/b&&b&
73人推荐&/b&&/p&&figure&&img src=&http://pic1.zhimg.com/1acd6bd7bc0_b.png& data-rawwidth=&653& data-rawheight=&273& class=&origin_image zh-lightbox-thumb& width=&653& data-original=&http://pic1.zhimg.com/1acd6bd7bc0_r.png&&&/figure&&p&&b&书籍简介：&/b&&/p&&p&《深入浅出统计学》具有深入浅出系列的一贯特色，提供最符合直觉的理解方式，让统计理论的学习既有趣又自然。本书涵盖的知识点包括：信息可视化、概率计算、几何分布、二项分布及泊松分布、正态分布、统计抽样、置信区 间的构建、假设检验、卡方分布、相关与回归等等，完整涵盖AP 考试范围。&/p&&br&&p&&b&4、《大数据时代》 70人推荐&/b&&/p&&figure&&img src=&http://pic4.zhimg.com/2cfc80cd4d303903cfdad3_b.png& data-rawwidth=&629& data-rawheight=&307& class=&origin_image zh-lightbox-thumb& width=&629& data-original=&http://pic4.zhimg.com/2cfc80cd4d303903cfdad3_r.png&&&/figure&&p&&b&书籍简介 ：&/b&&/p&&p&维克托o迈尔o舍恩伯格在书中前瞻性地指出，大数据带来的信息风暴正在变革我们的生活、工作和思维，并用三个部分讲述了大数据时代的思维变革、商业变革和管理变革。&/p&&p&本书的核心在于大数据预测，并在书中展示了谷歌、微软、亚马逊、IBM、苹果、facebook、twitter、VISA等大数据先锋们最具价值的应用案例。&/p&&br&&p&&b&5&/b&&b&、《深入浅出SQL》 &/b&&b&
2&/b&&b&5&/b&&b&人推荐&/b&&/p&&figure&&img src=&http://pic2.zhimg.com/c8a150faef23e52989eaad_b.png& data-rawwidth=&652& data-rawheight=&209& class=&origin_image zh-lightbox-thumb& width=&652& data-original=&http://pic2.zhimg.com/c8a150faef23e52989eaad_r.png&&&/figure&&p&&b&书籍简介：&/b&&/p&&p&《深入浅出SQL》带你进入SQL语言的心脏地带，从使用INSERT和SELECT这些基本的查询语法到使用子查询（subquery）、连接（join）和事务（transaction）这样的核心技术来操作数据库。到读完《深入浅出SQL(影印版)》之时，你将不仅能够理解高效数据库设计和创建，还能像一个专家那样查询、归一（normalizing）和联接数据。你将成为数据的真正主人。&/p&&br&&p&&b&6、《统计学方法与数据分析引论》
2&/b&&b&2&/b&&b&人推荐&/b&&/p&&figure&&img src=&http://pic2.zhimg.com/0ecfd88b981cad4a8451_b.png& data-rawwidth=&597& data-rawheight=&277& class=&origin_image zh-lightbox-thumb& width=&597& data-original=&http://pic2.zhimg.com/0ecfd88b981cad4a8451_r.png&&&/figure&&p&&b&书籍简介：&/b&&/p&&p&本书内容分为8个部分，共20章，分上下两册，各章均有大量习题。作者使用实例来引入主题，并把统计概念和实际问题联系在一起进行讲解，介绍了统计数据的收集和分析过程，讨论了如何解释数据分析的结果，并专门讲述了如何写数据分析报告。&/p&&br&&h2&&b&▍&/b&&b&进阶篇&/b&&/h2&&figure&&img src=&http://pic4.zhimg.com/0077aab79d22f89c74963_b.png& data-rawwidth=&697& data-rawheight=&501& class=&origin_image zh-lightbox-thumb& width=&697& data-original=&http://pic4.zhimg.com/0077aab79d22f89c74963_r.png&&&/figure&&p&&b&1、&/b&&b&《精益数据分析》 33&/b&&b&3&/b&&b&人推荐&/b&&/p&&figure&&img src=&http://pic1.zhimg.com/a707de6ce08fbb98d0ff5d4_b.png& data-rawwidth=&659& data-rawheight=&255& class=&origin_image zh-lightbox-thumb& width=&659& data-original=&http://pic1.zhimg.com/a707de6ce08fbb98d0ff5d4_r.png&&&/figure&&p&&b&书籍简介：&/b&&/p&&p&本书展示了如何验证自己的设想、找到真正的客户、打造能赚钱的产品，以及提升企业知名度。并通过30多个案例分析，深入展示了如何将六个典型的商业模式应用到各种规模的精益创业、数据分析基础，和数据驱动的思维模式中，找到企业增长的第一关键指标。&/p&&br&&p&&b&咖友辣评：&/b&&/p&&p&@&a href=&http://link.zhihu.com/?target=http%3A//www.pmcaff.com/user/profile/zzjc& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&zzjc &/a&数据分析 用户运营&/p&&p&在这本书里面，作者介绍数据分析的相关指标、不同行业的数据分析要点，并且有大量的数据分析案例和翔实数据。如果想要把数据分析落地，这本书对产品经理是非常有帮助的。&/p&&br&&p&&b&2、《R语言实践》
2&/b&&b&66人推荐&/b&&/p&&figure&&img src=&http://pic2.zhimg.com/fd3aa417d9cf24da3651f2bceb4f3acd_b.png& data-rawwidth=&623& data-rawheight=&258& class=&origin_image zh-lightbox-thumb& width=&623& }
教我做概率统计学题目，教会立马转现金红包。 那个画红线的地方用的什么公式。 这是正态分布的内容。
我有更好的答案
这个画线的地方没有看懂诶，
我加你了，你同意一下
为您推荐：
其他类似问题
换一换
回答问题，赢新手礼包
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。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。&br&&br&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。处于互联网最前沿的产品经理们接触了大量的用户数据，但是却一直困扰于如何做好数据分析工作。&br&&br&那么产品经理该如何搭建自己的数据分析知识体系？数据分析的价值又在哪里？产品经理做数据分析有哪些具体的方法？又如何学习数据分析？本文将和大家分享一下这些问题。&br&&br&&br&&b&Part 1 | 数据分析体系：道、术、器&/b&&br&&br&「道」是指价值观。产品经理要想是做好数据分析，首先就要认同数据的意义和价值。一个不认同数据分析、对数据分析的意义缺乏理解的人是很难做好这个工作的。&br&&br&「术」是指正确的方法论。现在新兴的「Growth Hacker」（增长黑客）概念，从 AARRR 框架 ( 获取、激活、留存、变现与推荐五个环节）入手进行产品分析，这是一个非常好的分析方法。&br&&br&「器」则是指数据分析工具。一个好的数据分析工具应该能帮助产品经理进行数据采集、数据分析、数据可视化等工作，节省产品经理的时间和精力，帮助产品经理更好理解用户、更好优化产品。&br&&br&&br&&br&&b&Part 2 | 数据分析的价值&/b&&br&&br&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。&br&&br&&figure&&img src=&https://pic1.zhimg.com/2d98f7ef54d30661fce1c_b.png& data-rawwidth=&593& data-rawheight=&329& class=&origin_image zh-lightbox-thumb& width=&593& data-original=&https://pic1.zhimg.com/2d98f7ef54d30661fce1c_r.png&&&/figure&&br&当我们上线了一个新的产品（product）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）。最后从分析中得出结论和观点（idea），如果数据证明我们的新产品/功能是优秀的，那么可以大力推广；如果数据说明我们的产品还存在问题，就需要对产品进行新一轮的优化（build）。&br&&br&在「产品——数据——结论」的不断循环中，我们不断用数据来优化我们的产品，加快产品迭代的步伐、提升用户体验。&br&&br&&br&&br&&b&Part 3 | 数据分析的方法&/b&&br&&br&&i&&u&1. 流量分析&/u&&/i&&br&&br&a. 访问 / 下载来源，搜索词&br&网站的访问来源，App 的下载渠道，以及各搜索引擎的搜索关键词，通过数据分析平台都可以很方便的进行统计和分析，分析平台通过归因模型判断流量来源，产品经理在分析这些流量时，只需要用自建或者第三方的数据平台追踪流量变化即可，第三方平台如 Google Analytics 、&a class=& wrap external& href=&//link.zhihu.com/?target=https%3A//www.growingio.com/%3Futm_source%3Dzhihu%26utm_medium%3Dqa%26utm_campaign%3Dqutm_content%3Dpm-data-analyse-study%26utm_term%3Ddata-analyse& target=&_blank& rel=&nofollow noreferrer&&GrowingIO&i class=&icon-external&&&/i&&/a& 等；&br&&br&b. 自主投放追踪&br&平时我们在微信等外部渠道投放文章、H5 等，许多产品都会很苦恼无法追踪数据。&br&分析不同获客渠道流量的数量和质量，进而优化投放渠道。常见的办法有 UTM 代码追踪，分析新用户的广告来源、广告内容、广告媒介、广告项目、广告名称和广告关键字。&br&&br&c. 实时流量分析&br&实时监测产品的访问走势，尤其要关心流量异常值。举个例子，某互联网金融平台因为一个产品 Bug 导致用户疯狂抢购造成的流量峰值，产品经理发现实时数据异常后迅速下线该产品修复 Bug，避免了损失扩大。&br&&br&&figure&&img src=&https://pic4.zhimg.com/83fbb2591cfa7a0afebfdb_b.png& data-rawwidth=&760& data-rawheight=&394& class=&origin_image zh-lightbox-thumb& width=&760& data-original=&https://pic4.zhimg.com/83fbb2591cfa7a0afebfdb_r.png&&&/figure&&br&&br&&i&&u&2. 转化分析&/u&&/i&&br&&br&无论是做网站还是 App，产品里面有很多地方需要做转化分析：注册转化、购买转化、激活转化等等。一般我们借助漏斗来衡量用户的转化过程。&br&&br&&figure&&img src=&https://pic3.zhimg.com/1bb9a2ef80d7e781a366_b.png& data-rawwidth=&557& data-rawheight=&367& class=&origin_image zh-lightbox-thumb& width=&557& data-original=&https://pic3.zhimg.com/1bb9a2ef80d7e781a366_r.png&&&/figure&&br&影响转化率的因素很多，我们总结了三个大的方面：渠道流量、用户营销、网站 / APP 体验。以渠道流量为例，通过优选渠道并且量化分配我们的投放资源，可以有效提升总体的转化率。&br&&br&更详细的转化分析方法，可以参考我之前的这篇回答 &a href=&https://www.zhihu.com/question//answer/& class=&internal&&如何提升转化率？ - 张溪梦的回答&/a& 。&br&&br&&br&&i&&u&3. 留存分析&/u&&/i&&br&&br&在互联网行业里，通常我们会通过拉新把客户引过来，但是经过一段时间可能就会有一部分客户逐渐流失了。那些留下来的人或者是经常回访我们公司网站 / App 的人就称为留存。&br&在一段时间内，对某个网站 / App 等有过任意行为的用户，称之为这个网站 / App 这段时间的活跃用户，这个任意行为可以是访问网站、打开 App 等等。&br&&br&现在大家经常会用到所谓的「日活」 （日活跃用户量，DAU）、「周活」 （周活跃用户量，WAU）来监测我们的网站，有的时候会看到我们的「日活」在一段时期内都是逐渐地增加的，以为是非常好的现象，但是如果没有做留存分析的话，这个结果很可能是一个错误。&br&留存是产品增长的核心，用户只有留下来，你的产品才能不断增长。一条留存曲线，如果产品经理不做什么的话，那么用户就慢慢流失了。&br&&br&&figure&&img src=&https://pic1.zhimg.com/28a746bbde0d98_b.png& data-rawwidth=&1037& data-rawheight=&472& class=&origin_image zh-lightbox-thumb& width=&1037& data-original=&https://pic1.zhimg.com/28a746bbde0d98_r.png&&&/figure&&br&&br&这是一个常见的留存曲线，我把它分成了三个部分：第一部分是振荡期，第二部分是选择期，第三部分是平稳期。&br&&br&从产品设计的角度出发，找到触发留存的关键行为，帮助用户尽快找到产品留存的关键节点。之前我们发现我们产品里面，使用过“新建”功能用户的留存度非常高；于是我们做了产品改进，将“新建”按钮置于首页顶部刺激用户使用，效果非常好。&br&&br&硅谷流行的 Magic Number（魔法数字）也是留存分析的一部分，比如 Facebook 发现「在第一周里加 10 个好友」的新用户留存度非常高。作为产品经理，我们也需要通过数据分析来不断探索我们产品里面的魔法数字，不断提高用户留存度和活跃度。&br&&br&更详细的留存分析方法，可以参考这篇文章 &a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&你能找到的最深入的留存分析文章 - 留存 · 增长 · Magic Number &/a& 。&br&&br&&br&&i&&u&4. 可视化分析&/u&&/i&&br&&br&用户体验，是一个非常抽象的概念，我们可以对其进行形象化。目前一个普遍的方法就是对用户的数据进行可视化，以热图的形式呈现。&br&&br&&figure&&img src=&https://pic1.zhimg.com/6e84caece6c_b.png& data-rawwidth=&1179& data-rawheight=&599& class=&origin_image zh-lightbox-thumb& width=&1179& data-original=&https://pic1.zhimg.com/6e84caece6c_r.png&&&/figure&&br&借助热图，产品经理可以非常直观了解用户在产品上的点击偏好，检验我们的产品设计或者布局是否合理。&br&&br&热图的概念、原理、类型和应用，可以参考这个回答 &a href=&https://www.zhihu.com/question//answer/& class=&internal&&热力图是什么原理? - 张溪梦的回答&/a& 。&br&&br&&br&&i&&u&5. 群组分析 & 挖掘用户需求、改进及优化产品&/u&&/i&&br&&br&千人千面，产品经理对用户精细化的分析必不可少。不同区域、不同来源、不同平台甚至不同手机型号的用户，他们对产品的使用和感知都可能存在巨大的差异。产品经理可以对不同属性的用户进行分群，观察不同群组用户的行为差异，进而优化产品。&br&&br&&figure&&img src=&https://pic4.zhimg.com/3fad2fd5b_b.png& data-rawwidth=&651& data-rawheight=&316& class=&origin_image zh-lightbox-thumb& width=&651& data-original=&https://pic4.zhimg.com/3fad2fd5b_r.png&&&/figure&&br&之前我们做过一次分析，网站的总体注册转化率是 6%；但是使用 Chrome 浏览器的新用户注册转化率高达 12%，使用 IE 浏览器的新用户注册转化率才 1%。这样一分的话，问题就很明显了，极有可能是浏览器兼容性的问题，产品经理应该关注一下这个问题。&br&&br&详细的群组分析操作流程，可以参考这个回答 &a href=&https://www.zhihu.com/question//answer/& class=&internal&&产品经理一般是怎么搜集产品不好用之处的？ - 张溪梦的回答&/a& 。&br&&br&&br&&br&&b&Part 4 | 数据分析的书籍&/b&&br&&br&做好数据分析，不是一朝一日就可以的，需要在产品规划设计、产品升级迭代中不断实践。下面的这些书籍对于产品经理学习数据分析都有一定的帮助：&br&&br&推荐 1： &a data-hash=&f44f1ceffbce& href=&//www.zhihu.com/people/f44f1ceffbce& class=&member_mention& data-editable=&true& data-title=&@范冰XDash& data-hovercard=&p$b$f44f1ceffbce&&@范冰XDash&/a& 的《增长黑客》&br&这是国内对于增长黑客的第一本详细介绍，作者从AARRR的视角切入，描述了大量产品优化、产品增长的案例，对于产品经理非常有益。&br&&br&推荐 2：埃里克·莱斯的《精益数据分析》&br&在这本书里面，作者介绍数据分析的相关指标、不同行业的数据分析要点，并且有大量的数据分析案例和翔实数据。如果想要把数据分析落地，这本书对产品经理是非常有帮助的。&br&&br&推荐 3：我们一直在做互联网行业数据分析知识的普及，目前我们已经做了 14 期「&a class=& wrap external& href=&//link.zhihu.com/?target=https%3A//www.growingio.com/%3Futm_source%3Dzhihu%26utm_medium%3Dqa%26utm_campaign%3Dqutm_content%3Dpm-data-analyse-study%26utm_term%3Ddata-analyse& target=&_blank& rel=&nofollow noreferrer&&GrowingIO&i class=&icon-external&&&/i&&/a& 数据分析公开课」，面向产品经理、运营等等，这里是 &a class=& wrap external& href=&//link.zhihu.com/?target=https%3A//www.growingio.com/%3Futm_source%3Dzhihu%26utm_medium%3Dqa%26utm_campaign%3Dqutm_content%3Dpm-data-analyse-study%26utm_term%3Ddata-analyse& target=&_blank& rel=&nofollow noreferrer&&GrowingIO&i class=&icon-external&&&/i&&/a& 的产品和分析师写的《互联网增长第一本数据分析手册》&br&这里面汇编了我们一年多来数据分析、产品优化的实战案例，里面不少文章被被大号转过，例如《如何成为一个优秀的数据产品经理》等等。&br&&br&下载电子版的分析手册，请参考这里 &a class=& wrap external& href=&//link.zhihu.com/?target=https%3A//blog.growingio.com/posts/hu-lian-wang-chuang-ye-gong-si-yong-hu-zeng-zhang-shi-zhan-mi-ji%3Futm_source%3Dzhihu%26utm_medium%3Dqa%26utm_campaign%3Dqutm_content%3Dzeng-zhang-shou-ce%26utm_term%3Ddata-analyse& target=&_blank& rel=&nofollow noreferrer&&互联网增长的第一本数据分析手册&i class=&icon-external&&&/i&&/a& 。&br&&br&推荐 4：埃里克·莱斯的《精益创业》&br&作者提出了最小可行性产品（MVP）、小步快跑，快速迭代等产品设计和优化的理念，影响深远。&br&&br&&br&&b&| 结语&/b&&br&&br&数据分析是一门多学科、多领域的交叉学问，涉及到的东西非常多。产品经理要想做好数据分析，应该有一套完整的思维体系，在价值观、方法论和工具三个层面上储备相关知识。同时立足于产品和用户，用数据来打磨产品，用数据来检验迭代，不断提升用户体验。&br&&br&&br&注：本文中热图、实时等产品功能均来自 &a class=& wrap external& href=&//link.zhihu.com/?target=https%3A//www.growingio.com/%3Futm_source%3Dzhihu%26utm_medium%3Dqa%26utm_campaign%3Dqutm_content%3Dpm-data-analyse-study%26utm_term%3Ddata-analyse& target=&_blank& rel=&nofollow noreferrer&&GrowingIO 官网 硅谷新一代数据分析产品&i class=&icon-external&&&/i&&/a& 。
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…
上图吧。&br&&br&&figure&&img src=&https://pic1.zhimg.com/21b84911dccc5fd493fa956d4b3dd7d4_b.png& data-rawwidth=&600& data-rawheight=&685& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&https://pic1.zhimg.com/21b84911dccc5fd493fa956d4b3dd7d4_r.png&&&/figure&
&figure&&img src=&https://pic1.zhimg.com/v2-ce3ddd28bc2dc_b.jpg& data-rawwidth=&1668& data-rawheight=&1080& class=&origin_image zh-lightbox-thumb& width=&1668& data-original=&https://pic1.zhimg.com/v2-ce3ddd28bc2dc_r.jpg&&&/figure&&blockquote&&p&本文是面向初级PM或对数据分析了解较少的PM们，下面的内容可以帮你进行简单梳理；&/p&&p&如果你是资深老鸟，请通过yuxiaosong#&a href=&http://link.zhihu.com/?target=http%3A//zhugeio.com& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&zhugeio.com&/span&&span class=&invisible&&&/span&&/a&邮箱联系我（我们在&b&招PM&/b& ：）&/p&&/blockquote&&h1&一、产品的「上帝指标」&/h1&&p&让我们从一个类比开始：&/p&&ul&&li&假如&strong&上帝&/strong&是&strong&产品经理&/strong&&/li&&li&那么&strong&地球&/strong&就是他的&strong&产品&/strong&（之一）&/li&&li&而&strong&人类&/strong&则是这个产品的&strong&用户&/strong&&/li&&/ul&&p&下面，让我们站在上帝的视角，梳理一下有哪些数据需要被关注：&/p&&figure&&img src=&https://pic1.zhimg.com/v2-d3e259102aeb1fb4f6bd30_b.jpg& data-rawwidth=&1348& data-rawheight=&754& class=&origin_image zh-lightbox-thumb& width=&1348& data-original=&https://pic1.zhimg.com/v2-d3e259102aeb1fb4f6bd30_r.jpg&&&/figure&&br&&ul&&li&&strong&新增&/strong&&ul&&li&上帝视角：地球上每年有1.4亿人出生&/li&&li&产品视角：新用户增加的数量和速度&ul&&li&产品平均每天有1000位新用户（日新增用户数）&/li&&li&产品上月新增了3万位用户（月新增用户数）&/li&&/ul&&/li&&li&微解读：新用户数量的快速增长，是产品增长的基础。&/li&&/ul&&/li&&li&&strong&活跃&/strong&&ul&&li&上帝视角：目前，地球上总人口数为70亿（70亿人活着）&/li&&li&产品视角：有多少人正在使用产品&ul&&li&产品平均每天有2千用户活跃（日活跃用户数，亦称「日活」或「DAU」）&/li&&li&产品上月共有5万名活跃用户（月活跃用户数，亦称「月活」或「MAU」）&/li&&/ul&&/li&&li&微解读：只有活着的用户，才有可能为产品带来价值。&/li&&/ul&&/li&&li&&strong&留存&/strong&&ul&&li&上帝视角：人类的平均寿命为72岁&/li&&li&产品视角：用户会在多长时间内使用产品&ul&&li&每100位新用户，在新增的第二天还有多少人使用产品？（次日留存率）&/li&&li&每100位新用户，在新增的一周后还有多少人使用产品？（周留存率）&/li&&/ul&&/li&&li&微解读：用户使用产品的时间越久（活的长久），对产品的潜在价值越大。&/li&&/ul&&/li&&li&&strong&传播&/strong&&ul&&li&上帝视角：一对夫妻一般会在23岁左右生下他们的第一个孩子，平均每对夫妇生育2个孩子&/li&&li&产品视角：&ul&&li&平均每位老用户会带来几位新用户？（病毒系数）&/li&&li&老用户一般在注册（新增）后多长时间带来新用户？（传播周期）&/li&&/ul&&/li&&li&微解读：如果你的产品，新用户主要靠病毒传播的方式增长，那么，只有在病毒系数大于1的时候，产品才可能出现爆发式的指数增长；同时，传播周期越短，增长速度越快。&/li&&/ul&&/li&&li&&strong&流失&/strong&&ul&&li&上帝视角：地球上曾经有1,080亿人生活过，如今都已逝去&/li&&li&产品视角：&ul&&li&一段时间内流失的用户，占这段时间活跃用户数的比例（流失率）&/li&&/ul&&/li&&li&微解读：只有当产品新用户增长的速度大于老用户流失的速度时，产品的活跃用户数才会是正增长。&/li&&/ul&&/li&&/ul&&p&为了便于理解和记忆，我们将上述指标统称为「上帝指标」：&/p&&figure&&img src=&https://pic4.zhimg.com/v2-1e24cc8c5ab555d78aeea2a1_b.jpg& data-rawwidth=&840& data-rawheight=&650& class=&origin_image zh-lightbox-thumb& width=&840& data-original=&https://pic4.zhimg.com/v2-1e24cc8c5ab555d78aeea2a1_r.jpg&&&/figure&&br&&blockquote&&p&「上帝指标」是我为了便于大家的理解和记忆所起的名字，如果你觉得它不够严谨，或者不喜欢，请忽略它 ：）&br&&/p&&/blockquote&&br&&h1&二、互联网产品的「AARRR」模型&/h1&&figure&&img src=&https://pic3.zhimg.com/v2-ffe48a95a8fc6e68b08a75b15e557d12_b.jpg& data-rawwidth=&322& data-rawheight=&456& class=&content_image& width=&322&&&/figure&&ul&&li&&strong&获取（Acquisition）&/strong&：用户如何发现（并来到）你的产品？&/li&&li&&strong&激活（Activation）&/strong&：用户的第一次使用体验如何？&/li&&li&&strong&留存（Retention）&/strong&：用户是否还会回到产品（重复使用）？&/li&&li&&strong&传播（Referral）&/strong&：用户是否愿意告诉其他用户？&/li&&li&&strong&收入（Revenue）&/strong&：产品怎样（通过用户）赚钱？&/li&&/ul&&br&&blockquote&&p&注：AARRR模型又称海盗指标，由Dave Mcclure于2007年提出。&/p&&/blockquote&&br&&h1&三、小结&/h1&&p&看到这里，聪明的你已经发现，所谓的「上帝指标」其实和「AARRR模型」相差不大 ：）&/p&&p&重要的是确保你已经记住并理解了它们！！&/p&&br&&p&&b&&a href=&http://link.zhihu.com/?target=https%3A//zhugeio.com/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&诸葛io&/a&&/b&是一家相信数据力量的公司。我们的梦想是打造让地球上每一家公司、每一位产品人都能从数据中受益的产品！&/p&&p&如果你有同样的梦想，欢迎加入我们，我的邮箱是yuxiaosong#&a href=&http://link.zhihu.com/?target=http%3A//zhugeio.com& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&zhugeio.com&/span&&span class=&invisible&&&/span&&/a&，期待你来！&/p&&br&&p&&i&作者于晓松，&a href=&http://link.zhihu.com/?target=https%3A//zhugeio.com/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&诸葛io&/a& 产品VP。&/i&&/p&&p&&i&欢迎整体转载，同时请注明作者、作者公司及出处。&/i&&/p&
本文是面向初级PM或对数据分析了解较少的PM们，下面的内容可以帮你进行简单梳理；如果你是资深老鸟，请通过yuxiaosong#邮箱联系我（我们在招PM ：）一、产品的「上帝指标」让我们从一个类比开始：假如上帝是产品经理那么地球就是他的产品…
&p&注：原酒仙网高级数据经理，现离职状态，无收入，无工作。&/p&&p&可打赏，可做数据产品咨询和培训，可推荐工作。&/p&&p&微信：&/p&&p&这篇文章是之前的一次大数据论坛演讲，但是时过半年，已经有了很多新的感悟，所以后续会不断更新。&/p&&p&该系列第二篇地址：&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&知乎专栏&/a&&/p&&h1&一、
引言：&/h1&&p&之前我写过一篇文章，叫“如何一步步从数据产品菜鸟走到骨干数据产品”（&a href=&https://link.zhihu.com/?target=http%3A//www.pmcaff.com/article/index/0082%3Ffrom%3Dprofile& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&如何一步步从数据产品菜鸟走到骨干数据产品&/a&），覆盖了做一个分析类数据产品的方法论，但是从那个时间段开始，我的工作内容有所变化，主要做搜索，同时负责推荐系统，经过半年多的探索，发现算法类产品，和分析类产品，对产品经理的工作方式、能力要求，都是有所不同，所以就再写一篇文章，来系统讲一下算法产品经理的工作和成长。&/p&&p&在这之前我整理了一下别人经常问我的问题：&/p&&ul&&li&数据产品经理应该具备什么知识？如何能更好的切入进来？&/li&&li&获得一组数据后，怎么对数据进行分析？分析思路是什么？&/li&&li&如何才能在数据调查中识别真需求和伪需求？&/li&&li&电商的搜索权重算法一般是怎么样的？&/li&&li&在算法产品中，产品经理起到的作用是什么？为什么需要数据产品经理？&/li&&/ul&&p&可以看到当一个产品经理接手一个大数据的产品团队时，会碰到比较多的问题。为什么会有这些问题呢，说明做事的方法，思路和逻辑性不够系统，每个环节应该怎么想，应该怎么做，还不是很清楚。所以本文主要讲方法，因为当你掌握了方法，这些问题就都能解决了。&/p&&p&产品开发一共分三个阶段：需求调研、解决方案，落地执行。我根据这几个阶段来写。&/p&&br&&h1&二、
需求调研：&/h1&&p&以前给宝洁出数据方案时，满满200页ppt，全部都是商业模型和数学模型的讲解，我在做数据分析的时候，商业模型，和数据模型，用的都很多，但是当我做大数据后，整个的分析方式都变了，变得特别的简单、粗暴、直接，整理了以下几种常用的，基本可以覆盖一个不是很大的团队的分析方式：&/p&&ul&&li&流程；&/li&&li&抽样；&/li&&li&枚举；&/li&&li&已有数据分析；&/li&&/ul&&h2&1.
枚举法：&/h2&&p&为什么先介绍这个方法呢？因为这是我们刚用这个办法，把搜索的点击率提升了30%。&/p&&p&枚举法是最基本的办法，单独的对某个节点，一般采用的是枚举问题法。其实非常简单，就是把所有的用户问题拖出来。&/p&&p&以搜索召回分析，（召回指把搜索词相关结果搜索出来。）主题是搜索词和搜索结果；&/p&&figure&&img src=&https://pic4.zhimg.com/26e9c5be995fed1cd810c_b.jpg& data-rawheight=&219& data-rawwidth=&870& class=&origin_image zh-lightbox-thumb& width=&870& data-original=&https://pic4.zhimg.com/26e9c5be995fed1cd810c_r.jpg&&&/figure&&br&&ul&&li&把所有搜索词列出来，按pv排序；&/li&&li&逐个搜索词解读其数据和特征，包括用户在什么样的情况下搜索这个词，这个属于什么词，是类目词还是品牌词，还是商品词，这个词下面的结果是否包含爆款，我们的爆款和其他平台同款是否有价格优势，和其他平台爆款是否有商品优势，努力通过这些数据还原出用户的真实使用场景和想法，并尝试推测这个数据产生的原因。在解读的同时，要随时记录发现的各种问题，用户哪些需求没有被满足。&/li&&/ul&&br&&figure&&img src=&https://pic4.zhimg.com/297c078f3ec92bcbfbad1_b.jpg& data-rawheight=&143& data-rawwidth=&682& class=&origin_image zh-lightbox-thumb& width=&682& data-original=&https://pic4.zhimg.com/297c078f3ec92bcbfbad1_r.jpg&&&/figure&&br&&ul&&li&根据上面步骤中发现的典型问题和场景、目标的推测，对搜索词做细致的划分。比如，原来没有想到用户喝酒有较强的地域属性，所以地域这个字段并没有在索引中，那么要加进去。比如，有一些酒有专有名词，这些名词喝酒的人知道，但是搜索不知道，那就要想办法告诉搜索，比如，老酒。比如一级庄二级庄三级装等，将不同的词划分出来，作为一个单独的词组；&/li&&li&拿这个词组中的一部分词进行后续的研究，和规则制定。&/li&&li&把词组中剩下的词扔到规则里，对规则进行验证，看是否能够正常召回。&/li&&/ul&&p&这个方法看起来很简单，所以难的是执行，就是真的坐下来耐心的去看用户数据，去把自己的经验涌进来，我们后来做搜索的suggest、筛选条件时，都采用的同一样的办法。&/p&&br&&p&为什么这是算法产品基础入门的方法呢？&/p&&p&因为数据分析报告，只能满足已有预设的情况，大大小小的突发情况，既来不及做分析报告，也来不及找出详细数据来查看。我们作为产品经理，大部分时候，都是在面对突发情况，做大大小小的决策，快速决定事情走向，判断建议的好坏，决定是否上线或回退，比如忽然发现原方案会导致性能问题，临时给另一种解决方案，比如开发和测试人员都建议其他方案，比如领导忽然问你竞品的新变动我们是不是也要采纳，这些都是几乎要立刻给出结论的。&/p&&p&在这种情况下，没有人给产品经理时间，做细致、全面的分析，产品经理要依靠的是什么？是你对用户的了解，感性的认识，理性的认识。&/p&&p&所以，这就是挨条看用户行为的好处，对你积累方方面面的了解和认知，是比较有好处的。&/p&
注：原酒仙网高级数据经理，现离职状态，无收入，无工作。可打赏，可做数据产品咨询和培训，可推荐工作。微信：这篇文章是之前的一次大数据论坛演讲，但是时过半年，已经有了很多新的感悟，所以后续会不断更新。该系列第二篇地址：一、 引…
&figure&&img src=&https://pic2.zhimg.com/v2-d6cd7d0f278f0f_b.jpg& data-rawwidth=&750& data-rawheight=&340& class=&origin_image zh-lightbox-thumb& width=&750& data-original=&https://pic2.zhimg.com/v2-d6cd7d0f278f0f_r.jpg&&&/figure&&blockquote&&a href=&http://link.zhihu.com/?target=http%3A//www.dabaipm.cn/static/woshipm/247.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&产品经理必备数据统计网站汇总&/a&&/blockquote&&p&如果：你想写一篇竞品分析报告时候苦于没有数据来源？想知道竞争对手在互联网市场的市场份额无从下手？想了解竞品的行业的竞争水平却没有数据支持？想看看对手都在哪发外链引流？想了解老板是不是靠谱，之前有过哪些光辉历史或黑历史？那么你看这篇文章就够了！&/p&&p&文章内容来自于我自身对产品经理常用统计网站的搜集、以及来自于SEO（搜索引擎优化）朋友和运营小伙伴的建议，各网站都是各有长短。本文除了罗列一系列网站之外，还会结合自身的使用感受简单做一些分析，让大家明白各网站的亮点。&/p&&h2&1、百度指数：&a href=&http://link.zhihu.com/?target=http%3A//index.baidu.com/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&百度指数&/a&&/h2&&p&百度指数是搜索引擎优化最常用的网站！（绝对没有之一）。通过这个网站可以了解某一关键词的行业搜索热度和竞争对手的大致情况，区域分布，性别比例。关键词周边需求图谱，相关来源检索词和去向检索词等等。。&/p&&figure&&img src=&http://pic4.zhimg.com/v2-b9af6b23b4a57bbd8909b3_b.jpg& data-rawwidth=&1249& data-rawheight=&784& class=&origin_image zh-lightbox-thumb& width=&1249& data-original=&http://pic4.zhimg.com/v2-b9af6b23b4a57bbd8909b3_r.jpg&&&/figure&&br&&h2&2、站长之家 SEO分析工具 代表： &a href=&http://link.zhihu.com/?target=http%3A//tool.chinaz.com& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&站长工具 - 站长之家&/a&&a href=&http://link.zhihu.com/?target=http%3A//www.aizhan.com/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&站长工具-百度权重排名查询-站长seo查询 - 爱站网&/a&&/h2&&p&通过这几个网站分析竞争对手网站的综合数据，比如网站搭建时间，网站权重，网站流量，推广渠道，网站关键词、描述、网站排名等等。&/p&&figure&&img src=&http://pic3.zhimg.com/v2-33e9e2a2c804cb1e0e878e_b.jpg& data-rawwidth=&1190& data-rawheight=&769& class=&origin_image zh-lightbox-thumb& width=&1190& data-original=&http://pic3.zhimg.com/v2-33e9e2a2c804cb1e0e878e_r.jpg&&&/figure&&br&&h2&3、百度搜索 &a href=&http://link.zhihu.com/?target=http%3A//www.baidu.com& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&百度一下，你就知道&/a&&/h2&&p&通过百度搜索可以查询到自己网站的收录情况和外链情况。知道通过搜索引擎能不能找到你们家网站就是这样。常用命令如下：以&a href=&http://link.zhihu.com/?target=http%3A//dabaipm.cn& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&dabaipm.cn&/span&&span class=&invisible&&&/span&&/a&网站为例。&/p&&p&查询网站收录，通过百度搜索 site:&a href=&http://link.zhihu.com/?target=http%3A//dabaipm.cn& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&dabaipm.cn&/span&&span class=&invisible&&&/span&&/a&（注意site后面加冒号，冒号后可以有www点也可以没有，但是一定不能有http://）。&/p&&p&通过domain:&a href=&http://link.zhihu.com/?target=http%3A//dabaipm.cn& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&dabaipm.cn&/span&&span class=&invisible&&&/span&&/a& 可以查询到dabaipm网站的反链，也就是说你可以看看你的对手网站都在哪发的软文或广告。&/p&&figure&&img src=&http://pic1.zhimg.com/v2-4ebb46e88ccac1bce3a7634_b.jpg& data-rawwidth=&784& data-rawheight=&554& class=&origin_image zh-lightbox-thumb& width=&784& data-original=&http://pic1.zhimg.com/v2-4ebb46e88ccac1bce3a7634_r.jpg&&&/figure&&br&&h2&4、ASO100：&a href=&http://link.zhihu.com/?target=http%3A//aso100.com/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&ASO100 - 专业移动推广数据分析平台丨ASO优化专家平台丨iOS榜单排行榜查询工具&/a&&/h2&&p&这个网站通过APP名称可以搜索到对应app的排名情况（在总榜和分类榜的排名变化），并且可查询历史排名的变化情况。以及竞品的排名变化趋势。这些网站大家摸索一下就行了 比较简单。&/p&&figure&&img src=&http://pic2.zhimg.com/v2-1ea06fc6bcdba41_b.jpg& data-rawwidth=&1180& data-rawheight=&983& class=&origin_image zh-lightbox-thumb& width=&1180& data-original=&http://pic2.zhimg.com/v2-1ea06fc6bcdba41_r.jpg&&&/figure&&br&&h2&5、百度统计 &a href=&http://link.zhihu.com/?target=http%3A//tongji.baidu.com& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&tongji.baidu.com&/span&&span class=&invisible&&&/span&&/a&&/h2&&p&通过开发初期在网站埋点可以查询到你的网站的每日访客量，实时访客数，历史访客数据，用户来源分析，搜索词分析、外链、入口页面，网页热力图，页面上下游，以及其他更多统计数据。截图如下：&/p&&figure&&img src=&http://pic2.zhimg.com/v2-13944f9add43310fb8ebf8dddec88ccd_b.jpg& data-rawwidth=&1309& data-rawheight=&942& class=&origin_image zh-lightbox-thumb& width=&1309& data-original=&http://pic2.zhimg.com/v2-13944f9add43310fb8ebf8dddec88ccd_r.jpg&&&/figure&&br&&h2&6、酷传：&a href=&http://link.zhihu.com/?target=http%3A//www.coolchuan.com/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&酷传&/a&&/h2&&p&这个网站跟ASO100比较类似，可以用来查询APP在安卓、IOS各平台的下载量。另外这个网站还可以急速发布到各个平台（也算是方便不少吧 属于工具型功能）。 &/p&&figure&&img src=&http://pic3.zhimg.com/v2-adda7efb6b8d48d6cb4589a_b.jpg& data-rawwidth=&992& data-rawheight=&665& class=&origin_image zh-lightbox-thumb& width=&992& data-original=&http://pic3.zhimg.com/v2-adda7efb6b8d48d6cb4589a_r.jpg&&&/figure&&br&&h2&7、企鹅智酷 &a href=&http://link.zhihu.com/?target=http%3A//re.qq.com/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&企鹅智酷&/a&&/h2&&p&依托腾讯数据资源，提供互联网行业分析报告。包括详细的数据对比分析，对于不会写数据分析报告的产品经理可以参考一下。&/p&&figure&&img src=&http://pic1.zhimg.com/v2-41a61e2dfa48ef7fb028_b.jpg& data-rawwidth=&1047& data-rawheight=&757& class=&origin_image zh-lightbox-thumb& width=&1047& data-original=&http://pic1.zhimg.com/v2-41a61e2dfa48ef7fb028_r.jpg&&&/figure&&br&&h2&8、数据分析网站精选 &a href=&http://link.zhihu.com/?target=http%3A//www.datatang.com& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&数据堂_大数据交易平台&/a&&/h2&&p&这个网站数据是收费的，对于土豪公司可以参考一下吧，如果真的某个行业数据其他平台上没有，可以考虑到这里购买一份。&/p&&p&这种不开放资源的、违背互联网共享精神的平台我不想截图，就是这么任性！&/p&&figure&&img src=&http://pic1.zhimg.com/v2-b0edf1ce0c326b4aabfcac_b.jpg& data-rawwidth=&550& data-rawheight=&550& class=&origin_image zh-lightbox-thumb& width=&550& data-original=&http://pic1.zhimg.com/v2-b0edf1ce0c326b4aabfcac_r.jpg&&&/figure&&br&&h2&9、大数据导航网站 &a href=&http://link.zhihu.com/?target=http%3A//hao.199it.com/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&大数据导航-大数据工具导航-199IT大数据导航-199IT大数据工具导航-Hao.199it.com&/a&&/h2&&p&提供各大数据平台入口，但是太多难免不知道哪个好歹，本文特意分析了一下几个我接触到的网站，分享给大家。&/p&&figure&&img src=&http://pic3.zhimg.com/v2-09efed1f27d9bffe817f5b140c00dd7a_b.jpg& data-rawwidth=&962& data-rawheight=&922& class=&origin_image zh-lightbox-thumb& width=&962& data-original=&http://pic3.zhimg.com/v2-09efed1f27d9bffe817f5b140c00dd7a_r.jpg&&&/figure&&br&&h2&10、易观智库、艾瑞咨询&/h2&&p&这个大家看看吧，凑数的。哈哈哈哈。。。&/p&&figure&&img src=&http://pic3.zhimg.com/v2-16ae09bccf576_b.jpg& data-rawwidth=&480& data-rawheight=&400& class=&origin_image zh-lightbox-thumb& width=&480& data-original=&http://pic3.zhimg.com/v2-16ae09bccf576_r.jpg&&&/figure&&br&&h2&11、天眼查 &a href=&http://link.zhihu.com/?target=http%3A//www.tianyancha.com/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&企业注册信息查询_企业工商信息查询_企业信用信息查询平台_发现人与企业关系的平台-天眼查&/a&&/h2&&p&例如通过天眼查搜索“李彦宏”，就可以看到他名下所有的注册公司信息，以及公司法人、注册资金，公司注册地址，工商注册号，组织机构代码证，公司营业期限等等。&/p&&blockquote&&p&查询公司靠不靠谱、查询老板靠不靠谱，就靠他了！&/p&&/blockquote&&p&截图太多，直接贴链接好了。&/p&&p&&a href=&http://link.zhihu.com/?target=http%3A//www.tianyancha.com/search%3Fkey%3D%25E6%259D%258E%25E5%25BD%25A6%25E5%25AE%258F%26checkFrom%3DsearchBox& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&企业注册信息查询_企业工商信息查询_企业信用信息查询平台_发现人与企业关系的平台-天眼查&/a&&/p&&p&&a href=&http://link.zhihu.com/?target=http%3A//www.tianyancha.com/company/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&企业注册信息查询_企业工商信息查询_企业信用信息查询平台_发现人与企业关系的平台-天眼查&/a&&/p&&p&&a href=&http://link.zhihu.com/?target=http%3A//www.tianyancha.com/company/22822& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&企业注册信息查询_企业工商信息查询_企业信用信息查询平台_发现人与企业关系的平台-天眼查&/a&&/p&&figure&&img src=&http://pic1.zhimg.com/v2-3de00ac18c7daa27e00088_b.jpg& data-rawwidth=&893& data-rawheight=&931& class=&origin_image zh-lightbox-thumb& width=&893& data-original=&http://pic1.zhimg.com/v2-3de00ac18c7daa27e00088_r.jpg&&&/figure&&br&&p&总结，也许很多网站你都知道，也许很多网站你不太了解或者不知道我说的是什么。楼主还是建议大家结合我的对各平台的分析，动手打开一下对应的网站，看看，尝试一下。&/p&&p&如果感觉这篇文章里的工具网站你可能用的着，欢迎大家点赞或收藏。&/p&&p&另外还有什么想了解的产品方面话题可以在文末评论，楼主看到会搜集相关信息分享给大家。&/p&&p&&a href=&http://link.zhihu.com/?target=http%3A//www.dabaipm.cn/static/woshipm/247.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&阅读原文&/a&&/p&
如果：你想写一篇竞品分析报告时候苦于没有数据来源？想知道竞争对手在互联网市场的市场份额无从下手？想了解竞品的行业的竞争水平却没有数据支持？想看看对手都在哪发外链引流？想了解老板是不是靠谱，之前有过哪些光辉历史或…
给你几个豆列：&br&&br&一个懂用户体验的网络产品经理必备的几本书：&a href=&//link.zhihu.com/?target=http%3A//book.douban.com/doulist/21216/& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&book.douban.com/doulist&/span&&span class=&invisible&&/21216/&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&br&互联网产品经理 全方位入门(共45本)：&a href=&//link.zhihu.com/?target=http%3A//book.douban.com/doulist/531890/& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&book.douban.com/doulist&/span&&span class=&invisible&&/531890/&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&br&互联网产品经理必读书目－－设计篇：&a href=&//link.zhihu.com/?target=http%3A//book.douban.com/doulist/56724/& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&book.douban.com/doulist&/span&&span class=&invisible&&/56724/&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&br&互联网产品经理：&a href=&//link.zhihu.com/?target=http%3A//www.pm265.com/& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://www.&/span&&span class=&visible&&pm265.com/&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&
给你几个豆列： 一个懂用户体验的网络产品经理必备的几本书： 互联网产品经理 全方位入门(共45本)： 互联网产品经理必读书目－－设计篇： 互联网产品经理：
&figure&&img src=&https://pic1.zhimg.com/v2-f31e5d2a2bfa4b14ad1d0d809c748395_b.jpg& data-rawwidth=&789& data-rawheight=&444& class=&origin_image zh-lightbox-thumb& width=&789& data-original=&https://pic1.zhimg.com/v2-f31e5d2a2bfa4b14ad1d0d809c748395_r.jpg&&&/figure&&p&这几天总统大选又把各种民调和预测推成了热点，大家都说机器学习或者大数据完败，人心不可捉摸。这一仗证明了数据和机器总是勘不破人性这种玄学，这些永远都是无法预测好的云云。&br&&/p&&p&实际上并非如此，数据并不是&b&客观的&/b&，数据带有强烈的主观色彩，人本身在挖掘数据、分析数据和总结数据三个环节，都起到了至关重要的作用。&/p&&p&首先，收集数据的渠道，都是人操作的、人判断的，用街头的问卷还是电话？用 Google 的搜索历史还是 Facebook 的语义分析？这都是可选的、可变的。&/p&&p&其次，分析数据的算法里，没有任何一个是机器自己研制的。每个算法的每个公式和策略，都是人制定的，人去决定这些数据代表着什么意义，在大选中又会起到什么作用。&/p&&p&最后，得到结论的过程，也是人做决策。这样的分析结果代表什么含义？这样的结论准确程度有多少？&/p&&p&比如，许多我们知道的民调和大数据预测惨败，但也有很多成功预测的，他们使用的是完全不同的方法。不代表他们的能力多强、多有钱或者有多少人力，而是他们选择的方式不同。&/p&&p&像 Bing 通过搜索结果、社交媒体数据及第三方的预测结果，在 8 月得到的预测是希拉里有 77% 可能当选（之后的预测数字甚至更高）：&/p&&p&&figure&&img src=&https://pic2.zhimg.com/v2-6d6dae5bfd93b_b.jpg& data-rawwidth=&550& data-rawheight=&356& class=&origin_image zh-lightbox-thumb& width=&550& data-original=&https://pic2.zhimg.com/v2-6d6dae5bfd93b_r.jpg&&&/figure&而另外有人通过各州的收入来分析，准确率就大不一样：&/p&&figure&&img src=&https://pic4.zhimg.com/v2-9afe13c5180925fbda94b_b.jpg& data-rawwidth=&600& data-rawheight=&437& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&https://pic4.zhimg.com/v2-9afe13c5180925fbda94b_r.jpg&&&/figure&&p&（参见 &a href=&https://www.zhihu.com/question//answer/& class=&internal&&有哪些数据风向标更好地预测了这次美国总统选举结果？ - chenqin 的回答&/a& ）&br&&/p&&p&因此并不能单纯地说，大数据、民调的数据分析方法有问题，人心永远无法捉摸。&/p&&p&不过今天我想说的是衍生出来的另外一个问题：数据跟我们做产品有什么关系？我们做产品时到底应该怎么看待数据？&br&&/p&&br&&h2&1. 数据在产品演化中是必要的，它提供的是信息。&/h2&&p&我在 &a href=&https://www.zhihu.com/question//answer/& class=&internal&&怎么理解「产品是演化出来，而非规划出来的」？ - 刘飞的回答&/a& 提过，产品一定是演化出来的，不是规划出来的。&/p&&p&互联网产品的特殊性在于，不像传统的商品，设计、制造和销售完全割裂。对互联网产品来说，能够一边改进一边接触到用户，这就提供了很好的途径，让我们对用户的反馈做出改变。这也是惯常所说的「互联网思维」。&/p&&p&所谓接触用户、了解用户，无非就是几种方法（在之前文章里也有提过）：&/p&&ul&&li&观察，或者亲自体验&/li&&li&调查问卷、街头调查&/li&&li&访谈、焦点小组&/li&&li&获得用户使用数据&/li&&/ul&&br&&p&使用这些方法，我们得到的是各种各样的信息，其中有定性的也有定量的。这些就是我们每次迭代的核心基础，没有这些，我们根本不知道该如何改。&/p&&p&对于定性的信息，更多是考验产品经理的观察力、对用户的敏感程度。所谓一个人到底有没有「产品感」，跟用户聊了几句能不能得到有效信息，去现实场景中体验了下产品能不能有新的发现，等等，都是这个范畴的。&/p&&p&而所谓数据，就是这些信息当中，属于定量部分的。&/p&&p&定量部分的信息，不依赖于产品经理的「产品感」，很多时候是依赖于产品经理对数据的敏感程度和分析能力。从错综复杂的数据里还原真相，推理出现场，是这时所需要的能力。&/p&&p&对于不管是调查问卷还是从产品后台得到的这些数据，看似都没什么问题，数字变大就是增长，数字减少就是下跌，明明是板上钉钉的事儿，其实却暗藏陷阱。对产品经理来说，数据的陷阱，比其它定性信息的陷阱，更加危险——因为你很相信这是客观的、无从质疑的。&/p&&p&&figure&&img src=&https://pic1.zhimg.com/v2-b6a0eefe9_b.jpg& data-rawwidth=&583& data-rawheight=&373& class=&origin_image zh-lightbox-thumb& width=&583& data-original=&https://pic1.zhimg.com/v2-b6a0eefe9_r.jpg&&&/figure&（定量和定性信息的区别，定量信息即是数据）&/p&&br&&h2&2. 陷阱一：数据获取有误。&/h2&&p&美国总统大选是数据获取天然的试验场，怎么得到最真实的数据、怎么选择调查对象样本都是老生常谈的话题。1936 年美国总统大选中脱颖而出的民调公司盖洛普，就是依靠更准备的获取方法，用 5 万样本打败了当年的《文学文摘》 230 万份的样本数据。&/p&&p&有趣的是，靠总统大选声名鹊起的盖洛普，今年没有预测总统大选。（&a href=&https://link.zhihu.com/?target=http%3A//www.imediaethics.org/first-gallup-then-pew-afraid-of-election-polls/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&First Gallup, Then Pew&/a&）&/p&&p&数据获取在总统大选中非常难操作，在于美国作为移民国家、又奉行自由主义，国内的政治派系、种族、性别、年龄、教育背景、社会阶层等等，千差万别，无法找到准确的分层统计样本（分层抽样指依据特征区分样本，再随机抽样）。&/p&&p&这么来看，对不同的产品，数据获取的难度自然也不一样。&/p&&p&如果产品所面向的用户群体非常集中，比如是做初高中教育的，那么用户就是初高中的学生，调研的人群不会特别分散；但如果是大规模的平台，像淘宝京东这种，用户群体从巨富到还没有收入的学生各不相同，那么要区分调研他们的状况，自然就难上加难。&/p&&p&除了区分用户群体，确保获取信息的准确性也会是件麻烦事。&/p&&p&我之前有个朋友是做情趣用品的，他们做了一系列调研，然后发现平时使用情趣用品的男女比例，大概是 8：2 的样子（具体数字我记不清了）。这不是他们的猜想，也不是根据其他间接的数据做的推论，这可都是实实在在的调研结果。&br&&/p&&p&但想来想去，他们总觉得哪里不对。这跟他们平时的感知是相悖的。于是他们又重新做了一些调研，不过这次他们使用了匿名的方式，并且没有绑定用户任何的账号，这次使用情趣用品女性的比例骤然增大。&/p&&p&显而易见：原来的调研是在微博上做的公开调研，很多女性用户比较腼腆，不愿填写自己的真实情况。&/p&&p&再说回今年的总统大选，为什么大量的民调和预测都失败了？因为有很多选民言行不一，也有很多选民大家称之为「沉默的大多数」，这样的结果就是获取到的数据，本身就是有问题的、不真实的。即便是它们没有经过任何润色处理。&/p&&br&&p&&figure&&img src=&https://pic2.zhimg.com/v2-205cbd9d1bc45046bbd8bf17a680e250_b.jpg& data-rawwidth=&379& data-rawheight=&414& class=&content_image& width=&379&&&/figure&（像微博上常见的公开投票，大家会更在意「表现出来的」观点，而不是自己「真实的」观点）&/p&&h2&3. 陷阱二：数据是客观的，但信息和知识是有主观成分的。&/h2&&p&不过好在前面说的都是传统的调研方式，新的获取数据方式，也就是所谓大数据，其实是根据用户实际行为获得的。对刚才提到的淘宝京东来说，根据该用户的消费记录，基本就能够知道他们大致属于什么收入阶层，根据他们的购物记录，也能还原出大致的人的性格、喜好和生活环境。&/p&&p&既然是通过用户的行为得到的数据来做判断，不是拿调查问卷或者访谈作为根据，那总不会出问题了吧？&/p&&p&当然也不是。这就涉及到数据分析环节中的陷阱了。同样的数据，不同的人会有不同的看法，不同的算法也会得到截然不同的结论。&/p&&p&数据（Data）是客观存在的，但是信息（information）则是我们分析出的。而知识（knowledge）是从信息中提炼出的、归纳总结出的（原腾讯副总裁吴军老师和台积电张忠谋都提过这样的概念）。&/p&&p&它们分属三种层次，我们应当时刻清楚当前面对的，究竟是哪一个。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-0f4e7edf42aef11a601ad_b.jpg& data-rawwidth=&612& data-rawheight=&384& class=&origin_image zh-lightbox-thumb& width=&612& data-original=&https://pic3.zhimg.com/v2-0f4e7edf42aef11a601ad_r.jpg&&&/figure&&p&举个我真正遇到的例子。&/p&&p&我目前所在的即时物流平台，做的是配送的业务。一方的用户是不同的渠道商，像饿了么、鲜花店等；另一方的用户则是众包配送员。可以理解为我们是做双方的撮合平台。&/p&&p&有段时间我们就遇到一个问题：A 渠道商的订单总是配送不出去，或者超时，或者干脆时间太久被取消。这个渠道的订单取消率和超时率都居高不下，同时配送这些订单的配送员数量一直很少。&/p&&p&我们对这些数据初步的判断就是：这是 A 渠道商的配送员不够。由于我们对 A 渠道商的配送服务有一定要求，所以对应的配送员要经过培训。我们的结论就是：让更多的配送员接受培训，增加对应配送员。&/p&&p&看起来逻辑没什么问题，但我们在即将行动时发现了另一份数据：A 渠道商的订单转单率特别高。所谓转单，就是配送员认为自己某种原因无法完成配送，于是把自己手中的订单转出去。&/p&&p&这下真实的原因露出水面。并非是配送员不够，而是配送员对接 A 渠道商的订单积极性不高，甚至有些反感。被转出的单子自然就容易超时乃至取消。&/p&&p&问题的本质也就是，我们应当提高 A 渠道商订单在配送员方面的满意度和收入。而不是冒然增多配送员。&/p&&br&&p&「看似是这样的」和「真的是这样的」中间的差别可能非常巨大。&/p&&p&再比如，看这两张图，用户活跃量几乎一样（彩色图块的外边线），应该都是比较乐观的增长。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-dddee7af800431_b.jpg& data-rawwidth=&600& data-rawheight=&307& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&https://pic1.zhimg.com/v2-dddee7af800431_r.jpg&&&/figure&&p&&figure&&img src=&https://pic1.zhimg.com/v2-4d5b6ecee8e6dd54779c_b.jpg& data-rawwidth=&600& data-rawheight=&304& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&https://pic1.zhimg.com/v2-4d5b6ecee8e6dd54779c_r.jpg&&&/figure&&br&但仔细看，就会知道，虽然第一张图里的用户活跃量也不低，但是用户的周留存剧烈下降，甚至为 0，而图二中每天的活跃用户，在一定时间后就逐步稳定了下来。也就是说，在后期的日活中，有大量的是留存老用户，不像图一基本都是新用户。&/p&&p&这是一种很好地通过数据分析活跃用户与留存用户关系的方式。而如果只看到了活跃用户的数据，就不会得到正确的结论。&/p&&p&（参考：&a href=&https://www.zhihu.com/question//answer/& class=&internal&&如何分析活跃用户和留存用户？ - 张溪梦 Simon 的回答&/a&）&br&&/p&&br&&p&还有个经典例子就是沃尔德对美国空军战机的分析，这里就不做赘述了，参考：&a href=&https://www.zhihu.com/question/& class=&internal&&百度百科「幸存者偏差」中关于二战飞机的例子，前后解释有些矛盾，是怎么回事？ - 心理&/a&&/p&&p&同样的数据，都能得出完全不同的判断。&/p&&p&&figure&&img src=&https://pic1.zhimg.com/v2-c7abc9a3a6e7bd5_b.jpg& data-rawwidth=&435& data-rawheight=&456& class=&origin_image zh-lightbox-thumb& width=&435& data-original=&https://pic1.zhimg.com/v2-c7abc9a3a6e7bd5_r.jpg&&&/figure&（沃尔德的论文中计算概率的方法）&/p&&br&&h2&4. 陷阱三：唯数据导向。&/h2&&p&你可能会问：不是说数据来指导我们迭代吗？那数据导向有什么问题吗？&/p&&p&确实，随着数据获取渠道的丰富、硬件上有了存储和计算大规模数据的可能性，数据在产品设计中在起着越来越重要的作用。Growth Hacker 的方式基本是现在互联网产品的共识了。&/p&&p&但是唯数据导向却是错的。&/p&&p&我们先看一个虚构的例子。&/p&&p&小 C 和小 D 来到一家公司做运营方向的产品，他们都在努力想让产品吸引更多用户。小 C 想到的是，打好基础，把产品的方方面面做好，慢慢推进，用户迟早会买账；而小 D 觉得这是落伍的方法，他认为，应该快速用各种营销方式先吸引人过来，剩下的在迭代中考虑。&/p&&p&如果是唯数据导向的公司，会怎么样？肯定会选择小 D 的方案，因为他们的两种方式里，小 D 的显然数据会更好看。&/p&&p&好了，小 C 只好也接受了小 D 的观点，两个人都在想如何做好营销的功能，老板建议他们用新手红包的方式。&/p&&p&所以小 C 想的是给每个用户发 10 元新人红包，把更多主要的补贴用在后续有黏性的用户身上。&/p&&p&而小 D 认为现在拉新、造势最重要，应该每个人发 50 元的新人红包，但是呢，钱要花在刀刃上，这 50 元的新人红包想要拿到，还得邀请 10 个好友才行，邀请完也不行，邀请完才告诉你这是抽奖红包，你只有 10% 的概率拿到——刚开始不告诉你，你下载了 APP、注册完了、打开红包页面，我再告诉你。&br&&/p&&p&小 C 说你这不是欺诈吗？用户会反感的。小 D 说这有什么啊，反感的用户自然就会走，但是这样新用户的数据会暴涨的啊。&/p&&p&于是争执不下的两人，各自做了一套功能，上线后一周，老板看了看数据，就把小 C 开除了。&/p&&p&想必你明白我的意思了。这种舍远求近、捡了芝麻丢了西瓜的事情，其实普遍发生在如今的产品经理的设计里。在各种领导的压力下、KPI 的压力下、公司融资的压力下，往往都是追求一时的数据好看，而不在意长期的可持续发展。这点在运营和业务导向的电商行业、O2O 行业非常显著。尤其是大公司，职级体系复杂，每个人只关心自己手头这块利益，就没有人在意公司长期的利益了（BAT 里谁做得最差有目共睹）。&/p&&p&微信是在节制方面做得最好的。张小龙多次提到，微信的核心价值观就是要以用户优先，而不是以 KPI 或者数据优先。比如他说道：&/p&&blockquote&关于用户的价值，这里可以举很多例子，比如说很多的公众号可能把拉粉作为他最大的一个诉求，但你会看到其实微信里面几乎没有地方可以提供你可以很轻易的获取粉丝。这里要考虑一点，你吸引到了非常多的粉丝，这些粉丝真的是愿意被你吸引才过来的，这个区分很重要，如果是被你用各种手段牵过来的粉丝，这是没有意义的，也违背了我们以用户第一为价值观点的考量。假设一个公众号有1000万粉丝，可是这是在用户不太知情的情况底下获得的，可能很危险。&br&&/blockquote&&p&唯数据导向的产品设计方法，不仅会追求数据不断的增长，还会很担心数据的短暂下滑。&/p&&p&之前就跟朋友讨论一个问题：有很多成熟的、规模不小的平台和产品，为什么体验烂到这种地步了，还是不改版呢？&/p&&p&了解过他们一些产品经理的想法后，除了技术实现的问他，我还知道了一种可能。改版这种事情，是牵一发动全身的，要协调各种资源，很容易在协作中出问题；更麻烦的是，改版对用户来说，肯定是短期内难以接受的，很可能各项数据指标会有剧烈下滑，用户也由于不习惯新版而怨声载道。这两个麻烦，尤其后一个，是没人愿意站出来承担的。&/p&&p&长期来看会带来更多好处、未来用户会有更多的增长，这都不是几天就看得出来的，也许做改版的产品经理没有等到那一天，就会因为看似办事不利被开除了。所以维持现状也就是最好的选择了。&/p&&br&&br&&p&所以总结下来，怎样才是正确对待数据的方法呢？&/p&&p&首先，我们要确保数据的真实性、获取数据的准确性；其次，我们要清楚，每种数据都只是从一个侧面反映了事实，要还原数据是要多维去看的；最后，我们还要知道数据是客观的，但怎样合理利用数据则是很主观的，应当把它放在合适的位置上，而不是唯数据是从。&/p&&br&&p&最后想说的是，说到跟数据有关系的产品经理，数据产品经理、懂数据的产品经理、可以利用好数据的产品经理，完全是三类人。数据产品经理是负责呈现数据和分析数据的功能产品的，数据就是他的产品；懂数据的产品经理是可以对数据有清晰认知的、能够知道数据背后真相的，他们能够让数据来指导自己的产品。&br&&/p&&p&不过懂数据的产品经理，未必是可以利用好数据的产品经理。后者会更在意数据反映出的问题本质，以及对产品和用户来说，这个本质意味着什么，而不只是单纯追求数据。&/p&&p&希望大家都能成为最后一种产品经理。&/p&&br&&br&&br&&p&个人公众号：刘言飞语（liufeinotes）&/p&&p&本文为连载【产品经理技能树】的第 4 篇。&/p&&p&其它连载：&/p&&p&&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&需求是什么&/a&&/p&&p&&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&你理解你的行业吗？ &/a&&/p&&p&&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&需求到底怎么挖？ &/a&&/p&
这几天总统大选又把各种民调和预测推成了热点，大家都说机器学习或者大数据完败，人心不可捉摸。这一仗证明了数据和机器总是勘不破人性这种玄学，这些永远都是无法预测好的云云。 实际上并非如此，数据并不是客观的，数据带有强烈的主观色彩，人本身在挖掘…
泻药！介个问题嗖嗖其实思考很久了，蛋湿一直觉得讲不透，本来想墙裂推荐 &a data-hash=&82b760e5c74a34990cb1e& href=&//www.zhihu.com/people/82b760e5c74a34990cb1e& class=&member_mention& data-editable=&true& data-title=&@研习小生晏小慧& data-hovercard=&p$b$82b760e5c74a34990cb1e&&@研习小生晏小慧&/a& 的答案偷个懒的，主要是怕污了嗖嗖本来就不怎么样的名声，所以还是来扯两句吧，也算对得起题主的药！&br&看见题主跟数字耗上了！嗖嗖就不得不说句话，题主理解了简历撰写的技巧，蛋湿嗖嗖希望题主能理解简写撰写的实质，嗖嗖在&a href=&http://www.zhihu.com/question//answer/?group_id=966400& class=&internal&&优秀简历要遵循哪些规则？ - 小风嗖嗖的的回答&/a&中并没有讲到数字的问题的。&b&数字化只是战术层面的东西，而围绕目标单位和职位特点来撰写简历才是战略层面的实质&/b&，题主把产品经理的实质分析得还是比较透彻滴，那么我们一起来探讨下围绕产品经理的特点，产品经理的简历该怎么写。下面分五个方面说下，排名分先后，权重依次降低，由于未知题主讲的是应届毕业生还是在职人员，所以&b&增加实践经历辅助&/b&部分。&br&&b&一、行业背景知识&/b&&br&HR看简历，从上往下看，也就看到教育背景下面的第一个经历，基本就确定他是否有看下去的必要了。目前招聘产品经理真是满山遍野啊，野火烧不尽啊，而且不仅仅是互联网行业，各个行业都有产品经理啊。做APP的要学计算机的，做培训的要学外语的，做留学咨询的希望你游学海外，做移动支付的希望你互联网、金融都要精通。&b&好的行业背景知识可以让目标单位的HR更放心，毕竟学这个玩意的，那么在后期产品开发运营方面，肯定会让老板省点心嘛&/b&。&br&这部分貌似不需要数字，如果真有需要的，嗖嗖估计也是在后面的项目或报告经历里，写段：经历九九八十一天的调研与分析，撰写《中国互联网地下产业链分析白皮书》，通过7万字篇幅和100幅数据图表全面分析中国互联网的22个细分地下产业链（&a href=&//link.zhihu.com/?target=http%3A//tomsinsight.com/vipreport1.htm& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&TOMsInsight&i class=&icon-external&&&/i&&/a&，优惠价格25000，不还价！）。这样写是不是有点意思呢。&br&&b&二、产品管理经历&/b&&br&如果行业背景知识是题主的敲门砖的话，&b&那么产品开发管理经历才是HR关注的核心内容&/b&。如果是有工作经历的，其实都不用写工作内容，把公司名称、负责的产品、具体的岗位，三者一亮，HR就知道你大概的工作内容、具体的水平，是否是他的菜了，毕竟现在互联网已经发达到让人发指的地步了，google、baidu、朋友圈一圈，啥都知道了。而对于跳槽的PM，肯定是水往高处流啦，普通公司跳槽到知名公司，如果岗位不变，那就要在此说明，&b&我已干得熟练，分分钟上手&/b&；知名公司跳槽到知名公司，岗位有提升的，那就要在此说明，&b&我已能够胜任，乃们不要瞎担心啦&/b&！对于熟练工，当然是强调干过多个产品咯；而对于胜任工种，当然是强调，产品从设计、研发到后期推广，都是你负责，即使不是你负责，活也TMD是你干的。&br&记住，&b&结果导向最关键&/b&，东西做出来了，任何人都看得到的，像什么注册用户/粉丝增长、APP下载量/排名、业绩流水、IP/UV/PV啥的就都是浮云……&br&&b&三、实践经历辅助&/b&&br&如果没有很深的或者很长的PM工作经历咋办，那就模拟个玩玩，不是玩玩模拟人生哈，从校园微信公众号到应用软件，从网站开发到淘宝店铺，注意，这里面的经历主要是能够体现以下几点的：&b&具有潜在的商业规律；能够积聚人气和用户；存在使用体验感受的；真实存在上线的。&/b&其中最后一点很重要，其实就是上一块所说的——结果导向。在模拟产品经理工作阶段，实践经历本身的性质已大概符合HR的口味了，这个时候要把事情的经过及最终的结果再细项中展现给HR，特别是结果上，不可避免地就要有数字了！&br&如果上面没玩的，那玩什么呢，那就玩创业大赛，之所以创业大赛单独写，是因为创业大赛这个玩意虚虚实实，有的根本就是纸上谈兵，可能真到真刀真枪的阶段，连大门口卖煎饼的大妈都比不过。如果是嗖嗖看的话，嗖嗖会看应聘者获得了什么级别的奖项，应聘者在团队中的角色。&br&如果创业大赛也没玩过呢，那么重新回到上面，去掉商业规律，剩下的：&b&能够积聚人气和用户；存在使用体验感受的；真实存在上线的，&/b&想想，组织元旦晚会、学科竞赛、社会实践等等，这个也符合上述PM的方案设计、沟通协调、运营管理等工作特点，也可靠点边。&br&&b&四、语言技能水平&/b&&br&为了省事，嗖嗖直接把&a href=&http://www.zhihu.com/question//answer/& class=&internal&&初创公司，全面打杂，应该离职吗？ - 小风嗖嗖的的回答&/a&里的技能copy过来，Mindmanager/Visio/Axure/Photoshop/Mockplus/PPM/SVN/TestCenter/Evernote/UltraEdit，啥5天掌握C++，3天学会Java开发啊，目标公司需要什么就学什么，学会了，就可以放到简历上了，需要啥数字啊！&br&&br&&b&五、兴趣爱好特点&/b&&br&目标公司是家休闲旅游在线服务商，你兴趣爱好里写你旅游48个国家，148个地区，是不是会好点？&br&综上，嗖嗖码这么多字，题主懂了吧，&b&数字不重要，如何围绕目标公司和目标岗位来学习并撰写简历才是最重要的&/b&，虽然嗖嗖曾经的教学PPT是这样的，是曾经哈，因为飞人已经不飞了！&br&&figure&&img src=&https://pic4.zhimg.com/9fccea81e305b_b.jpg& data-rawwidth=&960& data-rawheight=&720& class=&origin_image zh-lightbox-thumb& width=&960& data-original=&https://pic4.zhimg.com/9fccea81e305b_r.jpg&&&/figure&&figure&&img src=&https://pic2.zhimg.com/27c7d250a20bf32a475b8352cffb9cf1_b.jpg& data-rawwidth=&960& data-rawheight=&720& class=&origin_image zh-lightbox-thumb& width=&960& data-original=&https://pic2.zhimg.com/27c7d250a20bf32a475b8352cffb9cf1_r.jpg&&&/figure&&figure&&img src=&https://pic1.zhimg.com/4ad6c9c0c9634debae3d0ed41addb320_b.jpg& data-rawwidth=&960& data-rawheight=&720& class=&origin_image zh-lightbox-thumb& width=&960& data-original=&https://pic1.zhimg.com/4ad6c9c0c9634debae3d0ed41addb320_r.jpg&&&/figure&
泻药！介个问题嗖嗖其实思考很久了，蛋湿一直觉得讲不透，本来想墙裂推荐
的答案偷个懒的，主要是怕污了嗖嗖本来就不怎么样的名声，所以还是来扯两句吧，也算对得起题主的药！ 看见题主跟数字耗上了！嗖嗖就不得不说句话，题主理解了简历撰…
&figure&&img src=&https://pic4.zhimg.com/v2-edc0f6d3ab272bc28d80c_b.jpg& data-rawwidth=&1000& data-rawheight=&667& class=&origin_image zh-lightbox-thumb& width=&1000& data-original=&https://pic4.zhimg.com/v2-edc0f6d3ab272bc28d80c_r.jpg&&&/figure&世界正在信息化，数据越来越多，基于数据开发的产品也越来越多，越来越多！
&br&&br&一般数据产品，都包括如下典型流程：
&br&&b&1.数据获取
&/b&&br&&b&2.数据转换
&/b&&br&&b&3.数据应用
&/b&&br&&br&&figure&&img src=&https://pic3.zhimg.com/v2-6cddbdf9c84a4_b.jpg& data-rawwidth=&1825& data-rawheight=&822& class=&origin_image zh-lightbox-thumb& width=&1825& data-original=&https://pic3.zhimg.com/v2-6cddbdf9c84a4_r.jpg&&&/figure&&br&数据产品经理的工作，如果按上面的数据流程来看，主要包括三种类型的工作，不同的数据PM工作偏向不同（以下分类也不是严格划分的）。
&br&&br&&b&一.数据获取、清洗&/b&&br&&br&要做数据产品，首先要有数据，数据来源，大概有2种方式：别人给、自己找。
&br&别人给，当然好，但是要么得掏钱，要么会有使用限制。别人给的数据，数据质量也可能会是问题，乱码、缺字段是常有的事。
&br&自己找，会比较麻烦，自己的系统，可以加码、埋点，地图的产品，会需要定期更新地图。数据不受自己掌控的话，看看能不能通过爬虫抓取（爬虫帮你圆大数据的梦），有很多基于爬虫的数据分析产品，用户分析、舆情分析、物价分析、量化投资等。
&br&&br&在数据获取和清洗环节，数据PM需要：
&br&&b&1.会将业务需求进行解读。&/b&&br&最终转化成不同的数据需求，数据PM首先要确定这些数据如何获取，确定最终的方案。
&br&&b&2.特别注意数据质量和数据稳定性。&/b&&br&上游数据质量就差的话，下游的每个环节都要浪费很多时间来处理。数据质量可以靠校验、对比，数据稳定性可以靠监控。数据的上游，需要勇于怀疑数据的质量，这是最容易出问题的环节，在这里，各种抽样、枚举、对比、假设，各种SQL、ES、Hive查询，善于对数据做各种图表分析。要比用户更早的发现问题，比工程师更快的排查问题原因。
&br&&b&3.评估数据的成本和收益。&/b&&br&数据是有成本的，量越大，质量越高，成本越高。所以，要合理的设计数据获取的策略：
&br&走接口、FTP、还是硬盘邮寄；
&br&数据多久更新一次，是否去重，如何去重；
&br&热数据怎么存，存多久，冷数据怎么存；
&br&虽然说数据越全，数据质量越高越好，但是一分钱一分货，最终的数据获取和清洗方案，需要综合考虑成本、收益、开发难度、开发排期（似乎每个产品都这样，不止是数据产品@@）。
&br&&br&经常需要谈数据合作，找数据找破头；
&br&经常需要看API文档，接口查字段；
&br&经常需要和人撕，别人的东西总是容易出问题的。
&br&&br&&b&二.数据转换、数据服务&/b&&br&&br&基础数据已经有了，开始要大干一场了，数据转换的环节，高端的说法，是ETL，我简单的理解为：拿到基础数据后，会根据不同的业务需求再做数据清洗，然后将数据导入各个数据转换或计算模型，并对更下游的应用提供数据服务。
&br&这里的模型，不一定是用户画像、推荐这些，也可以是基础的筛选、排序、匹配、简单的逻辑计算。
&br&为了让应用层拿到更高质量的数据，减少应用层的计算，这一层做有很多很多的小的计算模块，也经常做服务分层，分为基础数据服务层（业务弱相关层）、业务强相关层。
&br&数据转换层，可以对外提供商用的计算、存储服务，还可以直接数据变现，比如ID匹配，或者直接卖数据。
&br&&br&在数据转换环节，数据PM特别需要和架构师深入沟通（或者工程师），数据PM的职责包括：
&br&&b&1.需要了解很多数据存储、计算的知识&/b&&br&MySQL、Hadoop、HBase、Spark、Redis、Kafka...很多很多，不需要都深入了解，但至少了解他们的功能、特点、差别，然后能更好的和工程师沟通，更好的参与方案设计。
&br&&b&2.全局设计能力&/b&&br&PM更了解业务，工程师更了解技术，两者协作，完成数据处理流程的设计或优化。但是，大公司，可能分了很多很多层，基础服务层，可能不需要PM，PM提需求就行。这部分比较虚，没什么经验的时候也没法做，做久了、思考深了，慢慢就会了（其实，这一层，和应用层的关联很大）。
&br&&b&3.成本收益评估、数据质量、服务稳定性&/b&&br&数据转换层，会消耗更多的计算资源，这里通常有着庞大的集群，所以，这里设计的好，能节省大量的资源，同样也要评估成本收益，要勇于拒绝应用层妙想天开的需求。
&br&这一块的数据质量、服务稳定性，同样重要，对上要担心数据供应的问题，还需要对下游的数据应用负责，三明治的感觉，出问题的时候容易感觉鸭梨山大！
&br&&br&数据转换层，需要更强的逻辑分析能力，业务那边反应的问题，很可能是他们自己的问题，也可能是上游数据供应的问题，当然，更有可能是漫长的数据转换流程，有环节出了问题。这一层，除了要会各种SQL、ES、Hive查询，还需要熟练Excel或者SPSS，还需要熟练使用业务端的产品（故障复现很重要），还需要做好业务级指标的监控告警，最最重要的是，要提前想好各种情况的应急方案，是艰难的提供服务，还是提供有损服务，还是人工支持。
&br&&br&&br&&b&三.数据应用、数据展现&/b&&br&&br&&br&应用层，各个公司的数据应用层就丰富多彩千差万别了，有流量分析、广告分析、用户分析、销量分析、财务分析、传播分析、ERP...(额，本狗知道的有限)。但是，本狗认为用户画像、反作弊、广告投放策略、推荐、NLP等模型或策略类的产品，才算是数据PM，像BI类的产品，各种业务的指标维度，以及可视化展现（业务有多丰富，BI系统就有多么庞大），应该分类为是商业（数据分析）产品，这类的PM工作和具体的业务严重绑定，而且经常有很多定制化功能要做。
&br&&br&本环节的数据PM，能力偏向如下：
&br&&b&1.数学功底及数据分析能力&/b&&br&懂算法、建模、调参，是必不可少的，贝叶斯、隐马、协同过滤…捡起矩阵论、数理统计的课本，掏出机器学习、人工智能的经典，亲手撸起R、python、java，准备一大叠白纸推公式...
&br&但是大公司，会有专门的算法工程师，PM只要能理解就行。数据分析能力也是必须的，这里更需要去解读数据，特别是异常的数据。
&br&&b&2.深度理解业务&/b&&br&用户画像、反作弊、广告投放策略、推荐、NLP这些，是和业务紧密关联的，比如广告、打车两个领域，都有反作弊。这些应用离钱更近，一点点的指标的改进，都能带来很多钱。
&br&&br&数据产品和商业产品、用户产品，差别很大，每天都是和数据打交道，需要深入了解各种数据分析方法、数据的存储计算。数据PM也需深入理解业务，否则就变成数据分析师或者数据科学家了。
&br&&br&经常发出这样的感慨：数据质量怎么这么差啊！前面的人清洗了么？尼玛清洗了过后怎么还这么差...&br&经常忙于这样的事情：找好样本、维护黑名单、挑语料、人工标注…吃力而且不讨好&p&（鄙人在数据PM坑中混的不够久，如有谬误，欢迎指出，一起探讨）&/p&
世界正在信息化，数据越来越多，基于数据开发的产品也越来越多，越来越多！
一般数据产品，都包括如下典型流程：
1.数据获取
2.数据转换
3.数据应用
数据产品经理的工作，如果按上面的数据流程来看，主要包括三种类型的工作，不同的数据PM工作偏向不同…
&figure&&img src=&https://pic3.zhimg.com/22d1bee84345_b.jpg& data-rawwidth=&620& data-rawheight=&344& class=&origin_image zh-lightbox-thumb& width=&620& data-original=&https://pic3.zhimg.com/22d1bee84345_r.jpg&&&/figure&&blockquote&PMCAFF：最大互联网产品社区，是百度，腾讯，阿里等产品经理的学习交流平台。定期出品深度产品观察，互联产品研究首选。&br&&/blockquote&&p&俗话说的好呀，不会数据分析的运营不是好产品。&/p&&p&不会数据分析，你还怎么愉快地探索小龙虾火遍中国的秘密~&/p&&p&不会数据分析，你还怎么准确地在人群中俘获另一半的芳心~&/p&&br&&p&为了 各位幸福河蟹的生活 （划掉）掌握更多地业务姿势，PMedia君通过采访、卧底、发调查问卷，在电线杆上贴小广告（大雾——）等各种途径，威逼利诱，扒光了1000+位产品经理的箱底儿。终！于！整理出了这份&b&产品经理必备的数据分析书籍清单&/b&。&/p&&br&&p&本期书单推荐包含&b&【入门篇】、【进阶篇】、【高玩篇】&/b&，适用于不同层次的产品人。&/p&&p&每个篇章包括：开篇的&b&【书籍汇总清单】&/b&、每本书的&b&【内容概要】&/b&、&b&【PMCAFF咖友辣评】&/b&。&/p&&p&请大家对号入座，收好最适合自己的修炼秘籍吧~&/p&&br&&figure&&img src=&http://pic4.zhimg.com/d243df59d629ae9f3097_b.png& data-rawwidth=&418& data-rawheight=&287& class=&content_image& width=&418&&&/figure&&p&&b&请叫我善解人意的PMedia君~&/b&&/p&&br&&h2&&b&▍&/b&&b&入门篇&/b&&/h2&&figure&&img src=&http://pic1.zhimg.com/f3f4c369e3a99be9b8ec4_b.png& data-rawwidth=&694& data-rawheight=&321& class=&origin_image zh-lightbox-thumb& width=&694& data-original=&http://pic1.zhimg.com/f3f4c369e3a99be9b8ec4_r.png&&&/figure&&p&&b&1、&/b&&b&《谁说菜鸟不会数据分析&/b&&b&》&/b&&b&437人推荐&/b&&/p&&figure&&img src=&http://pic2.zhimg.com/7e1e342a1d4ed9d0edcd_b.png& data-rawwidth=&659& data-rawheight=&224& class=&origin_image zh-lightbox-thumb& width=&659& data-original=&http://pic2.zhimg.com/7e1e342a1d4ed9d0edcd_r.png&&&/figure&&p&&b&书籍简介：&/b&&/p&&p&《谁说菜鸟不会数据分析》基于通用的Excel工具，在8个章节中，分别讲解数据分析必知必会的知识、数据处理技巧、数据展现的技术、通过专业化的视角来提升图表之美、数据分析报告的撰写技能以及持续的修炼。&/p&&br&&p&&b&咖友辣评：&/b&&/p&&p&@&a href=&http://link.zhihu.com/?target=http%3A//www.pmcaff.com/user/profile/%25E6%25B6%259B%25E5%25A3%25B0%25E4%25B8%258D%25E6%& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&涛声不旧 &/a&GrowingIO 产品经理&/p&&p&&b&《谁说菜鸟不会数据分析》&/b&不仅讲解了一些常见的分析技巧，并附带 Excel 的一些知识以及数据分析在公司中所处的位置，对职场了解亦有一定帮助。&/p&&br&&p&&b&2、&/b&&b&《深入浅出数据分析》416人推荐&/b&&/p&&figure&&img src=&http://pic4.zhimg.com/98f33e520ffffaa0071fbffca3076f37_b.png& data-rawwidth=&613& data-rawheight=&238& class=&origin_image zh-lightbox-thumb& width=&613& data-original=&http://pic4.zhimg.com/98f33e520ffffaa0071fbffca3076f37_r.png&&&/figure&&p&&b&书籍简介：&/b&&/p&&p&《深入浅出数据分析》以类似“章回小说”的活泼形式，生动地向读者展现优秀的数据分析人员应知应会的技术：数据分析基本步骤、实验方法、最优化方法、假设检验方法、贝叶斯统计方法、主观概率法、启发法、直方图法、回归法、误差处理、相关数据库、数据整理技巧；正文以后，意犹未尽地以三篇附录介绍数据分析十大要务、R工具及ToolPak工具，在充分展现目标知识以外，为读者搭建了走向深入研究的桥梁。&/p&&br&&p&&b&咖友辣评：&/b&&/p&&p&@&a href=&http://link.zhihu.com/?target=http%3A//www.pmcaff.com/user/profile/%25E6%25B5%25AA%25E5%2585%25AB%25E5%259C%%& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&浪八圈。&/a&&a href=&http://link.zhihu.com/?target=http%3A//www.pmcaff.com/user/profile/%25E6%25B5%25AA%25E5%2585%25AB%25E5%259C%%& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&浪八圈。的个人资料&/a&网易 产品&/p&&p&首先，刚开始在要研究数据分析时，整个脑子都是懵的，不过在读到这本书时，却感觉数据分析还挺有有意思的，这本书是类似于“章回小说”的活泼生动形式，让数据小白们，诠释了数据分析的基本步骤，实验方法，最优化方法/假设检验法/贝叶斯统计法/等等方法论，还有更重要的是数据分析整理技巧，这个太重要了。 &/p&&br&&p&&b&3、《深入浅出统计学 》 &/b&&b&
73人推荐&/b&&/p&&figure&&img src=&http://pic1.zhimg.com/1acd6bd7bc0_b.png& data-rawwidth=&653& data-rawheight=&273& class=&origin_image zh-lightbox-thumb& width=&653& data-original=&http://pic1.zhimg.com/1acd6bd7bc0_r.png&&&/figure&&p&&b&书籍简介：&/b&&/p&&p&《深入浅出统计学》具有深入浅出系列的一贯特色，提供最符合直觉的理解方式，让统计理论的学习既有趣又自然。本书涵盖的知识点包括：信息可视化、概率计算、几何分布、二项分布及泊松分布、正态分布、统计抽样、置信区 间的构建、假设检验、卡方分布、相关与回归等等，完整涵盖AP 考试范围。&/p&&br&&p&&b&4、《大数据时代》 70人推荐&/b&&/p&&figure&&img src=&http://pic4.zhimg.com/2cfc80cd4d303903cfdad3_b.png& data-rawwidth=&629& data-rawheight=&307& class=&origin_image zh-lightbox-thumb& width=&629& data-original=&http://pic4.zhimg.com/2cfc80cd4d303903cfdad3_r.png&&&/figure&&p&&b&书籍简介 ：&/b&&/p&&p&维克托o迈尔o舍恩伯格在书中前瞻性地指出，大数据带来的信息风暴正在变革我们的生活、工作和思维，并用三个部分讲述了大数据时代的思维变革、商业变革和管理变革。&/p&&p&本书的核心在于大数据预测，并在书中展示了谷歌、微软、亚马逊、IBM、苹果、facebook、twitter、VISA等大数据先锋们最具价值的应用案例。&/p&&br&&p&&b&5&/b&&b&、《深入浅出SQL》 &/b&&b&
2&/b&&b&5&/b&&b&人推荐&/b&&/p&&figure&&img src=&http://pic2.zhimg.com/c8a150faef23e52989eaad_b.png& data-rawwidth=&652& data-rawheight=&209& class=&origin_image zh-lightbox-thumb& width=&652& data-original=&http://pic2.zhimg.com/c8a150faef23e52989eaad_r.png&&&/figure&&p&&b&书籍简介：&/b&&/p&&p&《深入浅出SQL》带你进入SQL语言的心脏地带，从使用INSERT和SELECT这些基本的查询语法到使用子查询（subquery）、连接（join）和事务（transaction）这样的核心技术来操作数据库。到读完《深入浅出SQL(影印版)》之时，你将不仅能够理解高效数据库设计和创建，还能像一个专家那样查询、归一（normalizing）和联接数据。你将成为数据的真正主人。&/p&&br&&p&&b&6、《统计学方法与数据分析引论》
2&/b&&b&2&/b&&b&人推荐&/b&&/p&&figure&&img src=&http://pic2.zhimg.com/0ecfd88b981cad4a8451_b.png& data-rawwidth=&597& data-rawheight=&277& class=&origin_image zh-lightbox-thumb& width=&597& data-original=&http://pic2.zhimg.com/0ecfd88b981cad4a8451_r.png&&&/figure&&p&&b&书籍简介：&/b&&/p&&p&本书内容分为8个部分，共20章，分上下两册，各章均有大量习题。作者使用实例来引入主题，并把统计概念和实际问题联系在一起进行讲解，介绍了统计数据的收集和分析过程，讨论了如何解释数据分析的结果，并专门讲述了如何写数据分析报告。&/p&&br&&h2&&b&▍&/b&&b&进阶篇&/b&&/h2&&figure&&img src=&http://pic4.zhimg.com/0077aab79d22f89c74963_b.png& data-rawwidth=&697& data-rawheight=&501& class=&origin_image zh-lightbox-thumb& width=&697& data-original=&http://pic4.zhimg.com/0077aab79d22f89c74963_r.png&&&/figure&&p&&b&1、&/b&&b&《精益数据分析》 33&/b&&b&3&/b&&b&人推荐&/b&&/p&&figure&&img src=&http://pic1.zhimg.com/a707de6ce08fbb98d0ff5d4_b.png& data-rawwidth=&659& data-rawheight=&255& class=&origin_image zh-lightbox-thumb& width=&659& data-original=&http://pic1.zhimg.com/a707de6ce08fbb98d0ff5d4_r.png&&&/figure&&p&&b&书籍简介：&/b&&/p&&p&本书展示了如何验证自己的设想、找到真正的客户、打造能赚钱的产品，以及提升企业知名度。并通过30多个案例分析，深入展示了如何将六个典型的商业模式应用到各种规模的精益创业、数据分析基础，和数据驱动的思维模式中，找到企业增长的第一关键指标。&/p&&br&&p&&b&咖友辣评：&/b&&/p&&p&@&a href=&http://link.zhihu.com/?target=http%3A//www.pmcaff.com/user/profile/zzjc& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&zzjc &/a&数据分析 用户运营&/p&&p&在这本书里面，作者介绍数据分析的相关指标、不同行业的数据分析要点，并且有大量的数据分析案例和翔实数据。如果想要把数据分析落地，这本书对产品经理是非常有帮助的。&/p&&br&&p&&b&2、《R语言实践》
2&/b&&b&66人推荐&/b&&/p&&figure&&img src=&http://pic2.zhimg.com/fd3aa417d9cf24da3651f2bceb4f3acd_b.png& data-rawwidth=&623& data-rawheight=&258& class=&origin_image zh-lightbox-thumb& width=&623& }
我要回帖
更多推荐
- ·京东京东购物在自营店还是旗舰店买更好和官网哪个更好？
- ·淘宝上的软中华假的多吗是假烟吗？
- ·求“城城与蝉”小说《天才与疯子俱乐部》下载链接或百度云链接
- ·谁知道这聊呗是什么软件,安全吗？
- ·这个像小说男主的名字叫啥名字？
- ·2020埃及足球联赛赛程这个队到底是什么成色 怎么有说是联赛球队的
- ·女生都能做双位数的引体向上，因为什么
- ·nba2kol球星五级技能多少
- ·想问一下都市风健身房怎么样
- ·王涛肚子那么大也能进国家队，还拿世界冠军
- ·有没有去内马尔见面会的
- ·大家跑步的时候有没有容易出虚汗
- ·新手该怎么选择缓冲跑鞋
- ·巴萨和恒大哪个有钱
- ·皇马对曼联什么地方比赛
- ·切尔西球员辱华事件是什么回事
- ·怀孕一个月左右可以去游泳吗
- ·球鞋怎么样，球鞋什么牌子好（已有1084
- ·运动减肥又累又怕「壮」，节食减肥怎么减
- ·关于无线电干扰信号问题
- ·概率论与统计学统计学的题目，教会我立马发现金红包。 看图片，那个0.7怎么来的。
- ·五年级数学实验班上册数学期末考试的试卷，人教版
- ·表面活性剂作用机理在化学清洗中起着什么样的作用？
- ·教师资格证面试要求讲生字我却讲了课文内容怎么办
- ·现吃药二个月出现尿频是怎么回事
- ·右侧顶部硬膜下血肿外血肿，应该进行怎么样治疗
- ·间接 直接胆红素都有一点偏高 身体无不良反应 没
- ·宝灵圣草金线莲有哪些福利待遇？
- ·数字城管工作总结怎么，求帮忙
- ·耳鸣，好像有许多‘知了’在头里鸣叫怎么办
- ·缔丝卡勒的拼音怎么写
- ·谁能帮我翻译一下下面这几段话
- ·我胃出血吃什么药有效
- ·西宁和兰州，哪一个气候更好，更宜居
- ·老人胃涨气，呕吐胃痛用什么方法可以减轻
- ·炒土豆怎么做好吃，猪肚炒土豆的家常做法
