產品經理學習流程
我在進行無引導初學情況下,我先以自己的認知(我認為資料分析是一項“技能”,加分項)去進行學習,在第一次的梳理中,我認為學習各類函式、分析法、圖表切分法是最重要的學習切入點,但是在短時間內,統計學,高等數學為零基礎的我無法迅速理解很多知識,于是我開始改變學習方式,首先將學習思路縷清,我的職業是產品經理,我的目的是在需求分析中以資料為引導,幫助自己做出有依據、有預測的理智判斷,所以選擇學習資料分析,但是在資料分析中,產品經理更需要在業務層進行深入研究,而不是將展示作為重點學習,
而我現在的認知,資料分析更大的作用就是找問題并解決問題,它能使得產品經理在作業中形成倍訓,所以對于產品經理而言,學習資料分析的時候,重心點要放在分析指標,為需求做好埋點,根據指標資料去分析用戶行為,優化產品細節,提升產品轉化,展示可以學BI,快速上手及出圖,
將此思路以條件滿足方式去展示或許更能淺顯易懂
for(int 業務目的 = 0;i<2;業務目的++1){
if(業務目的==0){
print("根據獲取資料中的問題,解決涉及本次目標資料中的業務目標,例如轉化率或下單量")
}else{//若本次資料分析沒有業務目的
print("將資料做出分類,將字列中的資料使用對比法找出問題,進入回圈")
}
}
但是在知乎中,可以經常看見有前輩去說到,資料分析師的作業流程,若是我們所處環境中,未能遇見一位資料分析師,那么資料分析這份作業便落到了我們自己的頭上(其實就是沒這號人或者他們沒空,而我們趕時間,只能自己干的情況下).....................emmmm那我們得好好說說這個情況

咱就說看看資料分析師的作業流程巴!
1、清晰目標(與需求方進行多維度分析,才能保證資料來源完整)
咱們在進行資料分析之前,一定是收到了需求發來的信號,可能是從禿頭leader那,也可能是從板板(boss)那兒,需求來源方向有很多,同樣優化方向也不一樣,這個時候咱們肯定要分蛋糕了,實際情況中,產品經理對優先級的劃分向來都是以危險感(輕重緩急)來決定先干哪個需求,但是阿so認為吧,干需求就像是打鳥,怎樣才能一石二鳥呢,解決哪一個問題才能解決關聯的問題呢?畢竟急也沒用,所以在決定需求之前,要先和各部門好好聊聊,他要解決什么問題,我們不妨和他一起想想辦法,所以干需求是為了解決商業問題,而非純粹干需求哦,
2、獲取資料(在本地或外地平臺中獲取直接或間接資料)
決定好需求以后,便是解決資料的問題,咱們要解決問題,必然要看問題出在哪一塊兒,這就好比幫派問題,是內訌還是外債,無論是外債還是內訌,咱得把競品中,產品中可獲得的資訊盡量給它識訓來,在重點競爭業務中分析我方資料轉化率與成交率的成敗原因,從而扭轉局面,所以資料來源一定要保證在對業務有充足的了解與分析的前提下完成,否則資料源頭的問題將會影響后續判斷,導致結果虛無,
3、資料處理(對獲取資料進行檢測、審核,預防風險資料)
資料處理也可以稱為資料清洗環節,清洗物件大多為外來資料,由于某些不可避免的原因,資料來源中會摻雜著亂亂的資料,也就是臟資料,若是不對資料進行嚴格審核,將會影響到資料結果,也會導致最后的判斷失誤,所以在資料分析程序中也可以看出一個人是否具備專業性、嚴謹性,嚴密性,于我們剛入職場的人中這也是非常需要注意的哦!
4、資料分析(對清洗后的資料進行多維度、深度分析,解決業務問題)
將資料整理好后,結果也將浮出水面,我們該如何才能解決問題,就需要大家一起去看問題的源頭,雖說達成目標只需滿足條件,但是滿足條件的程序中,總會出現一些不可避免的失誤,比如提升下載率卻不扎根用戶粘性及登錄率雖有提高,環比率卻下降,要將各類資料的不同時期不同物件去進行對比,
5、資料可視化(將復雜,繁重的資料以圖表形式簡化,高效溝通與展示)
與各部門人員溝通時,盡量做到簡潔明了,高效直白,防止出現曲本意、繁重復雜等問題,也很好的節省了許多不必要環節,資料可視化也能展現出一位產品經理的溝通能力,資料分析師的專業能力,
6、上線實施(需求優化后進行指標埋點,需要對前后資料進行同比,更好的檢測是否優化有效)
在需求上線前,我們需要將指標重新分析,做好精準分析,新老指標缺一不可,需要驗證業務之間的關聯性,方便后續優化
結尾
資料分析流程分享結束了,總結過后,阿so還需在需求方法論、競品分析、資料分析中不斷成長,資料分析后續便是學習分析法噢,阿so在產品崗位中也剛上路,有幸與各位分享學習心得,多多指教!


轉載請註明出處,本文鏈接:https://www.uj5u.com/qita/425029.html
標籤:AI
