产品经理学会数据分析技能类文章之前，你会吗？

编者介绍：作为产品经理，除了每天要处理的各种产品需求外，数据分析也是产品经理在业务处理过程中需要掌握的一项技能；产品经理在学习了一些数据分析技巧后，会和业务上得心应手；本文作者分享了产品经理数据分析的三大必备技能，一起来看看吧。

出局的数据分析是流氓，所以在写这篇关于数据分析技巧的文章之前，我先假设一个业务场景：某日化电商产品的产品经理要找2020年9月的销售数据。看看哪些方面可以降本增效，根据月报数据分析结果制定下一步战略方向。

那么这三个技能该怎么做呢？下面我们一一展示。

01 技能一：取数

作为产品经理，您可能想知道为什么要学习数数？找数据组的人做这种小事就行了。

确实是这样，但是想象一下，这次不能只有一个需求，以后会遇到各种需求，比如：

如果你想解决这些问题，你以为通过提取数据需求就能搞定一切，但事实并非如此，你会遇到以下困难：

第一：您提到的许多数据要求更加个性化和一次性。对于数据专业的学生，​​除非你是非常重要的业务部门，或者数据部门为你的部门服务；那么数据组同学们一定要实现你提出的需求，否则这些需求很多都不会改善，时间长了就会变得乏味。

第二：在一个公司或者一个团队中，你不仅有一个产品需要取号，而且还有多个运营组同学或者多个产品组同学有取号的需求，当被问到紧急程度的时候，大家会说很紧急。

这时候就会涉及到需求的调度。你着急，他也着急。数据组里有的同学肯定会说，你们内部协商好之后，我再做一次。如果你脾气不好，你就不会这样做。如果您的需求可能不是那么紧急，但验证一个问题或产品的下一步计划对您来说至关重要，您是否需要等待？你可以等，市场等不了你。

第三：提高数据的需求只是业务支撑过去进行时语法ppt，不会对数据组的同学产生多少产出，也不能体现数据分析师的价值，年终报告也没有体现。

有人说，如果你和数据组的同事关系好，你可以在关键时刻帮助你。总有这样的事，耽误别人的工作时间，浪费自己的时间，没有什么实实在在的好处，就请他们吃一两顿饭，喝一两杯奶茶就行了？人们是心连心的，他们会帮助你。我也希望有一天你能反过来帮助他们。不要总想着做一只只能吸收不能给予的吸血虫。

所谓技巧不压倒性，学取数不仅方便别人，也方便自己；可以和数据组同学搞好关系，问老师什么的，让数据同学教你一些快速上手的数数技巧，这样在遇到重要又无计可施的时候，你可以自己解决，不耽误工作效率。

在取号技巧中，我们最需要练习的就是SQL技巧。在取数的时候，我们基本使用了一些基本的 SQL 语法，足以让我们实现大部分的操作。

SQL基本语法包括Select、From、Where，基本函数语法包括分组、统计、加减乘除计算。如果能看懂英文单词，就可以理解SQL语法的意思。

以前言中提到的业务场景为例，首先需要向数据库查询2020年9月的销售数据，SQL代码及查询结果如下：

02 技能2：使用数字

在使用数据之前，有必要对数据的整体质量进行评估。对于大数据量的情况，这一步也是由特殊的数据质量产品来完成的；例如：Informatica的DataQuality、IBM的QualityStage、Kangaroo Cloud DataValid、网易EasyDQC等，有兴趣的同学可以自行搜索。

数据质量问题明显的数据需要进行数据清洗。数据清洗是指对提取的数据中的脏数据进行清洗，如：空值、异常值、错误值等，使用ETL工具清洗或请数据开发工程师协助处理，如果数据量较小，您也可以使用 Excel 进行处理。

清洗后的数据可以使用Excel、python或专业的BI工具进行可视化，如tableau、fineBI等，提取出来的数据可以转换成通俗易懂的图表。

有句话说：十桌不如一张图。当我们取出数据时，仅仅看数据是很难发现问题的。处理成我们需要的图表后，我们就可以直观的反映现阶段业务的情况。

在这个技能中，我们需要学习一些数据分析工具如Excel、Python、BI等来帮助我们处理和可视化数据；基本上，学习这三个对于产品经理做数据分析来说已经绰绰有余了，无需盲目沉迷于丰富的工具学习。

python数据可视化：

BI工具tableau数据可视化：

Excel数据可视化：

经过第一步的抓取和清理后，使用Excel、python等工具制作图表，如下图：

03 技能 3：分析数字

“分析”是指分析分析；取数、用数、处理后，需要根据业务情况分析数据对我们的意义。

前两部分是关于数据分析需要哪些工具，以及相应的工具是做什么的。这部分是关于如何使用数据来指导业务并帮助增长。

通过分析第二步得到的图表，结合初始业务场景的目的，我们可以得出一些降本增效的结论：

从用户地理分布图可以看出，用户群体更多地分布在浙江、上海等长三角地区，广州、深圳等珠三角地区，以及重庆中西部地区。您可以选择在这些地方建立配送基地，降低配送成本；

根据商品相关属性图可以看出，颜色越深，商品相关性越高。比如口红和面膜的相关系统是0.79，那么这两种产品可以捆绑销售，也可以展示其中一种。购买一种产品时，同时推荐另一种产品，以提高购买率。

根据男女用户转化率和销量对比图分析发现，女生的转化率普遍高于男生，销量的高低受女生转化率影响较大. 转化率。

根据用户年龄分布图和用户学历分布图分析，消费用户年龄一般为20-40岁，本科、硕士较多。然后我们可以针对这样一个范围内的用户投放广告来吸引新用户。.

等等……经过数据分析，在业务场景目标中有一个提效降本的初步方案，接下来就可以对产品、运营、销售进行一些调整和规划。

数据分析的目的包括：

在这个业务场景中，分析的目的是探索性分析，即从数据中找出一些特征，得出一些可验证的结论，让整个业务的发展有了方向；所以我们在做数据分析之前首先要明确目的，有目的的分析，确定合适的数据、合适的工具、合适的方法、合适的分析模型。

数据分析不仅要有明确的目的，而且一切都要有针对性。就像前面两个技能学习一样，首先要明确为什么需要学习？学完之后你会用它做什么？学习会事半功倍，而不是抓胡须和眉毛。

各个行业的数据分析过程大同小异，但分析的方式和内容却大相径庭。除了基本的数据分析能力，好的数据分析还需要行业知识。

无论我们学习什么分析工具，它都是帮助我们高效工作的一种方式。最有价值的是分析逻辑和思维。

作为产品经理，数据分析技能中最重要的就是“分析”。如何从数据中找到让产品更好、业务增长的方向，是我们最应该培养的技能；我希望每个人都能高效地工作。同时，还需要重点训练自己的数据分析思维。

快来学习吧！旧熨斗。

本文由@金豆豆原创发表于人人都是产品经理，未经允许过去进行时语法ppt，禁止转载

题图来自Unsplash，基于CC0协议