惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

MongoDB | Blog
MongoDB | Blog
宝玉的分享
宝玉的分享
博客园 - 三生石上(FineUI控件)
小众软件
小众软件
罗磊的独立博客
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
S
SegmentFault 最新的问题
Last Week in AI
Last Week in AI
人人都是产品经理
人人都是产品经理
博客园 - 聂微东
博客园 - 司徒正美
博客园 - 叶小钗
T
Tailwind CSS Blog
博客园 - Franky
V
V2EX
有赞技术团队
有赞技术团队
美团技术团队
雷峰网
雷峰网
爱范儿
爱范儿
Jina AI
Jina AI
D
DataBreaches.Net
H
Help Net Security
酷 壳 – CoolShell
酷 壳 – CoolShell

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
数据分析和你数据分析专业能力并无半毛钱关系
运营老杨 · 2023-05-08 · via 人人都是产品经理

数据很重要,无论是产品经理还是运营,都在试图培养自己的数据分析能力,但我们可能会在这条路上走上极端——数据分析专业能力,可以说数据分析和你数据分析专业能力并无半毛钱关系。我们应当如何利用数据分析?一起来看看作者的分析吧。

一、数据分析和你数据分析专业能力无半毛钱关系

数据很重要,这已经是企业和员工的共识。因此,不管是产品经理还是运营经理,都在试图不断的提升自己的数据分析能力。这自然是没有错的,但在实际的落地过程中,我发现越来越多的从业者走向了另外一个极端——数据分析专业能力。

这里说的数据专业能力是指产品运营和运营经理往往朝着成为专业的数据分析师的角度上去提升自己,自己一定要懂算法会写代码等等。我并不否认如果你真的能够成为专业的数据分析师自然是好的,但那你直接转岗为是更好。因此,在这里,我想强调的是:数据分析和你数据分析专业能力并无半毛钱关系。

二、职场是干嘛的

作为打工人,我们一定要搞清楚一个前提,就是我们是职场到底是干嘛的。简单来说,职场打工人是为了解决问题而存在的。问题可大可小,可难可易。但总之,就是有实际的问题要解决,而且公司也都会设置对应的可数据量化的指标。比如成交额,比如用户规模等。

因此,无论你是从事哪个岗位,做任何事情或项目,第一前提就是:你的目的是什么?

当你重视数据分析,准备提升自己数据分析能力的时候,你可否想过你为什么要做数据分析,你是想通过数据分析来解决什么样的问题呢?

——我想这就是当前所谓的追求提升自己数据分析能力的打工人最大的问题所在!你仅仅是觉得数据重要,但你并不清楚也从来没有仔细想过,你到底是想解决什么问题的。当你不清楚自己想要解决的实际问题时,数据分析与分析压根都不会产生任何价值。

关于目标拆解落地可参考此篇文章《“找不到对象”这一天大BUG的运营解决方案

因此,数据分析第一点:你得搞清楚你所谓的数据分析到底是想要解决什么问题的!当你清楚后,才能够基于问题,设置目标,并逐步拆解并落地。

三、举个例子:我六一开个店帮我推广下

我们举个具体的例子,六一儿童节,我准备开个快餐店。开业当天,咱们必须来个开门红。所以,想要找你帮我推广下。

1. 目的是什么?

很简单也很现实的一个案例,那么在这个案例中,老板的需求是什么?很简单,想要开门红。潜在的台词就是:我想要人流大,一炮打响我的门店;我也想要高成交,能够赚到真金白银。转化成咱们互联网有逼格的专业用语就是:高流量和高转化!

2. 需要哪些数据

通过一个简单的转化公式,咱们就可以得出所需要的基础数据,包括不限于:

  • 方圆10公里人口
  • 可触达的人口
  • 触达后能够到店的人
  • 到店且能够购买的人
  • 购买且能够尽可能多花钱的人
  • ….

那么,我们在此可以虚拟一个数据来感受下:

100000(方圆10公里人口)*10%(触达率)*10%(到店率)*10%(转化率)=100

关于数据体系搭建,可以参考此篇文章《数据体系搭建:警惕数据陷阱,用线下触点打造护城河

3. 我有数据了,我分析了,我准备改进了,如何改进?

咱们现在有了基础的数据,也做了分析。分析的结果是:

  • 能够覆盖的人数太少
  • 触达的人数也低
  • 到店的人数太低
  • 转化率太低
  • ……

这一切都很低,而且咱们也确实基于上述的问题进行了改进。改进后,数据果然呈现了极大的提升,如下所示:

100000(方圆10公里人口)*10%(触达率)*10%(到店率)*10%(转化率)=150

4. 但,老板会认吗?

提升效果很明显,理论上应该兴高采烈了吧。但问题是,这样的结果,你觉得老板会认吗?或者,老板会认。或者,老板不认。这些都不是最关键的。最关键的是,当我们再重新回过头,思考咱们数据分析能力的时候,有没有发现这里面存在的几个天然的BUG?

四、数据分析的问题,最核心的还是数据的问题

通过上面的例子,我实际上想说的是两个核心的点:

1. 数据分析专业能力并不重要,重点的是你基于目标的解题思路

正如做数学题一样,其最核心的是学习解题思路和方法。而不是会做某道题。上学时,我们经常遇到太多太多的同学,只做解一道又一道再多一道的题目,但当题目发生了变化后就不会做了。因此,当你试图去提升自己所谓的数据分析专业能力时,需要扪心自问的是:

你懂得解题思路吗?

那么,我给你提供一个数据思维的方法:

2. 数据分析的专业能力并不重要,重要的是你没有数据

在实际工作中,数据分析的专业能力95%的情况下,可以说没有半毛钱用处。其最核心的问题在于,咱们99%的公司是没有数据的。你可能会说,我在腾讯我在阿里。但你在腾讯阿里也是一样的,以我上面举的一个门店开业的例子来说,你是腾讯你是阿里也一样,你能够使用到的关联的有效的数据也就这么多,实际上会更少。

因为工作中,我们为了提高所谓的转化率,会设置更多的关键标签。但实际上就是,叠加的标签越多,就越不可能有数据。咱们再举个例子,宝安壹方城算是深圳最大客流量的商超之一了吧。比如月均不重复客流200000。我想要开一家有逼格的服装店,此时此刻如果为了锁定所谓的精准人群,所以我会要求:最近3个月有到过壹方城的,而且有购买过的,而且月购买金额能够在1000元以上的,而且购买过的商品还是需要有品味的(比如最好的买过书、买过喜茶、买过创意商品之类的)、而且按照过往的频率最近一个月还会来壹方城的,而且而且而且而且….

当你把这些而且都加上的时候,你会发现基本上所有的数据都少于100。当绝对值少于100时,你会发现任何一个单一分子的波动,均会对整体带来极大的波动。因此,也就失去了数据分析的意义。

因此,不要痴迷于技法,而是要真正的从解决问题的角度来看待数据,从最粗糙的数据中去做基础的趋势性分析就足够了。因为,地主家也没有余粮,腾讯阿里字节也没有数据。你,就别做数据美梦了!!!

专栏作家

杨俊,公众号:加薪课堂(ID:zuiwuyunying ),人人都是产品经理专栏作家,书籍《产品经理进阶之路》作者。原腾讯、新浪产品/运营经理,超过10年互联网产品/运营经验。

本文原创发布于人人都是产品经理。未经许可,禁止转载。

题图来自Unsplash,基于CC0协议。

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。