產品經理如何提建數據

1. 產品經理在做數據分析時，哪些數據指標更應該關注

產品經理需要關注什麼數據指標，估計接觸過產品一點的人都能夠說出來幾個數據指標，比如說UV、PV，活躍用戶數、新增用戶數、留存率等等，誠然這些都是產品經理需要關注的數據，但卻並不是說所有的數據都應該去關注。首先應該界定邊界，對於不同類型的產品需要關注的數據指標肯定是不一樣的，其次對於不同時期的產品所需要關注的指標也是不同的，下文將從種子期、推廣期、成熟期三個階段來簡述產品經理需要關注的數據指標。

一．種子期

種子期是不需要做大規模的運營推廣的，此階段的用戶更多的是來自於用戶自增長，所以在種子期需要關注的數據主要是用戶相關的數據是和產品本身的數據。

1.開源

a)活躍用戶數量：首先依然是關於「活躍用戶」的定義，然後再去關注這個數據指標；

b)付費轉化率：對於這樣的一款產品，用戶願意為之買單么，轉化率說話；

c)ARPU值：每用戶平均收入，不同的類型的產品沒有可比性，同行業平均水平進行對比。營收=用戶數量×付費轉化率×ARPU值，為了能夠提升營收，可以從這三方面入手去考慮，如何增加用戶基數，如何能夠提升用戶的付費轉化率以及用戶付費留存率，用戶是付費一次就不再付費還是付費之後還會重復付費，以及如何去提高產品的ARPU值。

2.節流

a)沉默用戶數量：定義什麼樣的用戶為「沉默用戶」，然後去關注這個指標；

b)流失用戶數量：定義什麼樣的用戶為「流失用戶」，然後去關注這個指標。對於產品而言，一旦用戶流失則很難能夠再次召回，就算召回，成本也很高，所以應該提前建立預警機制，定義「沉默用戶」與「流失用戶」，在用戶變為沉默用戶的時候，就開始採用相應的手段，防止用戶流失，同時也應該設立老用戶迴流機制，進行老用戶的召回。數據本身是客觀的，但是在解讀的過程中則會摻雜主觀因素，同時數據波動的背後也可能會有著其他因素的干擾，所以數據也可能會騙人。在用數據說話的同時，也應該辯證性的去看待數據，相信數據但又不唯數據是從。另外對於不同的產品需要關注的數據是不同的，而不同時期的產品需要關注的數據也是不同的，要根據產品本身的特點和產品的生命周期階段去選擇合適的數據指標進行關注，以保證產品的健康發展。

2. 產品運營如何做好數據挖掘與分析

產品經理在日常工作中，最重要的是要提高數據分析能力，除了數據產品經理，其他產品經理並不需要數據挖掘能力。而提高數據分析能力，則要建立數據分析的知識體系和方法論。

這兩年，隨著大數據、精益化運營、增長黑客等概念的傳播，數據分析的胡御思維越來越深入人心。處於互聯網最前沿的產品經理們接觸了大量的用戶數據，但是卻一直困擾於如何做好數據分析工作。

那麼產品經理該如何搭建自己的數據分析知識體系？數據分析的價值又在哪裡？產品經理做數據分析有哪些具體的方法？又如何學習數據分析？本文將和大家分享一下這些問題。

Part1|數據分析體系：道、術、器

「道」是指價值觀。產品經理要想是做好數據分析，首先就要認同數據的意義和價值。一個不認同數據分析、對數據分析的意義缺乏理解的人是很難做好這個工作的。

「術」是指正確的方法論。現在新興的「GrowthHacker」（增長黑客）概念，從AARRR框架(獲取、激活、留存、變現與推薦五個環節）入手進行產品分析，這是一個非常好的分析方法。

「器」則是指數據分析工具。一個好的數據分尺做慧析工具應該能幫助產品經理進行數據採集、數據分析、數據可視化等工作，節省產品經理的時間和精力，幫助產品經理更好理解用戶、更好優化產品。

Part2|數據分析的價值

產品經理不能為了數據分析而分析，而要將落腳點放到產品和用戶上。數據分析應該幫助產品經理不斷優化產品設計和迭代，驅動產品和用戶增長。

當我們上線了一個新的產品（proct）或者功能時，需要對其進行數據監控和衡量（measure）。然後從監控中採集到產品的用戶行為數據（data），並對這些數據進行分析和總結（learn）。最後從分析中得出結論和觀點（idea），如果數據證明我們的新產品/功能是優秀的，那麼可以大力推廣；如果數陵答據說明我們的產品還存在問題，就需要對產品進行新一輪的優化（build）。

在「產品——數據——結論」的不斷循環中，我們不斷用數據來優化我們的產品，加快產品迭代的步伐、提升用戶體驗。

Part3|數據分析的方法

1.流量分析

a.訪問/下載來源，搜索詞

網站的訪問來源，App的下載渠道，以及各搜索引擎的搜索關鍵詞，通過數據分析平台都可以很方便的進行統計和分析，分析平台通過歸因模型判斷流量來源，產品經理在分析這些流量時，只需要用自建或者第三方的數據平台追蹤流量變化即可，第三方平台如GoogleAnalytics、GrowingIO等；

b.自主投放追蹤

平時我們在微信等外部渠道投放文章、H5等，許多產品都會很苦惱無法追蹤數據。

分析不同獲客渠道流量的數量和質量，進而優化投放渠道。常見的辦法有UTM代碼追蹤，分析新用戶的廣告來源、廣告內容、廣告媒介、廣告項目、廣告名稱和廣告關鍵字。

c.實時流量分析

實時監測產品的訪問走勢，尤其要關心流量異常值。舉個例子，某互聯網金融平台因為一個產品Bug導致用戶瘋狂搶購造成的流量峰值，產品經理發現實時數據異常後迅速下線該產品修復Bug，避免了損失擴大。

2.轉化分析

無論是做網站還是App，產品裡面有很多地方需要做轉化分析：注冊轉化、購買轉化、激活轉化等等。一般我們藉助漏斗來衡量用戶的轉化過程。

影響轉化率的因素很多，我們總結了三個大的方面：渠道流量、用戶營銷、網站/APP體驗。以渠道流量為例，通過優選渠道並且量化分配我們的投放資源，可以有效提升總體的轉化率。

3.留存分析

在互聯網行業里，通常我們會通過拉新把客戶引過來，但是經過一段時間可能就會有一部分客戶逐漸流失了。那些留下來的人或者是經常回訪我們公司網站/App的人就稱為留存。

在一段時間內，對某個網站/App等有過任意行為的用戶，稱之為這個網站/App這段時間的活躍用戶，這個任意行為可以是訪問網站、打開App等等。

現在大家經常會用到所謂的「日活」（日活躍用戶量，DAU）、「周活」（周活躍用戶量，WAU）來監測我們的網站，有的時候會看到我們的「日活」在一段時期內都是逐漸地增加的，以為是非常好的現象，但是如果沒有做留存分析的話，這個結果很可能是一個錯誤。

留存是產品增長的核心，用戶只有留下來，你的產品才能不斷增長。一條留存曲線，如果產品經理不做什麼的話，那麼用戶就慢慢流失了。

這是一個常見的留存曲線，我把它分成了三個部分：第一部分是振盪期，第二部分是選擇期，第三部分是平穩期。

從產品設計的角度出發，找到觸發留存的關鍵行為，幫助用戶盡快找到產品留存的關鍵節點。之前我們發現我們產品裡面，使用過「新建」功能用戶的留存度非常高；於是我們做了產品改進，將「新建」按鈕置於首頁頂部刺激用戶使用，效果非常好。

矽谷流行的MagicNumber（魔法數字）也是留存分析的一部分，比如Facebook發現「在第一周里加10個好友」的新用戶留存度非常高。作為產品經理，我們也需要通過數據分析來不斷探索我們產品裡面的魔法數字，不斷提高用戶留存度和活躍度。

更詳細的留存分析方法，可以參考這篇文章你能找到的最深入的留存分析文章-留存·增長·MagicNumber?。

4.可視化分析

用戶體驗，是一個非常抽象的概念，我們可以對其進行形象化。目前一個普遍的方法就是對用戶的數據進行可視化，以熱圖的形式呈現。

藉助熱圖，產品經理可以非常直觀了解用戶在產品上的點擊偏好，檢驗我們的產品設計或者布局是否合理。

5.群組分析&挖掘用戶需求、改進及優化產品

千人千面，產品經理對用戶精細化的分析必不可少。不同區域、不同來源、不同平台甚至不同手機型號的用戶，他們對產品的使用和感知都可能存在巨大的差異。產品經理可以對不同屬性的用戶進行分群，觀察不同群組用戶的行為差異，進而優化產品。

之前我們做過一次分析，網站的總體注冊轉化率是6%；但是使用Chrome瀏覽器的新用戶注冊轉化率高達12%，使用IE瀏覽器的新用戶注冊轉化率才1%。這樣一分的話，問題就很明顯了，極有可能是瀏覽器兼容性的問題，產品經理應該關注一下這個問題。

Part4|數據分析的書籍

做好數據分析，不是一朝一日就可以的，需要在產品規劃設計、產品升級迭代中不斷實踐。下面的這些書籍對於產品經理學習數據分析都有一定的幫助：

推薦1：

@范冰XDash

的《增長黑客》

這是國內對於增長黑客的第一本詳細介紹，作者從AARRR的視角切入，描述了大量產品優化、產品增長的案例，對於產品經理非常有益。

推薦2：埃里克·萊斯的《精益數據分析》

在這本書裡面，作者介紹數據分析的相關指標、不同行業的數據分析要點，並且有大量的數據分析案例和翔實數據。如果想要把數據分析落地，這本書對產品經理是非常有幫助的。

推薦3：我們一直在做互聯網行業數據分析知識的普及，目前我們已經做了14期「GrowingIO數據分析公開課」，面向產品經理、運營等等，這里是GrowingIO的產品和分析師寫的《互聯網增長第一本數據分析手冊》

這裡面匯編了我們一年多來數據分析、產品優化的實戰案例，裡面不少文章被被大號轉過，例如《如何成為一個優秀的數據產品經理》等等。

下載電子版的分析手冊，請參考這里互聯網增長的第一本數據分析手冊。

推薦4：埃里克·萊斯的《精益創業》

作者提出了最小可行性產品（MVP）、小步快跑，快速迭代等產品設計和優化的理念，影響深遠。

總之，數據分析是一門多學科、多領域的交叉學問，涉及到的東西非常多。產品經理要想做好數據分析，應該有一套完整的思維體系，在價值觀、方法論和工具三個層面上儲備相關知識。同時立足於產品和用戶，用數據來打磨產品，用數據來檢驗迭代，不斷提升用戶體驗，希望大家都能找到合適自己的崗位實現擇優就業。

3. 浜у搧榪愯惀鍚屽︼紝濡備綍姝ｇ『鐨勬彁鏁版嵁闇奼

鏃ュ父宸ヤ綔閲岋紝鏁版嵁浜у搧緇忕悊寰寰浼氳窡寰堝氶渶奼傛柟鎵撲氦閬擄紝鍦ㄩ渶奼備笂璺熷悇涓氬姟鏂廣屽懆鏃嬨嶃傜洰鐨勯兘鏄涓轟簡璁╅渶奼傛湰韜鍙樺緱鏇村姞鍏蜂綋銆佸悎鐞嗭紝璁╅渶奼傜殑鐩稿叧淇℃伅灝藉彲鑳界殑閫忔槑銆佸噯紜銆備繚璇侀渶奼傚湪鍚庣畫寮鍙戠殑鎵ц屾晥鐜囷紝鍑忓皯鏉ュ洖娌熼氱殑鎴愭湰錛屼互鍙婇檷浣庤繑宸ョ殑椋庨櫓銆

鏈綃囧叿浣撹亰涓涓嬶紝涓涓鎴愮啛鐨勬暟鎹闇奼傚簲璇ユ槸浠涔堟牱鐨勶紙鏂囦腑鎵娑夊強鍐呭逛篃鍦ㄥ叕鍙稿唴閮ㄧ粰鐩稿叧涓氬姟鏂瑰仛榪囧垎浜錛夈

涓涓鏁版嵁闇奼傦紝涓昏佺敱鍥涢儴鍒嗗叧閿鐐圭粍鎴愶細涓氬姟鑳屾櫙銆佹槑紜闂棰樸佸艦鎴愭寚鏍囥侀渶奼傚垎綾匯

1.1 涓氬姟鑳屾櫙錛氫粙緇嶄笟鍔¤儗鏅

鐩鐨勶細鏍稿績鏄涓轟簡鍚戞暟鎹鍥㈤槦浜у搧鎴栨妧鏈鍚屽︼紝鍚屾ラ渶奼傝儗鏅銆傛弿榪板綋鍓嶉渶奼傜殑涓氬姟鑳屾櫙錛屽拰鎯寵佸埄鐢ㄦ暟鎹瑙ｅ喅鐨勯棶棰樿寖鍥淬傚洜涓轟粠鏁版嵁瑕佽В鍐崇殑闂棰樿竟鐣屼笂錛屾湁浜涙槸鏁版嵁娌℃湁鍔炴硶鑳藉熻В鍐崇殑銆傝岄渶奼傚湪鎻愬嚭鐨勬椂鍊欎篃闇瑕佹敞鎰 銆屽氫粠鍏ㄥ矓鑰冭檻闂棰橈紝鑰屼笉鏄灞闄愪簬鏌愪釜灝忎笟鍔℃ā鍧楋紝閬垮厤閲嶅嶉犺疆瀛愩 銆

甯歌侀棶棰橈細

闇奼傛病鏈変笟鍔¤儗鏅鎻忚堪錛屾垨鑳屾櫙鎻忚堪絀烘硾錛岃繖鏍烽犳垚鐨勭粨鏋滄槸錛

1錛夋暟鎹浜у搧鍚屽︽棤娉曡瘎浼伴渶奼傚悎鐞嗘э紝鏃犳硶鍦ㄩ渶奼傛睜闇奼傚垪琛ㄨ繘琛屼紭鍏堢駭鎺掑簭

2錛夋棤娉曡瘎浼版槸鍚︽湁鏇村ソ錛屾洿浼樼殑瑙ｅ喅鏂規

1.2 鏄庣『闂棰橈細甯屾湜鏁版嵁瑙ｅ喅浠涔堬紵

鐩鐨勶細涓轟簡鏇村噯紜鐨勬槑紜闇奼傛湰韜鏄浠涔堬紝甯屾湜鏁版嵁鏉ヨВ鍐充粈涔堛傞氬父鍒嗕負涓夌偣錛

1錛変笟鍔″艦寮忥細璁叉竻妤氫笟鍔℃柟鏄浠涔堜笟鍔★紝闇奼傛墍灞炰粈涔堜笟鍔★紝渚嬪傝㈠崟鐩稿叧錛岄庢帶鐩稿叧錛屼緵緇欑浉鍏籌紝瀹㈡湇鐩稿叧絳

2錛変笟鍔¤勬ā錛氫笟鍔¤嚜韜鐨勪綋閲忓備綍錛屼駭鐢熺殑鏁版嵁闆嗗悎鏁版嵁緇撴灉澶ф傛槸浠涔堥噺綰с傝繖鏈変究浜庨渶奼傝瘎浼版椂鍊欑殑鎶鏈閫夊瀷鍋氬喅絳

3錛変笟鍔″懆鏈燂細涓氬姟鏈韜鏄闀挎湡涓氬姟榪樻槸璇曠偣鐨勭煭鏈熼」鐩錛屾槸嫻嬭瘯鏈熷唴榪樻槸宸茬粡姝ｅ紡涓婄嚎錛熻繖浼氬喅瀹氶渶奼傜殑杈撳嚭鏂瑰紡錛堥偖浠訛紝鎶ヨ〃錛屼復鏃禨QL鎻愪緵絳夛級

甯歌侀棶棰橈細

1錛変笉鎻愪緵涓氬姟鐨勫懆鏈熶俊鎮錛岄犳垚鍘熸湰搴旇ョ敤涓存椂鎵嬫佃В鍐崇殑闇奼傝漿鑰岀敤浜嗚祫婧愭秷鑰楄緝楂樼殑鏂規堬紝寰椾笉鍋垮け

1.3 褰㈡垚鎸囨爣錛氭瀯寤烘寚鏍*緇村害 

銆屾寚鏍囥 鎸囩殑鏄瀵逛笟鍔￠噺綰ф弿榪扮殑搴﹂噺鍊礆紝 銆岀淮搴︺ 鎸囩殑鏄瑙傚療搴﹂噺鍊肩殑瑙嗚掋備緥濡傦細鈥滆㈠崟鏁幫紝鐢ㄦ埛閲忥紝鍟嗗搧鏁扳濈瓑灞炰簬鎸囨爣錛涜屸滃搧綾伙紝鐪佷喚鍩庡競錛岀粓絝鈥濈瓑灞炰簬緇村害銆

鐩鐨勶細濡傛灉鏄緇熻＄被鍨嬬殑闇奼傦紝榪欎竴姝ュ彲浠ュ皢闇奼傜粏鍖栵紝鍏蜂綋鍒版湁鍝浜涙寚鏍囧拰鍝浜涚淮搴︼紝榪欏皢鐩存帴鍐沖畾鎶鏈鍚屽﹀湪銆屽疄鏂姐嶅眰闈㈢殑鏍囧噯銆備竴涓鍚堢悊鏄庣『鐨勬暟鎹闇奼傚姟蹇呴渶瑕佸啓娓呮氾細

1錛夋寚鏍囷細鎸囨爣鐨勪笟鍔℃弿榪幫紝鎸囨爣鏈韜鐨勭粺璁￠昏緫

2錛夌淮搴︼細浠庡摢浜涜嗚掕傚療搴﹂噺鍊礆紝緇村害鍦ㄧ簿涓嶅湪澶氥傚悓鏃剁淮搴︾殑澶氬皯涔熷皢鐩存帴褰卞搷鏁版嵁鐨勮＄畻鍜岀粨鏋滃瓨鍌ㄧ殑鎴愭湰錛屼篃鏄闇奼傚悎鐞嗘х殑閲嶈佽瘎鍒や緷鎹

甯歌侀棶棰橈細

1錛夋病鏈夌淮搴︼紝鎸囨爣涓嶅叏闈銆傞犳垚闇奼傝繑宸

2錛夋寚鏍囨棤鏄庣『瀹氫箟錛岃＄畻瑙勫垯銆傛棤娉曞啓璁＄畻閫昏緫

1.4 闇奼傚垎綾伙細鏄庣『杈撳嚭鏂瑰紡

鐩鐨勶細鎻忚堪鐨勯渶奼傜殑鍒嗙被錛屽嵆涓氬姟鍚屽︽兂瑕佸疄鐜扮殑杈撳嚭鏁堟灉銆傞渶奼傜殑杈撳嚭鏂規堜細鍒嗕負鍑犵被錛氳祴鑳藉瀷錛岀葷嚎灞曠ず鍨嬶紝瀹炴椂鐩戞帶鍨嬶紝涓撻樺垎鏋愬瀷錛屼復鏃墮渶奼

甯歌侀棶棰橈細

1)鍘熸湰涓存椂鐨勯渶奼傝佸仛鎴愮嚎涓婄葷嚎鎶ヨ〃鎴栧疄鏃剁洃鎺э紝璧勬簮娑堣楅珮

2)鍙浠ヤ竴嬈″緱鍑虹粨璁虹殑瑕佹眰闀挎湡鐩戞帶錛屾姇鍏ヤ駭鍑哄洖鎶ョ巼浣

涓氬姟鍥㈤槦鎸夌収闇奼傝勮寖鎻愪緵浜嗛渶奼傚悗錛屼紶閫掑埌鏁版嵁鍥㈤槦鎵嬩腑銆傜敱鏁版嵁浜у搧緇熶竴鎶婂叧錛岃嫢鍦ㄤ竴浜涙妧鏈闂棰樹笂涓嶈兘鏄庣『緇欏嚭瑙ｅ喅鏂規堢殑錛屽垯闇瑕佹媺涓婃妧鏈鍚屽﹀叡鍚岃瘎浼般傛暣浣撳洿緇曚袱鏂歸潰灞曞紑錛

2.1 闇奼傝佺礌錛氭湁鏁版嵁錛屽彲鎵ц岋紝鏁版嵁鑳藉熻В鍐

鎴戜滑鍦ㄨ瘎浼版暟鎹闇奼傜殑鏃跺欓渶瑕佹槑紜涓鐐廣屾暟鎹闇奼!=闇奼傘嶏紝鏁版嵁闇奼備笁瑕佺礌錛

1錛夋湁鏁版嵁錛氭湁鎸囨爣鏁版嵁錛屼笖蹇呴』鍑嗙『鍙闈

2錛夊彲鎵ц岋細鏁版嵁鑳借惤鍦幫紝鎶鏈鎵嬫靛彲瀹炵幇

3錛夋暟鎹鑳藉熻В鍐籌細鏁版嵁闇奼傛墍閫夋寚鏍囧彲瑙ｅ喅涓氬姟闂棰橈紝鑰冮噺闇奼傝惤鍦版э紝浜у搧鏈緇堢粨鏋滄槸鍚﹀彲椹卞姩涓氬姟鍔ㄤ綔

2.2 鎵ц岃掕壊錛氳皝瑙ｅ喅

鍦ㄤ簨鎯呯殑鎵ц屼笂錛岄氬父浼氭湁涓浜涢渶奼傝竟鐣屼笉娓呮櫚錛岃屽湪涓涓緇勭粐閲屼細鍥犱負浜嬫儏杈圭晫鐨勪笉娓呮櫚甯︽潵璇稿氶棶棰樸傞渶奼傝竟鐣屼笉娓呮櫚鐨勪綋鐜伴氬父琛ㄧ幇涓猴細鍘熸湰璇ヤ笟鍔″洟闃熻嚜琛屽疄鐜扮殑錛岃漿鑰岄噰鐢ㄤ簡娑堣楄祫婧愯緝澶х殑鏁版嵁涓撲笟鍥㈤槦鐨勮兘鍔涘疄鐜幫紝榪欐槸涓綾匯屽ぇ鍒鐮嶅皬鏍戙嶇殑鐜拌薄錛屼細閫犳垚娌″繀瑕佺殑璧勬簮嫻璐廣

鍥犳ゆ垜浠鍦ㄥ垝鍒嗛渶奼傝竟鐣岀殑鏃跺欓氬父鏈夊備笅瑙勫垯錛

1錛夋暟鎹鍥㈤槦錛氭牳蹇冭В鍐 鈥滄姤琛ㄥ彲瑙嗗寲銆佽法涓氬姟鍥㈤槦銆佸熀浜 鏃ュ織銆侀噺澶р 綾誨瀷闇奼

2錛変笟鍔″洟闃燂細

2.1)鍗曚竴涓氬姟闇奼

2.2)綰誇笂瀹炴椂鏁版嵁闇奼 (鎺ュ彛)鎵歸噺璁塊棶絳夊満鏅 綾誨瀷闇奼傦紱涓句緥:涓存椂鏁版嵁銆佽嚜鍔ㄩ偖浠躲佸叧緋誨瀷鎺ュ彛

浠ヤ笂

4. 產品經理怎麼用好數據分析

在上一篇文章中我們為大家介紹了產品經理為什麼要使用數據分析來工作以及數據分析工作需要的技能，那麼大家知道不知道產品經理需要分析哪些數據呢，數據分析的工具是什麼呢，如何進行數據分析呢？下面就由小編為大家解答一下這些問題。
首先給大家說一下產品經理需要分析哪些數據？產品經理需要分析的數據有很多，就是基礎數據。基礎數據就是下載量、激活量、新增用戶量、活躍用戶等。還有社交產品，社交產品有用戶分布、用戶留存等。還有電商。淘寶指數、網站流量、跳出率、頁面訪問深度等。同時還有內容類，內容轉化率、留存量。工具類就是功能點擊量、應用商城排名。
那麼大家知道不知道數據分析的工具都有哪些呢？數據分析工具主要就是第三方數據分析工具，這樣據可快速接入，節省成本，比較適合創業型公司及剛上線的產品，但是無法對關鍵數據在突發異樣時進行跟蹤。除了這些，還有自己開發的數據分析工具，可以對每個數據進行實時跟蹤，並快速做出產品的調整，需要足夠的開發人員及成本，比較適合大型公司或者成熟型產品。
那麼如何進行數據分析呢？我們需要先對數據建模，再對實際分析數據，看是否與模型吻合。但是，我們卻需要要有一個產品數據分析的思路，這個思路可以這樣展開：我為什麼分析？即就是明白，我分析的目的是什麼，是尋找問題的原因？還是尋找問題的解決方式？同時，我們還需要考慮通過分析想要達到什麼效果？是通過分析付費用戶，找到問題，解決問題從而提升收入？當然，我們還需要我該分析哪些數據才能達到這個效果？即需要什麼數據才能達到分析的目的。同時我們需要考慮如何採集這些數據？是直接通過第三方數據分析工具或者我們自己開發的工具就可獲得？還是說要從資料庫調取再交給程序員？同時還如何整理這些數據？即我們常說的數據可視化，這樣可以便於我們進行分析。如何分析？即通過分析，找出問題的所在，給出你的結論。怎麼解決問題？給出你的解決方案。
通過這篇文章我們不難發現數據分析的內容是有很多的，我們在學習數據分析的時候一定要做好數據分析知識的儲備，這樣才能夠做好數據分析工作，尤其是作為產品經理，為了鞏固自己的職業地位和提高競爭力沒，我們必須要讓自己不斷地學習吸收新的知識。最後感謝大家的閱讀。