哪些数据知识产品经理一定要掌握的

2010年，乔布斯发布了iPhone4，正式推出了IOS生态系统下的FaceTime等功能。这款机型，奠基了移动互联网的基础，开发者入驻app store，为消费者提供无数应用，我们通过移动应用来完成用户在手机上的交互。

2022年是移动互联网的第十二年，诞生了许多的移动应用，同时也催生了互联网产品经理的标准。在12年以前，曾经开发一款软件就是一个程序员负责前后端来完成，同时还有美工的一些细微工作，但随着对用户体验的追求，催生了各自更加明细的分工，也造就了产品经理的需求。

曾经在软件系统研发的过程中，是没有产品经理职位的，这个职位这些年从鲜有人知到步入了大众视野，同时产品经理的要求技能也变得越来越垂直、越来越规范。

有什么是随着产品经理岗位要求越来越严格的，但却一直没被取代的能力呢？

那就是以数据为底层驱动的意识了，不懂运营的产品经理不是好产品经理，同样的不懂数据的产品经理，也不是好的产品经理了。

所以产品经理的数据知识是关键，我们可以把数据知识划分为4个板块技能。

1.数据产品设计

市面上的产品都离不开数据报表模块，比如面向C端用户提供的个人中心查询订单、内容动态，面向B端提供的数据报表、数据列表，是数据产品功能模块。

利用《用户体验要素》和《Data Mining Techniques》这2本书里我们可以构筑如下的产品设计与数据关系

对于一个数据产品的设计，核心数据数据模型的建立，抛开绘制产品原型、撰写需求文档，用下面5个步骤来完成数据模型。 

1.Define定义需求，即把业务问题转化为数据挖掘问题 

2.Measure 测量数据，即理解、收集并加工数据，做好准备 

3.Analyze 分析建模 ，即构建模型、评估模型的过程 

4.Improve 解决问题，即部署模型来解决目标问题 

5.Control反馈控制，即评估结果重新开始循环，不断改进 

数据产品以数据指标为底层，提供数据相关的功能，比如最简单的数据查询、数据浏览，还有数据上传、数据同步等，这些看着很细碎的功能，实际上是数据平台最核心的服务。

在数据产品里提供数据导入、导出的功能，增加数据分析源，可以直接在数据平台上进行合并，比如下面统计比赛选手绑定设备数量，本身数据是没有直接打通的，需要通过手动上传产生数据。

2.数据运营

怎么样才算用数据做运营呢？

这个和业务场景直接相关，比如我每天写公众号文章，通过观察7天、当日、当月的文章阅读总量、分享数、用户新增数、用户取关数，就可以知道单篇文章的效果，掌握用户喜欢阅读什么内容、用户阅读的时间集中点。

同时利用消息回复统计、用户信息管理，分析出每日关注公众号的人群画像、以人群画像与消息回复的特点，就可以知道自己读者（用户）的主要诉求，以此来不断优化文章内容，增加阅读量、粉丝数。

这就是一个数据运营案例。

如果把文章换成一个app、一个网站、一个系统产品，其实也是同样的，我们可以通过已经上线的产品，观察各个功能的停留数据、用户访问数、和直接转化数据，通过漏斗图或者桑基图来观察页面的流失情况，比如下面是用户从页面访问、到订单数据的漏斗，是我们做产品最常用的数据统计。

漏斗每一层都会有流失率，找到流失比例最高的，进行页面优化或者功能的调整，这就是我们基于数据来做产品的运营，叫做产品运营。

有了数据运营的思考方式，可以帮助我们在大的方向下可以走的更精准。

3.数据指标

数据指标是我们做数据产品经理、数据分析、数据运营的产物，只是大家面向对象不同。

比如常用的数据指标有产品数据指标、交易量指标、订单指标、用户数据指标、商品数据指标，每类指标都有通用的，以此来扩展。

4.数据产品经理

数据产品经理仍然是产品经理，工作的产出物就是功能设计，但会用数据来评判功能效果，版本好坏作为数据绩效成绩。比如PMTalk小程序app的三个tab，分别是首页、活动、我的，我们就会统计各个功能点击、页面停留、用户访问的数据。

这其中的业务数据则包含了用户活动报名、课程报名、广告点击等数据，利用活跃数据、付费数据、产品数据来做我们需求的引导。

比如新增用户可以梳理出下面指标

• 日新增注册用户量：统计一天内，即指安装应用后，注册APP的用户数。

• 周新增注册用户量：统计一周内，即指安装应用后，注册APP的用户数。

• 月新增注册用户量：统计一月内，即指安装应用后，注册APP的用户数。

• 注册转化率：从激活到注册的转化。

• DNU占比：新增用户占活跃用户的比例，可以用来衡量产品健康度。

还要很多指标，都是已经固定的，我们只要想办法计算出来，就可以用来做数据运营。 

5.数据分析

数据分析是指标的建立者，会和市场、运营、产品等各个部门沟通，定义出产品以后用的数据指标，数据指标包含了业务口径和技术口径，数据分析师要搞清楚技术口径是什么再来确定可以实现的业务口径。

总之初级数据分析就是和开发定义出可以实现的指标为业务使用，而高级的数据分析则直接定义数据指标逻辑。

6.数据技术原理

我们做数据产品经理，要知道数据是利用技术进行采集的，包括清洗的，低阶的产品需要知道数据指标，高阶的产品是懂技术的，因为就可以很快定义出能够实现的技术原理。

技术原理包含了理性层，从最开始的代码实现到业务的合理性，我们通过技术原理能够快速的定位数据的困难与问题。

以上，就是一个数据产品经理掌握的6个基础知识。