产品经理如何做数据分析?
2012-08-10 02:12
676 查看
现在PM动不动就拿数据说话,找RD跑数据,有些数据是肯定必要的,有些数据是可要可不要的,比如对于某项目,PM凭经验可说4级以上的用户可xxx,这时候会有人跳出来问,为什么不是3级、5级?拿出数据来。 实际上真看了数据又能看出什么呢?看完后无非是再次验证了4级,而且看了数据后主管判断还是PM来下的。 再比如有的功能是肯定要上的,但领导会说,调研一下有没有必要,评估数据搞半个月,评估的结果是:嗯,可做。 实际上,该功能整个平台的用户都希望做,是没有必要耗费人力评估的,只要做就可以了。 很多数据和评估是必要的,但有些很形式化,请问有意义吗?
以下是来自知乎网友的回答:
数据分析是一种靠谱的产品研究方法, 这玩意有很多误区, 也不能迷信, 最终到头来还是要人来做决策
忽略沉默的用户
二战时英国空军为了降低飞机的损失,决定给飞机的机身进行装甲加固。由于当时条件所限,只能用装甲加固飞机上的少数部位。他们对执行完轰炸任务返航的飞机进行仔细的观察、分析、统计。发现大多数的弹孔,都集中在飞机的机翼上;只有少数弹孔位于驾驶舱。从数据上说, 加固机翼的性价比最高. 但实际情况缺恰恰相反, 驾驶舱才是最应加固的地方, 因为驾驶舱被击中的飞机几乎都没飞回来.
"发声"的数据是最好获取的, 但如果没把这些沉默的数据考虑进来, 那么这种数据分析是不靠谱的. 所以除了数据的结果, 还得尝试解读这些数据. 而解读数据就完全依赖人了.
把沉默用户当做支持和反对的中间态
2家网站A和B,都经营类似的业务,都有稳定的用户群。它们都进行了类似的网站界面改版。改版之后,网站A没有得到用户的赞扬,反而遭到很多用户的臭骂;而网站B既没有用户夸它,也没有用户骂它。如果从数据来看, 应该是网站B的改版相对更成功, 因为没有用户表达不满。但事实并非如此。网站A虽然遭到很多用户痛骂,但说明还有很多用户在乎它;对于网站B,用户对它已经不关心它了.
网站A指的是Facebook,网站B是微软旗下的Live Space。
把数据作为决策的唯一标准
通常认为数据分析指导工作是一种高性价比的做法, 不容易犯错, 对于代表资方的管理层来说, 比起依赖于人的决策, 依赖于数据的决策似乎更稳健.
这种决策在从0.5向0.8的产品改进上, 可能是有效的. 因为一个已有的产品, 数据就摆在那. 100个用户50个访问超时, 解决了这个问题, 就提升了50%的效果.
但对于从0到0.1的新产品上, 由于数据很难获取, 需要花大力气在获取模拟数据上. 往往是用一周时间去想明白一个做两个小时的产品该不该做的问题. 而且模拟的结果还和最终实际相差很远.
A/B test或是原型系统, 先做出来, 再去验证, 在一些场合下比先拿数据要有效的多.
认为数据是绝对客观的
为了减少内耗, 往往依赖于数据来做决断. 我一直认为数据本身是带有主观性的, 完全客观的数据是没有的. 数据的获取方法, 数据的解读方法, 数据的统计方法, 都是人的决策. 一份数据拿出两个相反的结论来也不是没有可能. 即使主观上没有偏向性, 也受限于方法和视野.
决策上最终起作用的还是人不是数据. 虽然人有那么多的不确定性, 还可能出现争论, 扯皮, 不敢承担责任.
部分内容节选自: 编程随想--思维的误区 http://blog.csdn.net/program_think/article/details/5748406
以下是来自知乎网友的回答:
数据分析是一种靠谱的产品研究方法, 这玩意有很多误区, 也不能迷信, 最终到头来还是要人来做决策
忽略沉默的用户
二战时英国空军为了降低飞机的损失,决定给飞机的机身进行装甲加固。由于当时条件所限,只能用装甲加固飞机上的少数部位。他们对执行完轰炸任务返航的飞机进行仔细的观察、分析、统计。发现大多数的弹孔,都集中在飞机的机翼上;只有少数弹孔位于驾驶舱。从数据上说, 加固机翼的性价比最高. 但实际情况缺恰恰相反, 驾驶舱才是最应加固的地方, 因为驾驶舱被击中的飞机几乎都没飞回来.
"发声"的数据是最好获取的, 但如果没把这些沉默的数据考虑进来, 那么这种数据分析是不靠谱的. 所以除了数据的结果, 还得尝试解读这些数据. 而解读数据就完全依赖人了.
把沉默用户当做支持和反对的中间态
2家网站A和B,都经营类似的业务,都有稳定的用户群。它们都进行了类似的网站界面改版。改版之后,网站A没有得到用户的赞扬,反而遭到很多用户的臭骂;而网站B既没有用户夸它,也没有用户骂它。如果从数据来看, 应该是网站B的改版相对更成功, 因为没有用户表达不满。但事实并非如此。网站A虽然遭到很多用户痛骂,但说明还有很多用户在乎它;对于网站B,用户对它已经不关心它了.
网站A指的是Facebook,网站B是微软旗下的Live Space。
把数据作为决策的唯一标准
通常认为数据分析指导工作是一种高性价比的做法, 不容易犯错, 对于代表资方的管理层来说, 比起依赖于人的决策, 依赖于数据的决策似乎更稳健.
这种决策在从0.5向0.8的产品改进上, 可能是有效的. 因为一个已有的产品, 数据就摆在那. 100个用户50个访问超时, 解决了这个问题, 就提升了50%的效果.
但对于从0到0.1的新产品上, 由于数据很难获取, 需要花大力气在获取模拟数据上. 往往是用一周时间去想明白一个做两个小时的产品该不该做的问题. 而且模拟的结果还和最终实际相差很远.
A/B test或是原型系统, 先做出来, 再去验证, 在一些场合下比先拿数据要有效的多.
认为数据是绝对客观的
为了减少内耗, 往往依赖于数据来做决断. 我一直认为数据本身是带有主观性的, 完全客观的数据是没有的. 数据的获取方法, 数据的解读方法, 数据的统计方法, 都是人的决策. 一份数据拿出两个相反的结论来也不是没有可能. 即使主观上没有偏向性, 也受限于方法和视野.
决策上最终起作用的还是人不是数据. 虽然人有那么多的不确定性, 还可能出现争论, 扯皮, 不敢承担责任.
部分内容节选自: 编程随想--思维的误区 http://blog.csdn.net/program_think/article/details/5748406
相关文章推荐
- 产品经理如何进行数据分析
- 产品经理职责:如何对产品进行数据分析?
- 产品经理应该如何分析数据?
- 产品经理如何开始数据分析之路?(基础知识)
- 产品经理如何用数据分析发现问题
- 【干货】产品经理如何写好一份数据分析报告
- 产品经理如何做好数据埋点
- 产品经理:电商平台数据分析
- 产品经理如何做好需求过滤——一数据
- LinkedIn是如何利用数据分析驱动产品的?
- 产品经理--数据分析
- 产品经理必备技能之数据分析入门篇
- 数据分析网 » 傅志华:如何构建互联网产品数据管理体系
- 产品经理如何做好行业研究及竞争对手分析工作
- 产品经理做市场调研和数据分析的方法
- 根据现有产品数据,如何做一次数据分析呢?
- 产品经理如何做好行业研究及竞争对手分析工作
- 产品经理:如何系统地做需求分析