移動互聯網剛興起的時候，整個市場是不關注數據的，很多公司連產品經理都是IT程序員兼的，這一點我是深有體會，直到現在很多公司的數據都是集中在IT部門手里，基本上也沒辦法利用起來

?

但隨著行業從藍海變成紅海，一些公司因為數據分析做得好，漸漸帶來了高于行業的增長，所以大家紛紛開始注重數據分析，專業的IT產品經理也成了標配。

很多產品經理盡管接觸了大量用戶數據，卻一直困于怎么用好這些數據。其實，產品經理不需要像數據分析師那么精通數據，做好數據分析，只需要以下三步：

一、搭建指標庫

一個功能在埋點前，我們就應該搭建好盡可能完善的指標庫。

如果等到業務要上線了，才發現數據不夠用、缺指標，這時再重提數據需求就很麻煩了，讓技術人員加班加點返工不說，還會增大后期數據收集和數據處理的難度，耗費大量的人力物力，大大降低了反饋效率。

那么如何搭建一個盡可能完善的指標庫呢？

可以嘗試一下指標拆解法。簡單來說，就是圍繞著目標數據，分解成若干子指標，再對子指標層層拆解，得出具體需要收集的指標。

比如京東的指標體系就包含了若干細分指標：

?

再對細分指標進行層層拆解（下圖是獲客成本指標的拆解）：

?

當然，指標庫不是越詳細越好。對于不同的產品和業務來說，搭建的指標庫細分到什么程度也是不同的，如果指標太過詳細，收集的工作量和數據處理難度都比較大。

第二，數據清洗

拿到數據的方式有兩種，一種是自己給，一種是別人給。

自己給，也就是在自有平臺上收集到的數據，得到的數據是比較干凈的，不過也會存在一些數據不穩定和不準確的問題。

別人給，也就是在外部平臺上獲取的數據，這種方式拿到的數據就很不干凈，統計口徑不統一、格式參差不齊、亂碼、缺字段都是常有的事。

?

冗雜甚至錯誤的數據會影響數據分析結論，進而影響產品決策的合理性。因此拿到數據后，產品經理首先要提高數據質量，也就是解決數據可靠性和穩定性的問題，這就需要對收集到的數據進行數據清理。

數據清洗簡單說就是糾正數據文件中的錯誤，如檢查數據一致性，處理無效值和缺失值等。那么怎么做數據清理呢？

1、建立數據的唯一性

簡單來說就是去重。比如同一個用戶分別在公眾號、APP和網頁上注冊了賬號，但我們只需要一條記錄，這時就可以通過Excel或sql語句用代碼去重。

?

還有一種情況，比如用戶通過三種方式注冊留下的數據不完全一樣，該怎么辦？

這時我們想留下來的，一定是最權威的那條。比如APP是用戶通過手機號注冊的，網頁端和微信公眾號端是通過微信授權登錄的，這時我們一般需要保留手機號；再比如APP上注冊信息顯示性別“男”，微信注冊信息顯示“女”，我們可以選擇相信微信注冊信息。

總之，建立數據的唯一性，要做到兩點，一是去重，二是盡量采用權威渠道獲取的信息

2、建立數據的完整性。

簡單來說就是查漏補缺。比如收集到的數據中缺少某些用戶的重要指標，如性別、年齡、地區。

這種情況一般不太多，我們可以通過用戶的其他信息進行推算補全，比如可以通過姓名、身份證號等信息推斷出TA的性別、年齡、籍貫等。如果實在無法補上，就應該放棄這條數據，避免造成冗余。

3、建立數據的合法性

簡單來說就是校驗出錯信息。比如成年人的體重不可能只有5公斤，性別不能是數字等。

這種情況會影響數據的準確性，我們需要設置一套規則，對數據進行校驗過濾。如果覺得用Excel和SQL太復雜，也可以試試像FineBI這樣專業的數據分析工具，僅需要鼠標拖拽和點擊就能實現復雜的數據處理。

比如對字段直接添加條件過濾或者公式過濾：

?

比如通過左右合并的功能將多個數據表進行關聯分析

?

第三、數據分析

產品經理的工作日常，就是不斷基于用戶需求進行新一輪的產品設計。而數據分析是了解用戶需求的重要手段，可以說，數據分析貫穿了整個產品設計過程。

產品經理要想做好數據分析，在方法論和工具方面都要儲備相關知識。

在方法論層面，要不斷精進各種分析方法，如RFM模型、AARRR模型、流量分析、轉化分析、留存分析、可視化分析、對比分析。

工具層面，如果掌握FineBI這樣的數據分析工具，無需編程，僅用鼠標，也能輕松進行數據處理和數據可視化，大大提高數據分析效率。

比如遇到用戶體驗這樣非常抽象的概念時，我們就可以通過FineBI很輕易地制作出詞云進行分析：

?

比如使用AARRR模型進行用戶運營分析時，也是僅需要鼠標拖拽就能完成，簡單直觀，一目了然：

?

用好數據是每一位產品經理的必修課，搭建完善的指標庫、學會數據清洗和數據分析是三門基本功。

要想用好數據，需要對數據有足夠的敏銳度，也需要精進各種分析方法，當然要想做好數據分析，也離不開一款好用的工具。

最后，大家想要FineBI工具的，私信我“BI”就能獲得！

總結

以上是生活随笔為你收集整理的要是不会用数据，算什么IT产品经理？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。