数据产品经理“功守道”

一、“天条制定者”-数据产品经理

1、数据产品经理的主要工作内容

1.1 数据支持工作

临时性数据需求：通过取数、对数、给数等环节，完成此类工作。业务与产品验证：通过对数据的挖掘与分析，完成新业务与新功能的效果验证。业务决策辅助：利用数据，模拟与验证新的业务模式是否可行，让业务决策者的判断拥有可信赖的数据依据。

1.2 数据体系建设

数据指标体系建设：从数据获取、梳理指标、统计口径到统计规范的输出，再到数据模型与数据开发跟进，以及最终的数据验证。数据接口设计：个系统间数据互通的实现方式是拥有可调用的数据接口，完成这些数据接口的设计是数据流通的基础。数据可视化设计：数据的呈现方式易读易懂。

2、数据产品经理与数据分析师

数据产品经理会通过数据体系建设，完成业务数据的抽象，以产品化的方式输出数据成果，而数据分析师更多的是在解决业务的具体问题，关注数据变动背后的逻辑与原因，从而完成解读与预测。数据产品经理本质上市产品经理，是在输出产品解决方案；数据分析师本质上市分析师，是在输出商业解决方案。

二、数据产品经理的“武器库”

1、Excel常用函数公式

1.1 文本函数公式

LEN():计算字符长度，汉字计1个字符LENB()：计算字符长度，汉字计2个字符LEFT():从左侧提取字符串，=LEFT(指定单元格，截取长度)RIGHT():从右侧提取字符串，RIGHT(指定单元格，截取长度)MID():从中间提取字符串，=MID(指定单元格,开始位置，截取长度)TRIM():清除字符串两侧的空格CONCATENATE()：合并单元格内容，=CONCATENAME(单元格1，单元格2)REPLACE():替换单元格制定位置的内容，=REPLACE(指定单元格，开始位置，替换长度，"替换后的内容")SUBSTITUTE():替换单元格制定内容，固定内容替换，=SUBSTITUTE(指定单元格，制定内容，替换内容，位置)，位置：要替换第几个FIND()：查找文本内容，=FIND(要查找的字符，指定单元格，起始搜索位置)SEARCH():查找文本位置，与FIND函数类似，不区分大小写，=SEARCH(要查找的字符，指定单元格，起始搜索位置)TEXT():将数值转化为指定的文本格式

1.2 日期与时间函数

1.3 查询与引用函数

VLOOKUP():从某个区域查找特定内容，并提取该区域部分内容到制定位置，=VLOOKUP(要找的内容，去哪找，具体的位置，是否精确匹配)INDEX():提取表格区域中的指定内容，=INDEX(指定单元格区域或数组，所在行，所在列)MATHCH():查找制定内容所在的位置，=MATCH(要返回值的单元格区域或数组，查找的区域，查找方式)ROW():返回单元格所在行数COLUMN():返回单元格所在列数RANK():求指定数据在某区域下一组数据中的排名，=RANK(参与排名的数值，排名的数值区域，排名方式0位降序/1为升序)OFFSET():引用某区域的数值，=OFFSET(指定点，偏移多少行，偏移多少列，返回多少行，返回多少列)

1.4 统计函数

SUM():计算所选单元格区域所以数值的和SUMIF()：计算满足单元格条件的单元格的和，=SUMIF(条件区域，判断条件，求和条件)SUMIFS():根据多个条件来求和，=SUMIFS(求和区域，条件区域，判断条件，条件区域，判断条件,.......)SUMPRODUCT():计算多个给定数组间元素的乘机之和COUNT():统计指定区域中包含数字的单元格数目COUNTIF():统计指定区域中满足给定条件的单元格数目，COUNTIF(条件区域，判断条件)COUNTIFS():统计指定区域中满足一组给定条件的单元格数据AVERAGE():计算指定区域的平均值STDEV():统计指定区域的标准差INT():取整函数，向下取整ROUND():取整函数，可按小数位取整MIN():统计指定区域的最小值MAX():统计指定区域的最大值RANK():统计指定单元格在统计区域中的排名RAND/RANDBETWEEN():生成随机数，RAND函数生成的随机数范围为0~1,RANDBETWEEN函数可指定随机数范围

1.5 逻辑函数

IF():条件判断，如果为真，则返回某个值，如果为假，则返回另外一个值，=IF(判断条件，成立时返回某值，不成立时返回某值)AND():逻辑判断为“且”，当所有判断条件均成立，最终判断才成立OR():逻辑判断为“或”，多个判断条件有一个成立，最终判断即成立NOT():取判断结果相反的逻辑值

2、数据建模工具

2.1 数学建模与数据建模区别

数学建模是为了满足预测与归因等需求，将现实问题抽象成数学问题，然后选择合理的算法进行求解。数据建模主要完成业务流程的数据抽象，从而确定数据库的管辖范围。

2.2 数据建模意义

数据建模是数据开发的起点：数据模型中定义的数据表字段，以及表与表之间的关系，相当于提供给数据开发工程师的需求文档，因此数据建模也是数据产品经理完成数据需求设计的过程。数据建模是参与方达成共识的依赖：数据模型始于业务梳理，最终的输出物为项目参与方提供数据体系的全局视角，让需求方与开发人员在数据需求、数据范围及中长期规划上达成共识。数据建模是数据质量、数据安全的保障：通过数据建模，既可以去除现有数据冗余，又可以依据数据安全要求明确出敏感字段，进行脱敏与权限管控。

2.3 如何完成数据建模

数据需求调研：熟悉业务流程与业务逻辑，分析数据表与表字段。梳理数据业务关系：标识数据表主键和外键

3、解决问题的SQL

三、数据分析方法与决策

数据分析师指使用适当的统计分析方法对所搜集的数据进行分析，从中获取有用信息，并形成结论的过程。

1、基本分析法

对比分析：通常用到趋势图，通过数据的趋势变化，判断产品域业务的健康度。对比分析可分为2个方向：指标对比（在相同维度下，对一个或多个指标进行时间对比，通过同比、环比与定基比，进行问题拆解分析）与维度对比（对制定指标进行多维度对比分析）。

a. 同比：本时间周期与去年同期的比值。

b. 环比：本时间周期与上一个时间周期比值。

c. 定基比：本时间周期与某一固定时期的比值。

漏斗分析：业务分析的基本模型，是运营人员与用户增长产品经理常用的分析手段；在数据流转生命周期中，从起点到终点，每个阶段的数据转换率与流失程度都会反映出很多问题。拆分分析：将某个问题逐层拆分成若干个子问题，通过对子问题的研究，获取最终解决方案。在数据分析与产品设计过程中，当数据产品经理面对一个巨大目标无从下手时，费米问题的解决思路是一种值得借鉴的策略。

2、统计分析法

统计分析应用场景是基于系统生成的数据，反向推算系统的内在逻辑。常用方法如下：

描述分析：通过图表或数据方法，对数据资料进行整理、分析，并对数据的分布状态、数字特征和随机变量之间的关系进行评估和描述的方法。

a. 集中趋势分析：用来反映数据的一般水平，常用指标有平均数、中数、众数等。

b. 离中趋势分析：用来反映数据的离散程度，常用的指标有方差、标准差、平均差等。

c. 相关分析：用来反映数据之间的关联性，在研究过程中，通常使用控制变量法获取数据之间的相关程度。

回归分析：像是以史为鉴的思考与探索，寄希望于找到合适的函数关系式来解释数据之间的关系。聚类分析：一种探索式分析方式，不需要事先明确类别标准，只需确定基于哪些指标实现对象聚类，并选择合适算法，然后系统就会依照对象与所选指标之间的“距离”完成聚类操作，确保了同一个类下的对象有很大的相似性，而不同类下的对象存在很大的差异性。常见分层聚类、k-均值聚类、模糊C均值聚类等。