做产品需要了解的数据知识
- 格式:pdf
- 大小:144.80 KB
- 文档页数:3
2、指标定义
指标定义明确是数据易读的基础,拿DAU(日活跃用户数)来说,只有明白了活跃的定义,数据才有意义。
举例,某视频软件DAU1000万,猛一看很高,但是发现他们对日活的定义是启动,而该软件可以自定义开机启动,那么这个数据就值得商榷。
如果把有视频观看行为定义为活跃,那么DAU 立刻就变为300W,这个数据才属于有效数据,这个数据也更有意义。
3、上报机制
上报机制可以理解为数据上报的策略。
比如,行为产生的日志是否支持在移动网络下上报,上报时间间隔多久,进程被杀掉之后如何上报,上报过程中丢包概率···上报机制的制定直接决定上报数据的完整性和即时性。
对产品来说,一定是希望数据同步上报,但是考虑到用户手机流量、电量等
因素,一般需要做出取舍。
以前我只注意到数据上报的完整性,并未考虑到即时性,今天同事举的一个例子让我茅塞顿开:十一假期,你辛辛苦苦做了一份数据报表,分析的头头是道,并且给出了后期计划;三天以后,用户结束了长假,刚刚从3G环境切换到WIFI网络,大量新的数据上报,你发现你依赖的所有数据均发生了变化,你所有的分析都是基于不完整的甚至是错误的数据···
4、数据可视化
数据很重要的一项功能是通过趋势变化来反映问题,因此可视化是数据一个重要的展示形式,给你一张密密麻麻的表,如果没有图表支持,数据基本是死的,无法利用。
因此在数据量统计之初,就要有效的结合起可视化图表,完成对趋势的把握。
对成规模的数据来说,必然有规律的数据曲线,或是周期上升,或是周期波动,如果某个指标的数据图表振幅巨大毫无规律,那么就要去拆分数据,剔除其中无规律的波动因素A,重新对剩余数据做可视化视图,直到呈现出规律波动。
后期只需要对稳定的数据进行监控,有无异常,一目了然。
目前我们最大的问题不是数据不够,而是数据太多,无从入手。
从同事那里获得的经验就是最好自
己用excel整理一份原始数据,一是避免服务器挂掉,二也方便自己做更多个性化分析处理,进行各种计算尝试。
数据分析属于基础能力,不受行业和岗位限制,本质上讲分析方法只是辅助工具,根本上还是需要娴熟的业务能力做支撑。
#专栏作家#
无邪,微信公众账号:devillnote,人人都是产品经理专栏作家,迅雷产品经理。
关注移动互联网,聚焦产品策划、运营和用户分析。
文章不追热点,以产品经理相关为主。
转载请保留上述作者信息并附带本文链接
人人都是产品经理()中国最大最活跃的产品经理学习、交流、分享平台。