产品数据分析(IT岗位，往传统产品还是大数据，数据分析这种产品发展好呢？)

题图来自Unsplash，基于CC0协议

本文目录

正文

1、IT岗位，往传统产品还是大数据，数据分析这种产品发展好呢？

其实这个问题答案很明显，不用考虑其他因素（可能会有5%的因素影响，本着对自己职业生涯负责的角度，这种因素可以忽略）。

观点是：肯定是大数据，数据分析这种方向好。

工作后，技术的成长、职业生涯的成长很大程度上都受工作环境的影响。如果自己又不是一个极具自制力和眼光的人，你很难在做传统项目过程中，去学习新的技术，即使学习了也没有场景让你实际应用，对技术的成长有很大的制约。

假如你是做互联网方向的项目，又或者是大数据方向、人工智能方向，即使自己略微懒一些、放松一些，环境也会推着你向前走。

所以，还是强烈建议，如果可能，还是别考虑去做传统项目。

2、如何看待数据产品与数据分析师之间的关系？

当今有许多不错的企业级大数据产品，有些冠上深度挖掘、用户多维分析、智能数据产品的名头。这些产品让数据分析以产品的形态出现在业务人员面前，辅助他们进行数据决策分析。

在某种程度上，数据产品替代了专业数据分析师的部分或大部分工作。从另一个角度来说，业务人员也在被产品的数据分析思维所影响，成为一个个数据分析师。

我们也看到这类“标准化”的数据产品在应用上面临一些挑战：用户使用还有一定难度，个性化业务分析需求不易满足，数据的不确定性带给标准产品的冲击。数据分析师还是活跃在分析的最前沿，分析需求依然高涨。

这是一个良性的长期共存、双赢的现象。数据产品解放数据分析师的大量重复性工作，让业务更重视数据分析价值。

数据分析师将更多精力投入到对数据的探索、业务价值分析中。

有一句话，“未来的数据分析师都将被人工智能取代”。这未来毕竟是未来，那个时候数据分析师或许会是人工智能的设计者。

文源自：小邓种草

3、数据分析师和数据产品经理有什么区别？

相同点：都跟数据打交道，数据分析是两者必备的、基础的工作技能。不同点：（1）岗位不同。数据产品经理首先是产品经理，隶属于产品部门；数据分析师则隶属于分析部、BI 部门或者数据科学部门等。（2）职责不同。数据产品经理从事数据产品（企业数据平台、数据分析软件等）的设计；数据分析师从事数据分析（部分也有数据采集、数据清理、数据可视化、数据分析、数据报告等）工作，支持业务部门（市场、产品、运营、销售等等）的工作决策。

4、如何写好一款产品的运营数据分析报告？

作为运营，拿一次活动来说，一份比较完整的数据报告应该包括活动背景、活动回顾总结和未来活动计划（预期）。活动回顾总结是最多的部分，需要用数据图表来展示直观的活动数据，然后得出什么结论，好的吸取，不好的改进，每次报告就是这样不断优化进步的。比如，某次我们的活动数据总结是这样的：从PV/UV、页面访问、注册、订单成交额等情况去了解活动进行的情况，是否达到预期，是否完成KPI......图表方面，有指标卡、计量图（看完成进度）、折线图（看走势）、漏斗图（看转化情况）、柱状图（看数据对比情况）......平均值等辅助线可作为数据参考。若有兴趣：可以看下之前在知乎上的回答——用户名（小草莓）、标题（产品运营，如何做出一份优秀数据报表？），但我不知道能不能满足你的需求。

5、互联网产品经理和数据分析选哪个？为什么？

每个人选择 不一样

看自己能力 性格

我的话会选择数据分析

数据分析师 现在都是数据的时代

量级数据分析不是想象中那么简单

6、产品运营要用哪些数据分析方法？

在产品运营优化方面，数据分析是其核心，一般常用如下数据分析方法：

1 细分分析细分分析是分析的基础，单一维度下的指标数据的信息价值很低。细分方法可以分为两类，一类逐步分析，比如：来北京市的访客可分为朝阳，海淀等区;另一类是维度交叉，如：来自付费SEM的新访客。

2 对比分析对比分析主要是指将两个相互联系的指标数据进行比较，从数量上展示和说明研究对象的规模大小，水平高低，速度快慢等相对数值，通过相同维度下的指标对比，可以发现，找出业务在不同阶段的问题。常见的对比方法包括：时间对比，空间对比，标准对比。

3 漏斗分析转化漏斗分析是业务分析的基本模型，最常见的是把最终的转化设置为某种目的的实现，最典型的就是完成交易。但也可以是其他任何目的的实现，比如一次使用app的时间超过10分钟。漏斗帮助我们解决两方面的问题：在一个过程中是否发生泄漏，如果有泄漏，我们能在漏斗中看到，并且能够通过进一步的分析堵住这个泄漏点；在一个过程中是否出现了其他不应该出现的过程，造成转化主进程收到损害。4用户分析用户分析是互联网运营的核心，常用的分析方法包括：活跃分析，留存分析，用户分群，用户画像，用户细查等。用户画像基于自动标签系统将用户完整的画像描绘清晰，更有力的支撑运营决策。5 表单分析填写表单是每个平台与用户交互的必备环节，优秀的表单设计，对转化率的提升起到重要作用。用户从进入表单页面之时起，就产生了微漏斗，从进入总人数到最终完成并成功提交表单人数，这个过程之中，有多少人开始填写表单，填写表单时，遇到了什么困难导致无法完成表单，都影响最终的转化效果。以上是常见的数据分析方法，更多应用方法需要根据业务场景灵活应用。

7、产品经理需要自己做数据分析吗？

作为一名IT行业的从业者，同时大数据也是我的主要研究方向之一，所以我来回答一下这个问题。

首先，数据分析对于产品经理岗位来说是比较重要的，产品经理虽然不一定需要自己做数据分析，但是具备一定的数据分析能力会在一定程度上方便产品的设计。目前产品经理岗位也在逐渐向技术方向倾斜，产品经理比较常见的技术能力要求包括交互设计能力和数据分析能力。

产品经理是产品的第一责任人，通常负责产品的功能设计、用户定位、市场定位、行业定位、发展规划、生态设计等等，所以产品经理一方面需要具备较强的行业认知能力，另一方面也需要了解目前的技术边界以及技术发展趋势，同时产品经理需要具备较强的方案设计能力。交互设计是方案设计能力的一个基本要求，而数据分析则是进行产品设计、产品定位的重要参考。所以，产品经理通常对于数据分析比较敏感。

在当前的大数据时代，数据能够呈现的价值边界在逐渐拓展，因此数据分析的意义也在不断提升，数据分析对于产品设计具有越来越重要的参考价值。产品设计通常对于三方面数据比较敏感，其一是目标用户的使用习惯；其二是目标用户的市场规模成长情况；其三是目标用户的需求发展趋势。通过对这些数据的分析，往往更容易设计出符合用户心理预期的产品。

产品经理岗位对于数据分析的技术要求并不高，通常能够进行结构化数据分析就可以了，结构化数据分析比较常见的工具包括Excel、BI工具等，虽然通过工具进行数据分析在难度上并不高，但是数据分析需要具备一定的数学基础和统计学基础。

我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。

如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言！

8、怎样通过数据分析哪款电商产品热卖？

如果是个人采集数据的话不易实现，需要会编程爬取采集数据保存到数据库，再通过一些BI工具进行统计分析，最终生成相应的图表或排行榜供你参考得出最好的产品。

现在比较流行易学的是用Python来爬取各大电商网站的产品数据，而BI工具的话，国内比较多人用的是微软PowerBI和国产的帆软FindBI。

而实际未必需要你掌握这些专业技术才可以进行分析电商产品热卖的数据情况。

各大电商一般也有各自的产品实时销售统计分析数据平台，是免费公开浏览查看的，如「阿里指数」和「京东指数」。

通过指数平台可以清楚知道电商平台的大盘走势、属性细分以及排行统计等。

主要是可以根据你所选想看的商品分类概况，按年月显示分析走势图，以及相关的分类概况。

可以根据选择商品所属的一、二、三分类来分析各类商品的不同属性。

比如选择到了三级分类中的笔记本，那可以根据笔记本的屏幕尺寸、产品尺寸、品牌、硬盘容量、显存容量等基础热门属性进行分析，每种属性哪种规格的产品更热门、更受欢迎。

还有笔记本的热门营销属性，如新款、爆款、包邮、现货等。

当然价格段分布分析也是少不了的，同时提供数据解读，让你清楚知道哪个价格段的笔记本最好卖。

根据所选的三级分类，分别统计「热搜排行榜」、「产品排行榜」、「公司排行榜」、「企业官网排行榜」。

热搜排行榜：上升榜、热搜榜、转化率榜、新词榜；

产品排行榜：上升榜、热销榜、最新上榜；

公司排行榜：上升榜、热销榜、最新上榜；

企业官网排行榜：上升榜、热门榜、新秀榜。

以上举例为「阿里指数」平台，京东的就不展开说了，大同小异。这些平台数据分析比较全也比较专业，对你决策电商产品哪款热卖应该能起到重要参考作用。