数据模型落地产品需求｜数据产品经理的门槛，真的有那么高？

                                                关于产品数据的获取，从大厂到小厂，数据的意识比数据的获取更为重要。如果说数据的获取是执行，那么数据的意识便是驱动力。除开数据的意识，经过不同公司，每家公司的数据获取都大同小异，但各有千秋。

近期在负责公司的产品模块迭代，在评审会议中与开发们PK自己的需求同时，也在纠结如何更快地证明需求的可靠性？如何将产品设计的立脚点站稳？如何给予评审会议中的同事、leader一个不是拍脑袋的方案？
由此，合理的数据分析显得尤为重要。那么，如何去得到数据？如何将数据的分析结论应用于评审与需求设立中？相信不少朋友会有这样迷惑的场景，数据在产品经理的心中门槛有时候变得很高，因为产品经理没办法拿到数据；有时候又很低，因为数据拿到了，但是却无法用来证明自己的需求设立点。
一、常见数据的获取
每一个产品都会有一款自己的管理端，这是产品完整的一个基础。基于管理端管理者可以把控前端的内容、功能、甚至是逻辑。
关于产品数据的获取，从大厂到小厂，数据的意识比数据的获取更为重要。如果说数据的获取是执行，那么数据的意识便是驱动力。除开数据的意识，经过不同公司，每家公司的数据获取都大同小异，但各有千秋。
[ol]

使用第三方数据平台

自己搭建数据平台

没有数据平台，用EXCEL等工具统计

没有数据统计
[/ol]
以上这四种情况，基本覆盖了目前各个产品经理所处的现状，因此在不同的产品背景下，每个产品经理的数据分析能力也各有差别。
1. 第三方数据平台
最为常见的是第三方数据平台使用，这也是中小型企业所最佳选择。
我截取了现阶段国内数据平台的排名，如下图：

【国内数据分析平台】
现在数据埋点的技术也和之前有大不相同，前段时间参加了 关于GROWING IO的数据分享，其推出的无埋点技术也是数据分析的一个亮点，产品经理或数据分析人员只需要创建相应的统计事件即可。

【事件定义列表】
获取的数据，我们可以通过数据平台的数据导出在EXCEL上进行分析，当然目前数据平台以友盟、TALKINGDATA等数据分享平台自己平台也有现成的漏斗分享模型，数据的导出其实就是为了满足更多的数据分析需求。
有数据平台的产品团队，其数据的获取就变得很容易了。
以下是我罗列出在UGC模块中会存在的简单数据获取字段：

【数据获取模版】
当产品经理定义好需要埋点的字段或事件甚至是页面，那么接下来就是交验数据的正确性以及数据的真假验证。
2. 自家搭建数据平台
相对于采用第三方数据平台的企业，其自家搭建的数据平台明显是侧重于数据的保护和更丰富的数据需求，但值得 一点需要注意的是，并不是自己搭建了数据平台其数据有效分析性一定是强于第三方的，数据分析平台最重要的功能我认为其是数据采集、辅助数据分析的平台，只有产品实战中获得数据分享的方法论和数据模型，才是数据的真正意义。
自家搭建数据平台的产品或企业，其理由有千万种，但在常规情况下，国内常见的类似BAT等企业，其自家的数据平台是为了满足自己复杂的数据需求、保护自己的数据安全。
但除开BAT一线互联网公司，其中小型企业也有不少数自家建立数据平台，毫无疑问自家建立数据平台，是数据意识最强的产品企业，数据驱动增长，找出产品的正确迭代方向。
自家的数据搭建，首先需要PM进行数据的梳理，除开以上使用第三方数据平台需要建立数据的需要字段、事件，还需要考虑数据平台的完整性。

【数据平台的搭建】
自家搭建数据平台，尤其需要注重的是公司内部数据的采集完整，能否满足后期数据的扩展。常见问题就是：1.0版本到2.0版本，2.0因为增加了新的功能，以前的数据平台要想能够采集，就得再次开发。当然最重要的是再次开发需要大量修改，对模块框架或数据采集逻辑进行修改等常见问题，是产品经理在搭建数据平台考虑的，这也就是途中的数据扩展性。
3. 没有数据平台，用EXCEL获取
咋在目前从事产品快3年的路上，作为产品经理对于数据的追求和执着，打动我的是在产品工作中，一次工作会议上，我的领导亲口倾述的一个同事的故事。
在公司没有数据平台的时候，如何去获取数据？如何得到数据？当时的产品负责人或产品经理，通过将用户产生的信息打印出来，一张纸、一张纸的打印，最终人工数出来，并加以计算。
人工计算？用纸数?换成今天来看，这是多么不可思议的事情，多么浪费时间的事情。但这确确实实反映了作为产品经理，其获取数据的执行的力不应该简单建立在公司是否有数据平台、公司是否买了数据第三方平台等。
毫无疑问，在这种状态下成长的产品经理，虽然其数据收集的成本或数据分析成本会比刚刚前面说的2种情况下困难许多。
其门槛无非需要麻烦开发通过数据库直接将现有的数据进行调出，产品经理用EXCEL进行分析，简历相应的模型

【EXCEL分析模型】
上面我举例了一个分析模型，其随着数据的分析方向和数据采集的样本数量多样，其分析的方法和模型也会越来越复杂。
4. 没有数据统计
没有数据统计并不是说一点都不看数据，而是没有将数据进行一定规律的算法、分析；这里我举个例子，以科技美学的社区为例

【科技美学社区】
社区所产生的FEED流，产品人员只是通过简单的数目筛选，没有规律的查看近期相应的FEED流，或者只是在社区中满无目的的浏览社区数据。
这就是没有数据统计的典型样本，其产品经理获取数据的方式只是拼着第一认知或当前的人工辨别去查看相应的数据，这一点毫无疑问也是目前数据与产品经理的常态之一。
二、我分析数据时，常用的4种方法
既然上面说了4点关于数据的获取情况，还是那个前提这里我们抛开公司的数据意识，仅仅只说PM自己与数据的相关联系。
那么对于我来说，我是如何通过数据去落地产品设计？这里首先我的整个需求落地流程如下：

【数据分析流程】
1. 需求确定数据获取
需求的确定后，通常对于需求的收集与处理确定当前版本或当地周期会做的需求，寻找相应改动或迭代的模块或功能需要的数据会存在那里？数据平台如果有多个要区分，那PM需要提前区分相应的数据会在那一个数据平台，在那一个统计模块？统计模块的报表中所涉及的数据，需要那些字段。
如：UGC社区FEED流算法需求，我需要统计点赞、评论、动态数、用户每天发动态的人数、评论数、举报动态数，我需要统计以上数据来决定是否采用那种算法？至于FEED流算法，上周我的分享《UGC与算法｜2017行业产品FEED流产品设计，我如何落地UGC信息流？》在这里可以进行学习。
2. 数据平台
从想用的数据平台寻找刚刚确定的数据需求，并且查看当前数据是否有更多可用的？自己在需求整理的时候，数据是不是少了一些纬度的可能？这里我给予几个网上找的数据平台数据采集截图

【数据采集字段】
不管是第三方数据平台还是自家开发的数据平台，其数据采集的细度随着当时采集的需求不同，其细度也不同。因此从数据平台中除了查看自己需要的数据外，还需要看下是否有一些其他数据的统计，不同数据之间的关联。
如：

订单数据与访问量数据

FEED动态梳理与用户性别数据

关注一些垮纬度的数据，有助于产品经理能够了解一些细致的需求。比如类似UGC访问量与性别有关系？举报用户大多在B模块中使用类似功能比较多。
3. 多个数据分析模型——以及我使用的数据分析模型
其实数据分析模型网上有一大堆理论，但每个产品经理其自己愿意关注的数据、收集的数据整理之后无非都会形成一套自己的模型理论，谁的理论更有效是核心保障点，但初学者需要不断调整自己的数据模型，针对相应的模块建立相应的模型，最终提高有效的产品迭代方案。

【其中的一个社区FEED迭代案例】
这里还是以UGC FEED流方向来为大家分享我的分析模型，选择我曾经从事过的一个迭代案例来说明下我使用的模型所建的模型，以下是A用户女性与B用户男性在社区中的发帖数随时间15天。

【社区中用户的发帖数统计】
[ol]

从数据中我们可以看到，其FEED流在周末几乎没有生成，在工作日中，其用户活跃度A用户的是B用户的8-10倍左右，很明显B用户是少数用户；

用户的获取与留存需要单独从数据平台进行拉取，和上图类类似，拉去A用户的新增数据、B用户的新增数据、A用户的留存数据、B用户的留存数据，这里就涉及到新增、留存；

从数据平台中拉去用户A在产品中的消费数据、用户B在产品中的消费数据，这里是消费数据（ARPU），和1类似；

从数据平台中拉去用户A分享的次数数据以及分享的渠道（微信、微博、QQ）每一个渠道的具体数目，用户B的分享次数数据和分享渠道数据，和1类似。
[/ol]
以上的数据指标为：活跃度、新增、留存、分享、收益，按照目前网上的理论说明为：AARRR模型（海盗指标）
按照运营的分发为：业务盈利数据，和用户TRACKING数据。
4. 通过数据结果落地需求
首先需要说明的是，需要以多个数据分析指标来考虑需求的落地，这里我只简单说明以用户的活跃情况来确定需求落地的方案

其一：通过以上的数据分析，我们发现周末的用户发帖数低，因此需要考虑增加一些推送或周末内容，提供用户发帖的驱动力。A用户比B用户活跃度高，考虑B是男性，以及该模块为社区模块，以内容来沉淀、拉新用户，因此需要增加男性用户的内容，并且增加一些中性内容，以提高B用户的活跃度。

其二：根据用户的发帖数，我们可以看到整个社区的发帖数目目前A用户是B用户的10倍，因此产品定位从之前的中性定位会逐渐倾向于偏侧A用户，增加与A用户相关的常用功能。当然，其二需要多方纬度考虑评量，我这里只是作为一个简单需求落地点

最后
不得不承认，在如今互联网以流量、用户为首的产品理念正在整个传统企业以及互联网企业形成一种趋势。
每一个产品都有自己的独特点和产品定位，产品经理不仅仅是需要将产品的原型、文档写好，我认为其对于数据的敏感应该来自于日常的训练或学习。
当你正处于一个没有数据环境的TEAM，或产品项目中，我认为最简单的就是去使用一些数据分享工具，QQ群、微信公众号都会有这样的数据分析工具。虽然可能其涵盖的指标不多，但是足够养成数据习惯，让你去总结自己的数据模型。
在日常评审中，采用数据的分析后，可以更合理的去落地相应的需求案例，不会以拍脑袋来决定，因为“XX竞品都是这么做的”来说服开发或LEADER。
当然这里最后说的是，PM也应该通过数据来给予自己设定KPI，虽然一提KPI每个运营人员都是头大。但不得不承认，一个产品是否好？或者是否在你的手里经过好的迭代？数据是最有利的说话方式。
当前模块的留存、MAU是设密码情况，新版本的又是什么情况？是产品经理典型的一种KPI。
我认为，或许KPI就是检验一个PM的成功与否。