数据分析流程（学习）

产品经理学习流程

我在进行无引导初学情况下，我先以自己的认知（我认为数据分析是一项“技能”，加分项）去进行学习，在第一次的梳理中，我认为学习各类函数、分析法、图表切分法是最重要的学习切入点，但是在短时间内，统计学，高等数学为零基础的我无法迅速理解很多知识，于是我开始改变学习方式，首先将学习思路缕清，我的职业是产品经理，我的目的是在需求分析中以数据为引导，帮助自己做出有依据、有预测的理智判断，所以选择学习数据分析，但是在数据分析中，产品经理更需要在业务层进行深入研究，而不是将展示作为重点学习。

而我现在的认知，数据分析更大的作用就是找问题并解决问题，它能使得产品经理在工作中形成闭环，所以对于产品经理而言，学习数据分析的时候，重心点要放在分析指标，为需求做好埋点，根据指标数据去分析用户行为，优化产品细节，提升产品转化。展示可以学BI，快速上手及出图。

        将此思路以条件满足方式去展示或许更能浅显易懂

for(int 业务目的 = 0；i<2;业务目的++1){
if(业务目的==0){
    print("根据获取数据中的问题，解决涉及本次目标数据中的业务目标，例如转化率或下单量")
}else{//若本次数据分析没有业务目的
    print("将数据做出分类，将字列中的数据使用对比法找出问题，进入循环")
   }
}

但是在知乎中，可以经常看见有前辈去说到，数据分析师的工作流程，若是我们所处环境中，未能遇见一位数据分析师，那么数据分析这份工作便落到了我们自己的头上（其实就是没这号人或者他们没空，而我们赶时间，只能自己干的情况下）.....................emmmm那我们得好好说说这个情况

 咱就说看看数据分析师的工作流程巴！

数据分析流程

1、清晰目标（与需求方进行多维度分析，才能保证数据来源完整）

咱们在进行数据分析之前，一定是收到了需求发来的信号，可能是从秃头leader那，也可能是从板板（boss）那儿，需求来源方向有很多，同样优化方向也不一样，这个时候咱们肯定要分蛋糕了，实际情况中，产品经理对优先级的划分向来都是以危险感（轻重缓急）来决定先干哪个需求，但是阿so认为吧，干需求就像是打鸟，怎样才能一石二鸟呢，解决哪一个问题才能解决关联的问题呢？毕竟急也没用，所以在决定需求之前，要先和各部门好好聊聊，他要解决什么问题，我们不妨和他一起想想办法，所以干需求是为了解决商业问题，而非纯粹干需求哦。

2、获取数据（在本地或外地平台中获取直接或间接数据）

决定好需求以后，便是解决数据的问题，咱们要解决问题，必然要看问题出在哪一块儿，这就好比帮派问题，是内讧还是外债，无论是外债还是内讧，咱得把竞品中，产品中可获得的信息尽量给它收回来，在重点竞争业务中分析我方数据转化率与成交率的成败原因，从而扭转局面，所以数据来源一定要保证在对业务有充足的了解与分析的前提下完成，否则数据源头的问题将会影响后续判断，导致结果虚无。

3、数据处理（对获取数据进行检测、审核，预防风险数据）

数据处理也可以称为数据清洗环节，清洗对象大多为外来数据，由于某些不可避免的原因，数据来源中会掺杂着乱乱的数据，也就是脏数据，若是不对数据进行严格审核，将会影响到数据结果，也会导致最后的判断失误，所以在数据分析过程中也可以看出一个人是否具备专业性、严谨性，严密性，于我们刚入职场的人中这也是非常需要注意的哦！

4、数据分析（对清洗后的数据进行多维度、深度分析，解决业务问题）

将数据整理好后，结果也将浮出水面，我们该如何才能解决问题，就需要大家一起去看问题的源头，虽说达成目标只需满足条件，但是满足条件的过程中，总会出现一些不可避免的失误，比如提升下载率却不扎根用户粘性及登录率虽有提高，环比率却下降，要将各类数据的不同时期不同对象去进行对比。

5、数据可视化（将复杂，繁重的数据以图表形式简化，高效沟通与展示）

与各部门人员沟通时，尽量做到简洁明了，高效直白，防止出现曲本意、繁重复杂等问题，也很好的节省了许多不必要环节，数据可视化也能展现出一位产品经理的沟通能力，数据分析师的专业能力。

6、上线实施（需求优化后进行指标埋点，需要对前后数据进行同比，更好的检测是否优化有效）

在需求上线前，我们需要将指标重新分析，做好精准分析，新老指标缺一不可，需要验证业务之间的关联性，方便后续优化

结尾

 数据分析流程分享结束了，总结过后，阿so还需在需求方法论、竞品分析、数据分析中不断成长，数据分析后续便是学习分析法噢。阿so在产品岗位中也刚上路，有幸与各位分享学习心得，多多指教！

---