我的部分工作是数据操作，通常被理解为只是做一些数字研究和做一些原因分析。其实这只是数据操作工作的一小部分。数据最终服务于产品。数据操作，专注在操作中，数据是一个工具。

数据操作有什么作用？

个人理解是：制定产品目标，创建数据上报渠道和规则流程，观察产品数据，做数据预警，分析数据变化，根据分析结果优化产品和运营，预测未来数据趋势，提供依据产品决策，并将数据应用整合到产品规划和运营中。

通俗的讲就是搞清楚以下五个问题：

1.我们要做什么？——目标数据制定；

2.现状如何？——行业分析，产品数据报表输出；

3.数据变化原因？——数据预警，分析数据变化原因；

4.未来会发生什么？——数据预测；

5.我们应该怎么做？——决策和数据的产品应用；

下图是我目前在数据操作中实现的工作流程，供大家参考：

第 1 步，制定产品目标。

这是数据操作的起点，也是产品上线后评价的标准，从而形成闭环。设定目标绝非空穴来风。可根据行业发展、竞品分析、往年产品发展趋势、产品转型规律等进行计算。产品目标的执行情况通常是一个关键指标。例如，2013年12月，某产品日均登录用户数达到100万。目标设定常以SMART原则衡量，此处不再赘述。

第 2 步，定义产品数据指标。

产品数据指标是反映产品健康发展的具体数字，数据指标是衡量产品健康发展的各种数据。例如：

PV、UV、VV、YV

ARPU（每用户平均收入）

流失率

PCU

日活跃用户、月活跃用户、日活跃用户/月活跃用户

报名活动

退出事件

K 因子

终生网络价值

重新参与

留存

我们根据产品目标选择数据指标，比如网页产品，经常使用PV、UV、崩溃率、人均PV、停留时间等数据来衡量产品。定义产品指标体系需要产品和开发团队达成共识。数据指标的定义清晰且有据可查，不会造成对数据解释的理解差异。

第三步，构建产品数据指标体系。

在数据指标的基础上，我们根据产品逻辑对指标进行汇总整理，使其井井有条。例如，对于一般的客户端产品，我们可以将数据指标分为账户体系、关系链、用户状态、用户沟通四个方面。

第四步，提出产品数据要求。

产品指标体系的建立不是一蹴而就的。产品经理根据产品开发的不同阶段，重点提出数据需求。一般企业都会有产品需求文档模板，方便产品和数据报表开发，数据平台等部门与同事沟通，进行数据建设。对于创业型的中小型企业来说，向报告提交产品数据需求可能是1-2人的事情，但也建议做好数据文档的建设，比如定义数据指标、数据计算逻辑等

第 5 步，报告数据。

这一步的关键是数据通道的构建。本来我在腾讯工作的时候，并没有意识到这个环节的难点，因为数据平台部门已经搭建了完整的数据通道，开发可以按照一定的规则进行汇报。现在，创业公司开始从汇报渠道建设，这也给了我更多锻炼和提升的机会。其中一个关键环节是数据上报测试，曾经因为这个环节的测试资源不到位而造成不必要的麻烦。

步骤 6 到 8，收集数据、存储数据和计算数据。

每一步都是一门学科。比如数据采集涉及到创建接口，考虑数据字段的可扩展性，数据采集过程中的ETL数据清洗过程，以及客户端数据上报的正确性验证等；计算，在大数据时代，是一项非常具有挑战性的技术活动，这里不再赘述。

第 9 步，获取数据。

这是产品经理和数据分析师从数据系统中获取数据的过程。常用的方法是数据报告和数据提取。报告的格式一般在数据需求阶段就明确了，特别是有积累的公司，通常有报告模板，根据模板填写指标即可。借助更强大的数据平台，您可以根据分析需要，通过自选字段（表头）来配置和生成自助报表。数据抽取是产品运营中很常见的需求，比如抽取某批销量较好的产品及其相关领域，抽取某批指定条件的用户。同样，一个功能比较完善的数据平台，也会有一个数据自提取系统。如果不能满足自助服务需求，则需要数据开发和脚本进行数据提取。

第 10 步，观察和分析数据。

这里主要是对数据变化的监控和统计分析。通常，我们会在日报表中自动输出数据，识别变化数据。数据的可视化输出非常重要。常用的软件是EXCEL和SPSS，可以说是数据分析的基本功。后面会在实际工作中分享个人使用这两款软件的方法和技巧。需要注意的是，在进行数据分析之前，先验证数据的准确性，以确定数据是否是你想要的，例如从数据定义到报表逻辑，是否严格按照需求文档进行，数据上报渠道是否不存在。存在数据包丢失的可能性。建议对原始数据进行提取和分析，以确定数据的准确性。数据解释在这个环节中非常重要。同样的数据，由于产品熟悉度和分析经验的不同，解读结果也有很大差异。因此，产品分析师必须对产品和用户有很好的了解。

第 11 步，产品评估和运营优化。

这是数据操作闭环的终点，也是新的起点。数据报告不是用来装饰的，也不是用来回答领导提问的，而是实际服务于产品优化和运营的发展，就像产品人员的表现一样，不仅仅是看产品项目是否完成并发布时间，还要不断观察和分析产品数据，评估产品健康度，并将积累的数据应用到产品设计和运营中，比如亚马逊的个性化推荐产品，比如腾讯的圈子产品，比如淘宝的时光机产品等。

BI 大数据：关于观远数据软件

观远数据软件致力于构建产品销售、产品集成、产品应用的生态系统，与上下游厂商、专业实施伙伴、销售渠道伙伴共同服务终端用户，通过< @观远BI应用商店（BI+行业应用）为客户提供场景化、行业化的数据分析应用。经过十余年的发展，<@观远BI已获得金融、电信、政府、制造等行业2000多家领先客户的认可。 《财富》世界 500 强的 10 家国内银行中，有 8 家选择了 <@观远BI。产品广泛应用于领导座舱、KPI监控板、财务分析、销售分析、市场分析、生产分析、供应链分析、风险分析、质量分析、客户细分、精准营销等管理领域。