原來，在他面試時，面試官都很喜歡問資料有關的問題，但這恰好是他的薄弱環節，只能尷尬地答非所問。

“原本以為這些是資料分析師的工作，沒想到已經成為了產品經理的必備技能”

“平常一直有學習資料分析，但沒想到大廠的要求還要更高”

相信很多產品經理也有此感，懂資料分析對崗位越來越重要了，很多大公司甚至在招聘要求上就會寫明需要具優秀的資料分析能力。

可以說，在未來，不懂資料的產品經理不是一個好的產品經理。但這又引發了一個問題：產品經理到底要有多懂資料分析呢？我認為以下四點是產品經理必須掌握的技能：

1、懂資料的來龍去脈

產品經理要懂資料，首要的就是要弄清楚資料的來龍去脈。重點需要弄清楚幾個問題：業務的指標庫有哪些，資料的來源有哪些，埋點資料有哪些，資料被分成了幾種型別，資料對應的口徑是什麼、資料的更新機制是怎樣的。

在一個組織裡，資料的產生、儲存、處理和應用基本如下圖：

2、懂資料指標庫

我們在做業務的分析時，如果指標不夠用或者資料參差不齊，會讓資料分析變得非常艱難，需要花費大量的時間去湊出想要的資料和做資料清洗，這就需要產品經理預先搭建好體系化的資料指標庫。在大公司，一般來說搭建資料指標庫會由專門的資料產品經理負責，但對於其他的產品經理，弄懂指標庫的規劃也是很有必要的。

拿京東的指標庫舉例，他們就圍繞著各項關鍵目標資料，分解成若干個子指標，再對子指標層層拆解，得出具體需要收集的指標。

對細分指標進行層層拆解（下圖是 獲客成本 指標的拆解）：

透過一份指標庫，我們能就能對自己負責的業務做到“心裡有數”，比如預測業務資料、明確重點監控哪些指標、出現問題能有序排查原因。

3、懂怎麼提資料需求

產品經理和資料分析師對接時，最常提的需求是前端埋點需求和報表開發需求。

埋點就是一種在客戶端將使用者資料記錄並上報到伺服器的資料採集方法，是資料獲取的重要來源，且獲取的資料通常比較乾淨、可信度高。

產品經理在提交埋點需求前，應按照使用者體驗流程逐個埋點，避免遺漏，如果等到業務要上線了，才發現資料不夠用、缺指標，這時再提需求就很麻煩了。此外，提交埋點需求時，要明確需求明細，如下表：

產品經理在提交報表開發需求前，要先確定上游資料是否支援，在提需求時要明確報表主題、資料獲取方式、資料型別、每一個欄位的定義等，一些不容易理解的地方還要做好註釋。

4、懂資料分析

懂資料很重要，懂怎麼用資料更重要。產品經理要熟練運用各種經典的分析模型，比如適用於轉化分析的金字塔模型，適用於使用者分析的AARRR模型，適用於對使用者需求分析和優先順序排序的KANO模型等等。

具體的分析流程可以參考下圖的萬能資料分析模板。

企業裡傳統的資料分析模式，是由業務方提需求給IT方完成。但這麼做其實有很大弊端，不說IT人員能不能完全明白我們所想要的結果（通常免不了來回修改），有時遇到需求高峰期，提一個小需求都要等上幾天。

對產品經理來說，我特別建議一些小的資料分析需求完全可以自己實現。隨著資料分析工具的崛起，資料分析現在不再是非技術人員遙不可及的技能了。很多人一致認為未來的企業各崗位中，資料分析會成為和Office一樣的基礎技能。

就拿很多大公司都在用的FineBI來說，得益於無需程式設計、僅需拖拽就能完成資料處理和分析的設計，這款工具極大地降低了資料分析的學習門檻。

IT部門只需要做好資料準備，技術小白和業務人員就能透過 FineBI 輕鬆進行自助式分析，還能根據自己的需要進行實時調整，這樣新的配合模式更靈活有效，省去了和資料分析人員反覆溝通的時間

掌握這樣的分析工具，應該是未來每一個產品經理的必修課。

這就好比，在過去剪影片只是少部分專業人士的事，創作者需要和剪輯師反覆溝通才能成片，而現在影片剪輯軟體已經朝著普惠化的方向發展，每一個普通人都有透過影片表達自己的機會。

在各行各業都強調精細化運營、大資料的今天，資料分析已經成為了產品經理的必備技能，今天我分析了產品經理至少要掌握的4項與資料分析有關的技能，希望能和大家一起進步！

工具分享

最後，分享一下分析工具， 回個“資料分析”就能全部拿得！