數據分析中的產品思維
data analysis
●●●●
分享人：馬小驢
做數據分析離不開要和一些“產品”打交道，如BI報表平臺、埋點平臺來統計數據，做數據可視化等，更主要的是要讓你的數據分析結果有“價值”，能“落地”，那么必須有產品思維，即：用戶的痛點是什么（對應數據分析：業務方碰到什么問題）？設計什么樣的產品（請記住不是功能）來解決（對應數據分析：你給出什么樣的觀點或者方案）？怎么讓用戶接受這個產品（怎么讓你觀點或者方案落地執行）？
1、數據分析怎樣與“產品思維”結合（產品思維相關認識）
2、如何理解用戶
3、需求分析相關方法分享
4、產品發布和迭代升級等方面的經驗分享
（馬小驢個人公眾號）
為了更好的后面做好小飛象內部交流會，需要您幫忙做兩件事情：第一，您想想這次為什么想參加這一期的交流會，以及希望在交流會中希望收獲到什么？第二，在交流會結束后，請和我說一下您的收獲和感受。（可以在公眾號留言交流，小飛象內部交流會往期回顧）
在分享的過程中，建議全程認真聽，帶著思考來聽（去看），希望通過本次分享，來給大家做一次系統的數據分析可視化分享，來解答大家對于可視化的疑點，并給做數據分析的人員提供一些思路，有任何問題都可以隨時交流哦！
正式分享
—▼—
▼
本次分享的主題是【數據分析中的產品思維】，也就是介紹分享一些在數據工作中，可能有價值的產品的思維和技巧。而我目前經歷是在某國企做數據分析師的工作，不過，也許是國企的數字化轉型期間的特殊階段的原因，總之，其結果就是我這個數據分析師總感覺『不太純』，從工作范圍看，我好像既要做產品，又要做UI設計，既要做數據分析，還要做一部分基礎開發。
因此，在這種模式下，我通過各種野路子，摸索到了很多數據分析與產品相結合方面的經驗，部分也許在分析中有用的經驗技巧也可以在這里與大家分享。
那么，我們首先來了解一下什么是“產品思維”？
產品思維，在網上有太多概念，定義非常寬泛，但以我過往經驗，我認為的產品思維定義為：
產品思維是用產品化的方法和手段去解決問題的一種思維方式。
而了解了產品思維的定義后，那么，數據分析為什么需要產品思維？也是本次分享的核心思想。也希望大家能在數據工作中也能用產品的思維去思考。
▼
作為數據分析師，我們往往需要完成數據監測任務、寫SQL滿足業務方的取數需求，以及寫分析報告、做PPT等匯報材料等，這些日常工作占據了我們的大部分時間。但數據分析為什么需要產品思維？
1）我們做數據分析的產出本身就屬于產品。
產品是為用戶提供價值的載體。
它的關鍵是，用戶和價值。也就是說，對于服務于用戶，并且可以通過滿足需求來產生價值的東西，當然可以視為產品。
具體地，根據朝樂門老師的《數據科學理論與實踐》書中的介紹，數據產品（Data Product），是能夠通過數據來幫助用戶實現其某些目標的產品。形式上，包括數據集、文檔、知識庫、應用系統、硬件系統、服務、洞見、決策及其各種組合。
從層次上，可以包括：
1） 內容，以數據為載體的產品，比如數據庫、知識庫、語料庫等
2） 應用，數據密集型的應用系統，比如App、網站、桌面應用；
3） 服務，數據驅動型的服務，比如咨詢報告、解決方案、實施指南等；
4） 決策，以數據為中心的決策，比如戰略規劃、規章制度、洞見與行動等
那既然我們做出來的東西可以算是數據產品了，當然可以用產品的部分方式方法，去完成我們的數據分析工作，讓我們的工作發揮更大的價值。
2）運用產品思維可以更好地發揮工作的價值。
我們可能會遇到這樣的情況，比如業務方提出了取數需求之后，等到排期給他做完，回來了他們卻說拿到的不是需要的東西，你要是說，“怎么不是？你提的需求就是這樣的呀”，兩邊就鬧矛盾起來了。
或者，從業務那邊說缺少一列數據，拿到數據之前不知道缺少，拿到之后又來不及等下一次排期，結果業務開展就耽誤了。
再還有一種情況就是，分析出來的數據并不能在業務上起到作用，業務那邊根本不用，或者不認可這些結論，等等。
萬一，這種情況發生在我們給上司做的分析上，我們的報告并不是他想要的東西，那問題可能更嚴重，返工是免不了了，說不定還有更大的問題。
為什么呢？一個可能的原因就是，我們在數據分析工作中，采用的是『任務式』的思維方式，也就是『按要求完成手頭任務就行』的思維方式，兵來將擋水來土掩，見招拆招，你讓我干啥我就干啥。
3）運用產品思維有助于理解big picture（大局）
擁有一定的產品思維可以讓我們更好地定位我們的手頭工作，知道工作為什么而做，有助于更好地從大局視角去看待問題。也就是所謂的大橘為重。
如果你在工作中會與類似產品經理身份的人員打交道，也可以更好地了解他們的工作思路和思維框架。在個人成長方面，也更有價值。
—▼—
▼
其中，產品我們在前面已經提到了，產品是為用戶提供價值的載體。那么，我們要弄清楚的就是，用戶是誰？
▼
（1）用戶的概念
▼
（2）用戶畫像
認知用戶的基礎方法是用戶畫像。抽象用戶的共同特征。
用戶畫像需要大量的調研和分析，咱們這里簡單來說說可以粗略地認為，首先一個個獨立的用戶包括年齡、性別、住址、部門、登陸設備、技術背景等很多很多信息，以及一個或者多個需求。那么，我們首先基于需求，來看不同需求的用戶有什么相似之處，通過有監督學習相類似的方法形成分類，每一類有一些容易獲取的特征，通過這些特征就可以粗略估計用戶的需求，并提供對應的產品。這是產品分析用戶的一種思維框架。
這樣的分析，就比如我們的運檢專業師傅和營銷客戶經理等，都需要基于內網的地圖做查詢、統計、分析等，這些雖然從人員上各不相同，甚至部門都不一樣，但在地圖查詢方面卻有相似的需求，那么他們就可以作為一大類相同的用戶群。
相應地，我們如果做某些分析的時候，也會發現雖然用戶千差萬別，但可能需要的東西卻是相似的，這就存在做一個通用產品，來滿足共性需求的可能性。
▼
（3）用戶和客戶
不過有個注意點是，用戶不一定是客戶。比如家長給孩子買玩具。誰是客戶？誰是用戶？這就要看玩具給誰用，孩子玩玩具，家長只是買，并不玩，所以很明顯，家長是客戶，孩子是用戶。
（業務部門做的也不一定是老板想要的）他們需要的也不一定是解決業務問題需要的；如果你所在的崗位，數據和具體用戶之間存在『二傳手』，比如產品或者什么人，那就需要注意當前的服務對象是誰，滿足的是什么。這種情況雙方一般是協作的關系，但如果能友好交流的話……
這里還涉及一個博弈問題，是多做多次簡單的東西拿到獎金，還是做有價值的東西。比如我們之前有些階段是按照工單數量來計算業績，那樣的話，數據分析師這邊就完全不在乎返工次數，反正每次重新提交需求都是新的工單，還可以拿錢，有何不可，結果這樣搞下去，反而導致全流程的整體工作效率大幅下降。這些通常是組織模式上的問題，這個，就不在討論范圍內了。
—▼—
▼
產品的另一個關鍵詞是價值，價值是什么？能夠滿足需求的東西就有價值。所以我們要關注于要滿足什么需求。
“需求”這個詞我們熟啊！作為數據分析師我們經常與需求打交道，比如在數據這邊，做個什么分析結論，或者要為業務人員SQL取到A數據庫的B字段，或者要C系統的D數據等等。而數據團隊通常也是按照這個方式，排期，寫好SQL，數據導出或者掛到數據平臺上，給用戶使用。
需要增加對需求這個詞的解釋。 因為數據分析中的需求有可能含義不一樣。因為有需求，所以我們有行動。需求定位準確，可以讓我們的方向更加準確。
（1）需求，是什么！
所以，我們為了理解需求，首先要知道什么是目標，什么是現狀。但是，需求方，比如我們的業務人員，或者很多上司，在他們的需求表述中，不一定直接表達了這兩個重要因素。這種情況下，一旦沒有思考這次要做的事情，說不定就掉到坑里了。
舉個例子：一只帥氣的大猩猩，他說想要飛起來，讓你幫他。
這個如果作為任務去處理的話，我們或許就是做一個飛行器，一個竹蜻蜓，或者做了個火箭之類的，這樣猩猩就飛起來了。（消失在天際）
然后，可能就惹猩猩不高興，接著就挨揍了。為啥呢？這就涉及用戶提出需求的一個很常見的點：
他提出的不一定是需求，甚至往往是『他以為的』解決方案。而這個『他以為的解決方案』，既沒有表達出現狀，又沒有說清楚目標，這種時候我們盲目去完成『他以為的解決方案』的時候，往往并不能解決他的問題。
也就是說，回到剛才的案例中，如果我們去問一下這位猩猩先生，這位giegie，您為什么要飛呢？他可能說，啊，老夫要飛起來去那個樹上摘香蕉吃。這樣調查之后，我們知道，哦，原來目標是摘香蕉吃，而現狀不是不能飛，而是吃不到。也有可能他說，我想要飛起來顯得帥氣，這樣可以幫我追猩猩妹子。
這樣我們的解決方案就可以從做飛行器，調整為幫他解決吃香蕉的問題了（或者是變得帥氣，從而追妹子），不僅方法會變得多起來，而且成效也更容易保證。
再一個就是非常經典的案例：用戶說想要更快的馬，實際上他想要更快到達目的地，所以，可以提供更快的車來滿足他的需求。
這在需求分析中，叫做『Want』和『Need』。
（2）表面需求和深層需求
表層需求：短期的，半衰期短的，
深層需求：穩定的，長期的，根本的。
（3）真需求和偽需求
▼
那么，有沒有簡單的小技巧可以快速準確地分析出實際需求呢？當然有，從剛才的分析中其實已經體現出了這種分析的模式，也就是“多問幾個為什么”。
（1）面對面用戶訪談
在不把用戶搞煩的前提下，盡量多問一些為什么，來了解到背后的原因
從形式上來說，我們的溝通需要較多的來往，所以盡量不要用微信或者短信之類的工具，而是在面對面的情況下溝通，最差也要通過電話去溝通，這樣可以問得更加清楚。
?用戶故事
有一種好工具，叫做用戶故事，是一種描述需求的好辦法，一些業務分析師應該也會用到。把需求描述清楚了往往可以幫助我們精準定位需求，或者發現當前沒有很好地理解的需求。
什么叫用戶故事呢？
用戶故事、驗收標準；好用戶故事INVEST法則，如圖：
?對比分析
和現有解決方案比較法。
簡化版競品分析，這里的目的，不是為了超過競品或者吸引客戶之類的，而是核心目的是更好地了解需求，引導用戶去清晰地表達需求。
?（胡亂）猜測法：
你做XX（客觀行動），是因為你XXX嗎（猜測）？
一種問法。借鑒了非暴力溝通的表達方式。
（2）問卷調查
問卷調查適合于短時間大量收集信息。是面對面調查的有效補充方法。
—▼—
接下來是關于數據產品發布、迭代、升級方面的一些分享。
用戶價值 = 新體驗 – 舊體驗 – 替換成本，所以，我們的優化工作可以包括
（1） 優化新體驗
（2） 降低替換成本
▼
（1）爭取相關人員（專業方面）的支持。
還記不記得前文提到的『用戶』和『客戶』？如果你的產品得不到『客戶』的認可，說不定連觸達用戶的機會都沒有。
舉例說明，比如我們公司在運檢部的工作票分析產品，因為得到業務負責人的支持，推廣應用就很成功；而我們的移動端缺陷管理產品，雖然員工很需要，但是業務負責人不認可，這件事就沒有推廣起來。
所以，我們有必要快速精準地概述我們的產品，這里常用的方法是『電梯演講』。電梯演講這種架構可以讓我們快速說清楚正在做的產品或者項目。如下圖：
（2）渠道要簡單
簡化入口，優化體驗這個就涉及按照用戶的使用習慣去優化產品的表達形式了。圖片、圖表、交互，或者文字。
用戶切換產品有代價。除非一定要用我們的產品不可，否則用戶切換產品，就要考慮切換成本。對年紀大的用戶，找到產品在哪就影響很大。
簡單的渠道可以降低替換成本。
▼
（1）功能要合理
用戶體驗最重要的事情在于做出分層，區分哪些是可用性，哪些是易用性，哪些又是用戶的穩定性訴求。—— 劉飛《產品思維》
功能點，通過前文的用戶故事可以一層一層地梳理得到。包括功能優先級的梳理：HML方法（高中低）、MSCW方法、KANO方法等。
通過KANO模型，來分析并提供意料之外的驚喜。
（2）視覺要協調
一些視覺方面的技巧，如下：
①文字統一
②排版統一（包括圓角、對齊等）
③顏色協調
（3）重視反饋
讓用戶反饋得容易、反饋得及時、反饋得準確。
比如，在每個報表上面都加上超鏈接，一鍵提交反饋意見，或者像win10磁貼，右鍵即可快速反饋意見。相比之下很多安卓應用想要反饋，就比較困難。
比如，建立微信群，隨時溝通；
比如，標注計算標準，或者自動上傳日志等。
—▼—
1、數據分析中的產品思維
?產品思維是什么
產品思維，即用產品化的方法和手段去解決問題的一種思維方式
?數據為什么要有產品思維
（1）產出本身就是產品
（2）有助于發揮價值
（3）有助于理解大局
2、理解用戶
4、發布和迭代升級
用戶價值 = 新體驗 – 舊體驗 – 替換成本
?降低替換成本：
······
敬請期待下一期
本次分享到此結束，再次感謝大家的收聽，我們下期再會！
（本文由木兮整理，可能與演講時略有遺漏，但整體思路精華都在）
? ……
