作为数据产品，需要掌握的能力非常之多，产品的场频能力，比如画产品原型、写需求文档、体验报告、竞品文档等。还需要懂基本的数据分析方法和对应的数据分析模型，除此之外还要懂SQL、Excel、数据埋点等。而进阶型的数据产品经理还需要懂得相关的大数据技术、数据挖掘、Python、R的相关的数据编程能力、A/Btest和项目管理能力。本篇文章分享个人在数据产品课程中的一些学习总结。随着项目经验的丰富，会不断完善自身对数据产品的理解，并丰富文章的内容
一、产品的作战地图
1、懂用户
①用户需求是什么，核心要解决的三个问题
2、懂市场
①市场规模：行业研究
②竞争战略选择：差异化、成本领先还是聚焦
③竞争者：竞争格局、市场占有率
3、懂产品
①资源整合：需要什么
②功能框架：提供的功能或服务
③增长模式选择：4大增长模式、留存手段、激活手段
4、懂商业
①成本：人力成本、研发成本、渠道费用
②商业化：LTV、ROI、回收周期
延伸而出的数据产品需要具备的能力：
数据能力：指标体系建立、描述性分析、回归分析、神经网络
商业思维：增长、激活、留存、商业化、变现
中台能力：业务中台、数据中台
社交能力：识人、资源整合
二、增长框架
1、获客
①资源型增长：冷启动的最好方式
举例：使用推荐模型，对应分析推荐后的效果，分析前后七天的情况
②平台型增长：站在巨头的肩膀上，借助平台进行引流
③裂变型增长：以用户为渠道，不断花钱在用户上拓宽用户边界，实现用户裂变
裂变公式：病毒系数=回流率/分享率 系数>1，才能持续增长
裂变带来的新增 = DAU x 分享率 x 回流率
④投放型增长：规模化增长，不断花资源在渠道市场上买量，分析ROI
2、激活与留存
用户激活： 定义关键行为-设计新用户引导-AB测试
数据筛选的前提是做数据标签：
用户分层，实现精细化运营、提高留存
3、商业化
收益分析和变现分析，以广告为例，分析流量、设计广告形式、提高点击率
三、数据中台建设
----数据指标体系----
1、指标体系
就是把数据指标系统化的组织起来
-----指标是量化的数值，指标包括用DAU、时长、点击率、渗透率、留存率、成功率等，用于评价业务的好坏
-----体系就是通过不同维度梳理指标的过程，梳理的过程也是业务本质思考的过程
2、如何构建指标体系
A、设目标：日常监控、异常监控、预测趋势、精细化运营
B、建模型：AARRR、PULSE、HEART、GASM、三级指标
-----PULSE：衡量用户体验，度量产品的整体表现-----
-----HEART：衡量用户体验，度量产品的整体表现-----
-----GASM：目标为结果，通过对目标的设定来倒推过程，精准设定指标体系-----
C、选指标：定义Y，找X
D、采集数据：5维分析法，Who、When、Where、How、What
E、呈现：事件分析、留存分析、分布分析、用户路径、用户分群
-------举例：用户来使用知乎这个产品，目标是什么？
①知乎分内容生成者和内容消费者，针对两种人群策略又不一样。比如针对于内容生产者，可以区分为头部生产者、腰部生产者和尾部生产者。
②头部生产者看重的是变现效率、IP荣誉等；腰部生产者更多的需求是获得荣誉，获得赞等需求；尾部生产者更多的是为了实现表达欲，可以更多的匹配更多的表达者
③针对这不同的用户需求，去划分不同的指标体系，构建策略
3、埋点
①埋点方法论：埋点是做的用户行为的记录，行为可以分为 WHO、WHEN、WHAT、WHERE、HOW5大类
4、数据呈现
呈现维度：实时反馈运营效果、渠道列表、事件分析、漏斗分析、留存分析、占比分析、路径分析、标签后台、异常分析
----数据采集与分析----
1、数据源
渠道划分：日志、业务系统数据库、爬虫数据、第三方数据、智能硬件
时间维度：一手数据（调研、观察、实验）和二手数据（数据库数据、埋点数据）
2、AHP层次分析法
目标层-评估准则层（一般不超过7个）-可量化的自评估层
结合RFM模型进行用户分层和权重确定，划分出更为合理的用户群落
----数据仓库----
构建步骤：
①数据获取和上传
②数据长传只分析数据库
③结果下载至文件服务器
④同步至业务数据库
⑤获得业务数据库
⑥数据可视化：实时推荐、存量推荐等
数据仓库的产品结构：
ODS层-DW数据仓库层-MD数据集市层-应用层
ETL工具：infornamtica、Beeload、kettle
1、数据仓库的步骤方法
①了解维度表和事实表：
业务分析：用户购买产品、订单、产品评论、产品访问的维度、购物篮、产品关注、销售利润、物流货运、库存、客户点击等等②具体维度分析（构建对应的数据仓库表）：
1、用户购买分析
— 购物的通常日期？
— 时间段？
— 什么产品销售最好？
— 哪类产品销量大？销售额大？
— 什么客户倾向购买什么类型产品？
— 供应商销售量靠前的产品
— 对语言系统、语言与产品的销售关系
2、订单分析
— 年、季度、月的订单成交量是什么情况？
— 意向订单？
— 订单支付方式的分布
— 订单配送方式
3、产品评论分析
— 客户对那些产品的回复比较多
— 那些好评
— 那些差评
— 供应商好评
4、产品访问分析
— 那些类别的产品访问的次数、访问的时间、平均访问时间
— 访问转化率
— 集中时间段（ECS）
5、购物篮分析
— 哪些产品客户的购买意愿最强
— 客户付款比例情况
6、产品评价分析
— 哪些产品的评价次数、评价时间
— 哪些供应商的产品被评价最多
7、销售利润分析
— 哪些地区利润最多
— 销售利润的月份收入情况
— 哪类产品的销售利润情况
8、客户货运分析
— 物流成本
— 物流配送方式
9、库存分析
— 不同时期的产品库存分布
— 库存充裕程度
10、页面点击分析③数据仓库缩小为数据集市
每一个行是一个主题，每一个列是一个维度表
----推荐系统----
评估推荐系统：
1、预测的准确度
2、用户的满意度
3、覆盖率