数据分析中的“产品思维”
作者：马小驴
做数据分析离不开要和一些“产品”打交道，如BI报表平台、埋点平台来统计数据，做数据可视化等，更主要的是要让你的数据分析结果有“价值”，能“落地”，那么必须有产品思维，即：
用户的痛点是什么（对应数据分析：业务方碰到什么问题）？
设计什么样的产品（请记住不是功能）来解决（对应数据分析：你给出什么样的观点或者方案）？
怎么让用户接受这个产品（怎么让你观点或者方案落地执行）？
数据分析师马小驴将会为大家分享《数据分析中的“产品思维”》的相关内容，分为四部分：
1、数据分析怎样与“产品思维”结合（产品思维相关认识）
2、如何理解用户
3、需求分析相关方法分享
4、产品发布和迭代升级等方面的经验分享
做一个对世界充满好奇的人！在分享之前，我们可以先思考几个问题：
★你认为/了解过什么是产品思维？如何理解用户？
★你结合自身经历，是否在工作中也遇到过“如何做需求分析”么？
★你知道的视觉设计的注意点有哪些？你认为的产品思维如何与数据分析相结合么？
……
一、产品思维
本次分享的主题是【数据分析中的产品思维】，也就是介绍分享一些在数据工作中，可能有价值的产品的思维和技巧。而我目前经历是在某国企做数据分析师的工作，不过，也许是国企的数字化转型期间的特殊阶段的原因，总之，其结果就是我这个数据分析师总感觉『不太纯』，从工作范围看，我好像既要做产品，又要做UI设计，既要做数据分析，还要做一部分基础开发。
因此，在这种模式下，我通过各种野路子，摸索到了很多数据分析与产品相结合方面的经验，部分也许在分析中有用的经验技巧也可以在这里与大家分享。
那么，我们首先来了解一下什么是“产品思维”？
产品思维是什么
产品思维，在网上有太多概念，定义非常宽泛，但以我过往经验，我认为的产品思维定义为：
产品思维是用产品化的方法和手段去解决问题的一种思维方式。
而了解了产品思维的定义后，那么，数据分析为什么需要产品思维？也是本次分享的核心思想。也希望大家能在数据工作中也能用产品的思维去思考。
数据分析为什么要产品思维
作为数据分析师，我们往往需要完成数据监测任务、写SQL满足业务方的取数需求，以及写分析报告、做PPT等汇报材料等，这些日常工作占据了我们的大部分时间。但数据分析为什么需要产品思维？
1）我们做数据分析的产出本身就属于产品。
产品是为用户提供价值的载体。
它的关键是，用户和价值。也就是说，对于服务于用户，并且可以通过满足需求来产生价值的东西，当然可以视为产品。
具体地，数据产品（Data Product）是能够通过数据来帮助用户实现其某些目标的产品。形式上，包括数据集、文档、知识库、应用系统、硬件系统、服务、洞见、决策及其各种组合。
从层次上，可以包括：
1） 内容，以数据为载体的产品，比如数据库、知识库、语料库等
2） 应用，数据密集型的应用系统，比如App、网站、桌面应用；
3） 服务，数据驱动型的服务，比如咨询报告、解决方案、实施指南等；
4） 决策，以数据为中心的决策，比如战略规划、规章制度、洞见与行动等
那既然我们做出来的东西可以算是数据产品了，当然可以用产品的部分方式方法，去完成我们的数据分析工作，让我们的工作发挥更大的价值。
2）运用产品思维可以更好地发挥工作的价值。
我们可能会遇到这样的情况，比如业务方提出了取数需求之后，等到排期给他做完，回来了他们却说拿到的不是需要的东西，你要是说，“怎么不是？你提的需求就是这样的呀”，两边就闹矛盾起来了。
或者，从业务那边说缺少一列数据，拿到数据之前不知道缺少，拿到之后又来不及等下一次排期，结果业务开展就耽误了。
再还有一种情况就是，分析出来的数据并不能在业务上起到作用，业务那边根本不用，或者不认可这些结论，等等。
万一，这种情况发生在我们给上司做的分析上，我们的报告并不是他想要的东西，那问题可能更严重，返工是免不了了，说不定还有更大的问题。
为什么呢？一个可能的原因就是，我们在数据分析工作中，采用的是『任务式』的思维方式，也就是『按要求完成手头任务就行』的思维方式，兵来将挡水来土掩，见招拆招，你让我干啥我就干啥。
3）运用产品思维有助于理解big picture（大局）
拥有一定的产品思维可以让我们更好地定位我们的手头工作，知道工作为什么而做，有助于更好地从大局视角去看待问题。也就是所谓的大橘为重。
如果你在工作中会与类似产品经理身份的人员打交道，也可以更好地了解他们的工作思路和思维框架。在个人成长方面，也更有价值。
总之，数据分析为什么要有产品思维？
（1）数据分析结果产出本身就是产品
（2）有助于发挥价值
（3）有助于理解大局
二、理解用户
其中，产品我们在前面已经提到了，产品是为用户提供价值的载体。那么，我们要弄清楚的就是，用户是谁？
我们的用户是谁？来看一下案例!
赵大忽悠卖拐，把拐卖给了范厨师。这里，拐是产品，范厨师是用户。
那么，我们就来看看用户的概念？
我们服务的用户是谁？
（1）用户的概念
我们看俞军老师给出的用户定义：
“从产品经理的视角来看，用户不是自然人，而是需求的集合”。
我们的用户，也不是张三李四王总赵总这样的具体的人，而是各类的需求的集合。
即一个用户会有不止一个需求（用户与需求是一对多的关系），当某个产品完全满足某个用户某个场景下的某类需求时，才可以说此用户是该产品的一个用户，否则该产品就只能说：此用户属于我，但又不完全属于我。
用数据分析的方法来理解就是，我们的产品满足的是几大类用户的需求，而具体的人是这一类用户中的独立个体。
（2）用户画像
认知用户的基础方法是用户画像。抽象用户的共同特征。
用户画像需要大量的调研和分析，咱们这里简单来说说可以粗略地认为，首先一个个独立的用户包括年龄、性别、住址、部门、登陆设备、技术背景等很多很多信息，以及一个或者多个需求。那么，我们首先基于需求，来看不同需求的用户有什么相似之处，通过有监督学习相类似的方法形成分类，每一类有一些容易获取的特征，通过这些特征就可以粗略估计用户的需求，并提供对应的产品。这是产品分析用户的一种思维框架。
这样的分析，就比如我们的运检专业师傅和营销客户经理等，都需要基于内网的地图做查询、统计、分析等，这些虽然从人员上各不相同，甚至部门都不一样，但在地图查询方面却有相似的需求，那么他们就可以作为一大类相同的用户群。
相应地，我们如果做某些分析的时候，也会发现虽然用户千差万别，但可能需要的东西却是相似的，这就存在做一个通用产品，来满足共性需求的可能性。
（3）用户和客户
不过有个注意点是，用户不一定是客户。比如家长给孩子买玩具。谁是客户？谁是用户？这就要看玩具给谁用，孩子玩玩具，家长只是买，并不玩，所以很明显，家长是客户，孩子是用户。
用户：使用者
客户：付费者、购买者，是代理人和中间人，将产品与使用者关联起来。
同样的方法，我们分析网上经常能看到的 “怎样卖梳子给和尚”。
如果我们将梳子视为产品，那么将和尚定义为用户，就不容易完成推广。但是如果和尚只是客户，或者直接看做中间人的话，或许就能找到突破口了，这就是一种找到解决方案的思维框架，比如将梳子用作寺庙上香的回馈开光平安梳之类的。
明确了用户和客户的差异之后，我们就不难理解为什么很多时候公司采购的系统或者软件那么难用——因为做决定的人或许根本就不用……那么，如果放在我们的话题上，我们的数据需求，其『用户』不一定是『客户』。
所以，我们应该是，以用户为中心，还是以客户为中心？假设我们需要分析产品销售情况，那么这个点可能就是需要参考的点了。
（业务部门做的也不一定是老板想要的）他们需要的也不一定是解决业务问题需要的；如果你所在的岗位，数据和具体用户之间存在『二传手』，比如产品或者什么人，那就需要注意当前的服务对象是谁，满足的是什么。这种情况双方一般是协作的关系，但如果能友好交流的话……
这里还涉及一个博弈问题，是多做多次简单的东西拿到奖金，还是做有价值的东西。比如我们之前有些阶段是按照工单数量来计算业绩，那样的话，数据分析师这边就完全不在乎返工次数，反正每次重新提交需求都是新的工单，还可以拿钱，有何不可，结果这样搞下去，反而导致全流程的整体工作效率大幅下降。这些通常是组织模式上的问题，这个，就不在讨论范围内了。
三、分析需求
产品的另一个关键词是价值，价值是什么？能够满足需求的东西就有价值。所以我们要关注于要满足什么需求。
“需求”这个词我们熟啊！作为数据分析师我们经常与需求打交道，比如在数据这边，做个什么分析结论，或者要为业务人员SQL取到A数据库的B字段，或者要C系统的D数据等等。而数据团队通常也是按照这个方式，排期，写好SQL，数据导出或者挂到数据平台上，给用户使用。
需要增加对需求这个词的解释。 因为数据分析中的需求有可能含义不一样。因为有需求，所以我们有行动。需求定位准确，可以让我们的方向更加准确。
（1）需求，是什么？
需求的本质，对用户来说，目标和现状之间存在差距，想要消除这个差距，就会产生需求。
所以，我们为了理解需求，首先要知道什么是目标，什么是现状。但是，需求方，比如我们的业务人员，或者很多上司，在他们的需求表述中，不一定直接表达了这两个重要因素。这种情况下，一旦没有思考这次要做的事情，说不定就掉到坑里了。
举个例子：一只帅气的大猩猩，他说想要飞起来，让你帮他。
这个如果作为任务去处理的话，我们或许就是做一个飞行器，一个竹蜻蜓，或者做了个火箭之类的，这样猩猩就飞起来了。（消失在天际）
然后，可能就惹猩猩不高兴，接着就挨揍了。为啥呢？这就涉及用户提出需求的一个很常见的点：
他提出的不一定是需求，甚至往往是『他以为的』解决方案。而这个『他以为的解决方案』，既没有表达出现状，又没有说清楚目标，这种时候我们盲目去完成『他以为的解决方案』的时候，往往并不能解决他的问题。
也就是说，回到刚才的案例中，如果我们去问一下这位猩猩先生，这位giegie，您为什么要飞呢？他可能说，啊，老夫要飞起来去那个树上摘香蕉吃。这样调查之后，我们知道，哦，原来目标是摘香蕉吃，而现状不是不能飞，而是吃不到。也有可能他说，我想要飞起来显得帅气，这样可以帮我追猩猩妹子。
这样我们的解决方案就可以从做飞行器，调整为帮他解决吃香蕉的问题了（或者是变得帅气，从而追妹子），不仅方法会变得多起来，而且成效也更容易保证。
再一个就是非常经典的案例：用户说想要更快的马，实际上他想要更快到达目的地，所以，可以提供更快的车来满足他的需求。
这在需求分析中，叫做『Want』和『Need』。
这些看似简单的小问题其实在工作中经常遇到。比如前不久，我在和营销人员沟通的时候，他们就说给数据提出的取数需求，等到结果跑出来了，才发现少了一列，结果耽误事了。如果这种情况，数据团队真的去了解业务人员拿这些数据想要解决什么问题的话，说不定这个事情就可以避免。
（2）表面需求和深层需求
表层需求：短期的，半衰期短的，
深层需求：稳定的，长期的，根本的。
（3）真需求和伪需求
怎样分析需求？
那么，有没有简单的小技巧可以快速准确地分析出实际需求呢？当然有，从刚才的分析中其实已经体现出了这种分析的模式，也就是“多问几个为什么”。
（1）面对面用户访谈
在不把用户搞烦的前提下，尽量多问一些为什么，来了解到背后的原因
从形式上来说，我们的沟通需要较多的来往，所以尽量不要用微信或者短信之类的工具，而是在面对面的情况下沟通，最差也要通过电话去沟通，这样可以问得更加清楚。
▶用户故事
有一种好工具，叫做用户故事，是一种描述需求的好办法，一些业务分析师应该也会用到。把需求描述清楚了往往可以帮助我们精准定位需求，或者发现当前没有很好地理解的需求。
什么叫用户故事呢？
用户故事、验收标准；好用户故事INVEST法则，如图：
▶对比分析
和现有解决方案比较法。
简化版竞品分析，这里的目的，不是为了超过竞品或者吸引客户之类的，而是核心目的是更好地了解需求，引导用户去清晰地表达需求。
▶（胡乱）猜测法：
你做XX（客观行动），是因为你XXX吗（猜测）？
一种问法。借鉴了非暴力沟通的表达方式。
（2）问卷调查
问卷调查适合于短时间大量收集信息。是面对面调查的有效补充方法。
四、发布和迭代升级
接下来是关于数据产品发布、迭代、升级方面的一些分享。
用户价值 = 新体验 – 旧体验 – 替换成本，所以，我们的优化工作可以包括
（1） 优化新体验
（2） 降低替换成本
降低替换成本
（1）争取相关人员（专业方面）的支持。
还记不记得前文提到的『用户』和『客户』？如果你的产品得不到『客户』的认可，说不定连触达用户的机会都没有。
举例说明，比如我们公司在运检部的工作票分析产品，因为得到业务负责人的支持，推广应用就很成功；而我们的移动端缺陷管理产品，虽然员工很需要，但是业务负责人不认可，这件事就没有推广起来。
所以，我们有必要快速精准地概述我们的产品，这里常用的方法是『电梯演讲』。电梯演讲这种架构可以让我们快速说清楚正在做的产品或者项目。如下图：
（2）渠道要简单
简化入口，优化体验这个就涉及按照用户的使用习惯去优化产品的表达形式了。图片、图表、交互，或者文字。
用户切换产品有代价。除非一定要用我们的产品不可，否则用户切换产品，就要考虑切换成本。对年纪大的用户，找到产品在哪就影响很大。
简单的渠道可以降低替换成本。
优化使用体验
（1）功能要合理
用户体验最重要的事情在于做出分层，区分哪些是可用性，哪些是易用性，哪些又是用户的稳定性诉求。—— 刘飞《产品思维》
功能点，通过前文的用户故事可以一层一层地梳理得到。包括功能优先级的梳理：HML方法（高中低）、MSCW方法、KANO方法等。
通过KANO模型，来分析并提供意料之外的惊喜。
（2）视觉要协调
一些视觉方面的技巧，如下：
①文字统一
②排版统一（包括圆角、对齐等）
③颜色协调
（3）重视反馈
让用户反馈得容易、反馈得及时、反馈得准确。
比如，在每个报表上面都加上超链接，一键提交反馈意见，或者像win10磁贴，右键即可快速反馈意见。相比之下很多安卓应用想要反馈，就比较困难。
比如，建立微信群，随时沟通；
比如，标注计算标准，或者自动上传日志等。
总结
以上就是本次分享的全部内容！
1、数据分析中的产品思维
▶产品思维是什么
产品思维，即用产品化的方法和手段去解决问题的一种思维方式
▶数据为什么要有产品思维
（1）产出本身就是产品
（2）有助于发挥价值
（3）有助于理解大局
2、理解用户
▶我们的用户是谁
（1）用户的概念
（2）用户画像
▶用户和客户
（1）用户不一定是客户
（2）以用户还是客户为中心
3、如何分析需求
▶需求是什么
（1）需求的本质
（2）表面需求和深层需求
（3）真需求和伪需求
▶怎样分析需求
（1）面对面用户访谈
（2）问卷调查
4、发布和迭代升级
用户价值 = 新体验 – 旧体验 – 替换成本
▶降低替换成本：
（1）争取相关人员的支持
（2）渠道要简单化
▶优化使用体验
（1）功能要合理：kano等分析模型
（2）视觉要协调：字体简明、排版统一、颜色合理
（3）反馈要舒适：反馈得容易、及时、准确
总之，数据分析的核心并不在于数据本身，而在于设计有意义、有价值的数据指标，通过科学有效的手段去分析，进而发现问题优化迭代。并且，在数据分析的工作中我们应该利用产品思维来总结自己的痛点、核心指标体系、分析方法论等，然后提出相应的产品需求，发现问题，分析问题，解决问题，让自己有精力往更上层去思考。并在日常工作中，时刻需要考虑，这个可以标准化吗？可以产品化吗？需要整合到一起去吗？当然，不是一次分享能全部了解的，仅一家之言，供参考。
