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）？

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

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。

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）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。

“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。

（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。

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。

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。