怎麼看待「互聯網產品經理做數據分析,但沒有統計學、數學等專業背景」? | 知乎問答精選

 

A-A+

怎麼看待「互聯網產品經理做數據分析,但沒有統計學、數學等專業背景」?

2017年08月03日 知乎問答精選 暫無評論 閱讀 40 ℃ 次

產品經理很少是統計、數學等專業出身,面對繁雜的數據分析時,如何科學的分析數據呢?

而統計、數學等專業背景的人來擔當產品經理,有何優勢和劣勢?

有的大公司有專業的數據分析挖掘人員,那產品經理如何和他們搭配合作?有的創業公司,沒有專人充當數據分析,產品經理如何處理好數據、用戶、產品等一系列工作呢?

感覺產品經理需要有:統計學、心理學、設計、程序開發、市場營銷等各種專業知識,但如果只是其中一項精通,其他幾項業餘水平,這樣能勝任產品一職嗎?

【張亮-Leo♂的回答(15票)】

感謝邀請。最近一直在生病,基本晚上都很早休息,沒有時間上線。

好吧。產品經理做數據分析,並不是從一堆原始數據裡面撲拉出一堆數字,然後進行統計、分析。而更多的是在已經做好的數據上對數據與產品的關係上進行分析。

這樣的分析,其實很多是現象-數據-現象這樣並不複雜的聯繫,如果一定要每個產品經理都在數據分析上玩兒出花兒來,那讓數據分析人員來做產品經理不就得了。

這裡的關鍵在於,產品經理應該瞭解利用各種資源和資料,包括數據、設計、心理等各種層面的知識,幫助自己做好最重要的工作,即產品設計與運營。其他的都是扯淡。

【GentleYang 楊振濤的回答(12票)】

數據分析有很多層次,並非所有做數據分析的人都必須數理統計相關的專業出身才行。

  1. 一般意義的數據分析,尤其是中小企業,傳統的是對以往銷售數據分析,輔助決策下個週期的採購或營銷計劃等。
  2. 隨著互聯網的發展,個性化推薦與廣告推送需求凸顯,B2C也直接讓數據的價值越來越明顯,所以就有了很多數據分析相關的職位;而這些工作的勝任,只需要基礎的計算和統計培訓,再加上常規excel或者專業統計軟件的基本用法的練習即可;相比而言對業務的理解能力更加重要,數據分析只是手段。
  3. 真正數據挖掘相關的數據分析,或者說垂直領域的俠義的數據分析,就是指數據挖掘,從問題識別,建模,算法設計與計算求解,到後期 驗證,對比分析,結論報告等,是將數理方法應用於實踐問題的複雜過程。比如 我從事過的生物信息數據分析,面對的是ATCGAGAGAG這樣的序列數據,一個人的基因組約3G,測序出來後會有N個乘數,也就是 3G x n,這是原始數據;基於此開始一系列常規的分析,然後每個細分的方向,各個小組開展各自的分析;出了常規分析,可能還需要從現有的數據中挖掘新的信息出來,盡可能地尋找與表型可能關聯的「本質原因」,只有建立很多的關聯可能性,才可能將基因組數據分析結論應用於個體的健康檢測或疾病診療。這個層次所要求的不只是會使用statistica, R,SPSS,SAS這麼簡單(此時往往SPSS,SAS都不滿足需求,大多用於工程類或實踐性強的場景),具備本科或研究生水平的數理統計專業知識背景,還要求全面的系統知識、豐富的實踐經驗、極強的動手實踐能力,等等。 最簡單的例子,你所面對的問題是:一個癌症病人,你擁有他的基因組數據,你能為他做些什麼? 雖然看起來很宏大,但實踐起來也是一個一個的工作任務執行的。

    又比如,我做過的一個數學建模:油田5年規劃。 一個油田的產油量取決於很多因素,往往一口井開始時產量高,然後逐漸降低;油田為了穩產或持續增產,會採取N多措施。 如果在5年中合理採取N中措施,保持整個油田穩產或持續增產?已知過去的產油量數據。 這是典型的實踐中的數據分析案例,結合了模擬、建模、預測、規劃等問題,可以採取多種方法設計多種方案對比驗證,最後給出報告。[ 實踐中也確實如此,一個地方政府或部門的投資分析或財務規劃就更典型了 ,類似的都屬於「指定目標、優化分配資源以達成目標」的範疇。]

綜上,粗略地劃分3個層次。LZ所謂的產品經理級別的數據分析屬於level 2 。此類書籍可參考《數據分析之美》,《誰說菜鳥不會數據分析》等。

【且歌的回答(12票)】

這個問題像是「怎麼看待不懂鈦合金螺旋槳鑄造工藝的人過年坐飛機回家」。。。

其實我們常見的互聯網數據分析,並不需要太多技術背景,更重要的是對自身業務的理解,和數據化運營的科學態度(我勒個去...)

兩年前我是從程序猿轉到數據分析師的,不過不是因為會數據挖掘神馬的高科技,而是因為感覺沒有數據支持的推廣和運營太不靠譜了,大把的錢投廣告,大把的錢搞在線活動,你都不知道效果怎麼樣,心虛啊。。。

我理解的數據分析師,應該是瞭解業務,從業務需求出發,銜接數據挖掘等技術團隊,獲得所需的數據,通過自身對業務的理解得到答案,為相關業務部門提供指引的。

我們會發現這個角色並不需要太多技術基礎,而是要深入的瞭解自己的產品。知道網站的流量都分佈在哪些產品、每個產品的流量又分佈在哪些功能和頁面,要知道網站的流量來源、不同來源的用戶行為有什麼區別、喜歡哪些功能和內容。。。有了這些瞭解,他看到數字以後才能告訴你,數字背後意味著什麼,讓數據發揮它的價值。

然後我們回過頭來看,上邊那堆東西,不正好是一個產品經理應該瞭解的嗎:)

【李虹銘的回答(4票)】

只要清楚自己想知道哪些數據之間的什麼樣的關係就可以了,並能夠準確表達給專門的數據分析師,由他們出報表。

人的時間是有限的,數據分析也不是產品經理的主要工作,所以不能要求自己對這方面很專業。即使沒有專業人員幫你,玩好google analytics也夠用了

【馬力的回答(3票)】

簡單的說

需要用的時候,就學唄...

不要太把「專業背景」當回事

就想想,在你的專業裡,上幾年大學真正學到核心的知識,有多少?

要做定量的分析,去找本應用統計學之類的看看,基礎的統計學知識挺易懂的

要做定性的研究和掌握各種研究方法,也有一堆書可以讀,在實踐中探索一下

最重要的是聯繫實際+應用+學習

不要以為玩幾個模型、頂個學位就叫「專業」了

真的需要非常專業的數據挖掘和統計分析時

就去請真正聚焦在這個上面的人做吧

如果沒人做又真需要呢?就自己再學深點...

前幾天和一個朋友聊,真正做產品的時候,別去想你以前是做技術的、做設計的還是其他的

你就是要做好這東西

缺啥補啥,做好就行

【邢碩的回答(2票)】

和專業背景關係不大,慾望,如果你熱愛你的產品,你會想盡一切辦法,掌握好數據分析這一技能,做好自己的產品。如果不熱愛,哪怕你是數據分析牛人,這種技能對產品也毫無用處。

【馬無名的回答(2票)】

業務水平很容易培養,但是專業領域,諸如數學等是很難再工作中培養的。好多數學方法和思想不是一朝一夕可以學會的,比如建模,比如抽像問題的能力。

另外也需要一些基本的編程能力,比如給你10G的文本文件你怎麼處理??產品經理不是神仙,僅靠熱情是不夠的,一些高端職位還是需要專業的人才來搞定。

如果用不起這樣的人,乾脆就不用設崗,一個不靠譜的人分析的結論你敢採用嗎?

【郭瑾的回答(2票)】

產品分析生物鏈:

1.產生需求-2.整合需求-3.數據實施-數據分析(報表+深度分析)-4.分析結果傳遞-5.產品經理應用-6.數據應用反饋;

整個過程中2、3是數據分析專業人員做的,但需求的提出、整合、溝通、應用反饋幾乎是產品經理主導的,沒有靠譜的需求就沒有靠譜的分析更不可能有靠譜的應用了,所以:

1. 瞭解數據的基本概念與原理,因為數據也會撒謊,同一緯度的統計不同會產生完全不同的結論;

2.多看數據,數據的感覺與產品和其它藝術一樣看多了培養起來的;

3.與分析師多溝通需求,把需求弄清楚細分挖掘比做一百個似是而非的需求強,寧精勿爛;

4.清楚業務之間的邏輯關係,數據從來不是獨立的需要不斷的看各數據間的關係,找出規律得出結論,有時候邏輯錯了,方向就反了;

5.不要迷信數據但也不要輕視數據,欠久了基礎到時候需要的時候可沒那麼好補;

6.數據分析是把那些隱藏的你看不到的真象給清楚的表達出來,是高效直接有力的,如同神經網絡一樣,數據分析不斷的溝通過程是學習的過程,比較成功的分析結果是這個學習過程是成功的,最終的預測結論便是成功的,這個學習過程無邏輯可參考性低當然預測也就失敗了。

【茉茉的回答(2票)】

他們什麼都知道,還要我們這些專門學統計的幹嘛?

【黃中旭的回答(1票)】

不搞數據挖掘,涉及不到什麼統計算法,產品經理需要知道哪些數據與產品目標相關,數據如何幫助產品確定策略就行了,複雜的數據統計工作交給專業人士就可以,當然基本的EXCEL操作是必須的,不然怎麼做月報,年度報告呢?

【織田信長的回答(1票)】

我來分享一段微博。

@陳果IBM:

? IBM剛收購了牛叉的零售「價格優化軟件」Demandtec。記得看過篇Forbes文章,某連鎖店紙尿布銷售緩慢,盈利能力低,求教於此牛軟,通過分析歷史銷售、競爭對手和消費者數據,新生兒尿布價格賣得更貴,大孩賣得比競爭對手便宜。一年後,此品類銷售上升27%,利潤上升2%。地球人已沒法阻止IBM的BAO腳步了。

? 同理於有一個超市通過把啤酒放在尿布旁邊,來同時提升兩者的銷售額的一個閒談故事。

? 從數據中看出人味,再得以利用。這是很多職業所需要的素質。

【金禮劍的回答(0票)】

數據分析只是產品經理的一項技能之一,但是PM沒必要一定要與BI專業。

PM更重要的基於業務上的充分瞭解基礎上,用數據分析結果去發現產品存在的問題,為下次產品迭代做好準備。

?有時候數據會說謊的,發現數據存在的問題,如何正確的運用分析結果,這才是產品經理的數據分析重中之重。

?

【趙宬博的回答(0票)】

我覺得產品經理即使沒有學過統計學等數學只是,只要會電腦EXCEL,也就差不多了。再說當下沒有幾個產品經理會嚇到數據處理第一線吧,他們都應該是得到數據處理人員的整理,而後繼續加工的。產品經理可以從數據中看到產品的前途,看到其價值的大小。

【夢豬頭的回答(0票)】

一、統計數據的思路 比 統計數據的技巧或能力更重要;好的產品下配備專業的數據分析員;

二、一般的產品只需要普通的EXCEL技巧就能完成常量的數據分析;不需要SPSS;

三、一般的本科生都具備一定的統計學知識,能應付多數產品的統計調研分析;

四、學習能力是產品經理必備素質,快速學習,現學現用

【丁晨的圍脖的回答(0票)】

也分很多角色,現在還有一個PDM的角色,就是產品數據經理,當然有數據統計的背景更好,沒有的話,以產品經理自身的能力,應該也能拿到自己想要的結果,分析是過程,重點是結果

【巫支祁的回答(0票)】

「感覺產品經理需要有:統計學、心理學、設計、程序開發、市場營銷等各種專業知識,但如果只是其中一項精通,其他幾項業餘水平,這樣能勝任產品一職嗎?」

-------------------------------------------

回答一下你最後一個問題:

你提的這5項裡,市場營銷排第一,設計排第二。其它都不重要。

【張帥的回答(0票)】

看到了有些回復質疑統計學和其他數理方法的應用,而且原因是因為他不夠瞭解這些方法。既然是「數」據,就不能僅僅是文字或者用傻瓜軟件處理一下,而是用相應數的邏輯(統計裡叫做數據分佈背後的東西)來發現有價值的規律。這個數的邏輯,軟件並不擁有。雖說這些邏輯方法不一定在大部分情形下都是最好的,至於後來用文字描述其中的哲理,這是報告的部分,不在黑盒子裡了。

豆瓣阿北曾經提出一個「15分鐘名組」問題,推薦給知乎網友們做一個相關思考。?blog.douban.com/douban

【dulvyizhihua的回答(0票)】

是為產品成功負責,有能力做數據分析或是挖掘的話最好,沒能力就讓專業領域的人來做,產品經理根據統計結果再做後續計劃,各司其職,最終產品成功大賣,產品經理也是很成功的。

【光芊源的回答(0票)】

僅對技術的要求來看

1.查數 = 數據分析(知道pv,uv,點擊流,能寫sql和腳本掃log)

2.在1T的log級別上查數 = 大規模數據分析,用戶行為分析(要用hadoop了)

3.用svm,樸素貝葉斯,knn一類的,不能叫數據分析了,叫數據挖掘了(R,matlab,python科學計算等)

技術其實不重要,關鍵是對業務的理解

【卞國興的回答(0票)】

企業中用數據來分析和解決問題,問題也許是很複雜的,但是問題的解決方法卻不能複雜化。數據分析有一個很重要的功能,就是要用大家都能理解的數學語言來做溝通,除非是專業研究性質的分析工作和分析團隊。不懂業務就做數據分析,很致命,工作中遇到很多人,拿著大學裡學的數學方法或者模型,就以為可以做工作了,分析的結果必定價值很低,而且不少人都不喜歡鑽研業務,始終處在技能和業務的中間游離狀態。所以我目前的體會是,大多數企業以解決問題為導向的數據分析,一定要邏輯清晰,精通業務,善於發現問題,這是最核心的能力,而這正是產品經理的優勢所在。

【羅一洋的回答(1票)】

干具體活的絕對不是經理,不然手下要來幹嘛的?

經理只需要懂得道理,會判斷,能決定即可。

這不是經理,這是技術員……

標籤:-互聯網 -產品經理 -數學 -張亮-Leo♂ -產品運營 -統計學 -數據分析


相關資源:





給我留言