产品在做数据工作时，需要关注的几点

产品离不开数据，需要数据支持，无论是初步的需求规划还是项目上线的效果评估。这两天一直在整理数据报告，觉得以下几点是产品在做数据工作时需要注意的几点:1、数据源的数据源直接决定了数据的正确性和可用性。一般产品数据采集渠道有三种：数据报告、历史经验和第三方数据，数据报告分为客户端报告和服务器报告。在新产品规划阶段，我们可以通过第三方数据或竞争产品的经验数据作为更多的参考。一旦产品上线，我们需要通过报告数据及时验证和优化产品理念。不同数据源的数据差异很大，分析结果的可比性也很差。建议您在最早的版本迭代中添加基本的数据统计，并通过版本迭代不断改进数据统计。2、指标定义指标定义明确是易读数据的基础。以DAU(日活跃用户数)为例，只有了解活跃用户的定义，数据才有意义。比如一个视频软件DAU1000万，看起来很高，但是发现他们对日常生活的定义是启动，软件可以自定义启动，所以这个数据值得商榷。如果将视频观看行为定义为活跃，DAU将立即变为300W，这是一个更有意义的有效数据。3、上报机制上报机制可以理解为数据上报策略。例如，行为产生的日志是否支持在移动网络下报告，报告时间间隔有多长，过程被杀后如何报告，报告过程中丢失包装的概率··报告机制的制定直接决定了报告数据的完整性和即时性。对于产品来说，数据必须同时报告，但考虑到用户的手机流量、功率等因素，一般需要做出选择。以前只注意到数据报告的完整性，没有考虑到即时性。今天同事举的一个例子让我大吃一惊:十一假期，你辛辛苦苦做了一份数据报告，分析得很好，给出了以后的计划；三天后，用户结束了长假，刚刚从3G环境切换到WIFI网络。大量新数据报告，你发现你依赖的所有数据都变了。你所有的分析都是基于不完整甚至错误的数据...4、数据可视化数据的一个非常重要的功能是通过趋势变化来反映问题。因此，可视化是数据的重要显示形式，给您一个密集的表。没有图表支持，数据基本死亡，无法使用。因此，在数据量统计之初，有必要将可视化图表有效地结合起来，完成对趋势的把握。因此，在数据量统计开始时，有必要有效地将可视化图表结合起来，以完成对趋势的把握。对于大规模数据，必须有定期的数据曲线，或周期上升，或周期波动，如果指标数据图表振幅巨大不规则，则需要拆分数据，消除不规则的波动因素A，对剩余数据进行可视化视图，直到出现定期波动。后期只需要监控稳定的数据，一目了然是否有异常。目前，我们最大的问题不是数据不足，而是数据太多，无法开始。从同事那里获得的经验是，最好用excel整理一个原始数据，一个是避免挂断服务器，另一个是做更个性化的分析和尝试各种计算。数据分析是不受行业和岗位限制的基本能力。本质上，分析方法只是一种辅助工具，基本上需要熟练的业务能力来支持。