前两天和正在换工作的读者小K聊天。他是一个经验丰富的产品经理，但最近在面试中屡屡碰壁，不愿意和我谈。
原来在他面试的时候，面试官喜欢问一些和数据相关的问题，但这只是他的薄弱环节，他只能尴尬地回答无关的问题。
“我以为这些是数据分析师的工作，但没想到它们会成为产品经理的必备技能。”
“一直都有学习数据分析，但没想到大厂的要求更高。”
相信很多产品经理也有这种感觉。了解数据分析对他们的岗位越来越重要。许多大公司甚至在招聘要求中规定，他们需要优秀的数据分析能力。
可以说，未来一个不懂数据的产品经理，也不会是一个好的产品经理。但这就提出了一个问题：产品经理应该对数据分析了解多少？我认为以下四点是产品经理必须掌握的技能：
# 1、了解数据的来龙去脉。
要理解数据，产品经理首先要搞清楚数据的来龙去脉。有必要搞清楚几个问题：业务的索引库是什么，数据的来源是什么，埋藏的数据是什么，数据是如何分成几种类型的，数据对应的口径是什么，数据的更新机制是什么。
在一个组织中，数据的生成、存储、处理和应用基本如下：
# 2、了解数据索引数据库。
我们在做业务分析的时候，如果指标不够或者数据不均衡，会让数据分析非常困难，需要花费大量的时间去收集想要的数据，做数据清洗，这就需要产品经理提前构建一个系统的数据指标库。在大公司，一般来说，数据产品经理负责构建数据索引数据库，但对于其他产品经理来说，需要了解索引数据库的规划。
拿JD来说。以COM的索引数据库为例，他们围绕着关键的目标数据，将其分解成若干个子指标，然后将这些子指标逐层拆解，得到需要收集的具体指标。
将细分后的指标逐层拆解(下图为获客成本指标拆解情况):
通过索引库，我们可以“意识到”我们所负责的业务，例如预测业务数据、指定哪些指标需要重点监控，以及有条不紊地排除问题的原因。
# 3.懂得索取数据。
当产品经理和数据分析师对接时，最常提到的需求是前端嵌入需求和报表开发需求。
埋点是在客户端记录用户数据并上报给服务器的数据采集方式，是数据采集的重要来源，采集的数据通常干净可靠。
提交埋点要求前，产品经理要按照用户体验流程逐一埋点，避免遗漏。如果业务即将上线，发现数据不足，指标缺失，再提要求很麻烦。此外，在提交埋点要求时，需要详细说明要求，如下表所示：
在提交报表开发需求之前，产品经理首先要确定是否支持上游数据。制定需求时，报告主题、数据获取方式、数据类型、每个字段的定义等。应明确定义，并对一些难点进行注释。
# 4、了解数据分析。
知道数据很重要，知道如何使用更重要。产品经理要熟练运用各种经典的分析模型，如用于转化分析的金字塔模型、用于用户分析的AARRR模型、用于用户需求分析和优先级排序的KANO模型等。
具体分析流程请参考下面的通用数据分析模板。
在企业传统的数据分析模式中，业务端需要IT端来完成。但是这样做有很大的弊端，更不用说IT人员是否能够完全理解我们想要的结果(通常情况下，来回修改是不可避免的)，有时候。
到需求高峰期，提一个小需求都要等上几天。对产品经理来说，我特别建议一些小的数据分析需求完全可以自己实现。随着数据分析工具的崛起，数据分析现在不再是非技术人员遥不可及的技能了。很多人一致认为未来的企业各岗位中，数据分析会成为和Office一样的基础技能。
就拿很多大公司都在用的FineBI来说，得益于无需编程、仅需拖拽就能完成数据处理和分析的设计，这款工具极大地降低了数据分析的学习门槛。
IT部门只需要做好数据准备，技术小白和业务人员就能通过 FineBI
轻松进行自助式分析，还能根据自己的需要进行实时调整，这样新的配合模式更灵活有效，省去了和数据分析人员反复沟通的时间
掌握这样的分析工具，应该是未来每一个产品经理的必修课。
这就好比，在过去剪视频只是少部分专业人士的事，创作者需要和剪辑师反复沟通才能成片，而现在视频剪辑软件已经朝着普惠化的方向发展，每一个普通人都有通过视频表达自己的机会。
在各行各业都强调精细化运营、大数据的今天，数据分析已经成为了产品经理的必备技能，今天我分析了产品经理至少要掌握的4项与数据分析有关的技能，希望能和大家一起进步！
# 工具分享
最后，分享一下分析工具， 回个“数据分析”就能全部拿得！
