本站分享:AI、大数据、数据分析师培训认证考试,包括:Python培训Excel培训Matlab培训SPSS培训SAS培训R语言培训Hadoop培训Amos培训Stata培训Eviews培训

怎么看待“互联网产品经理做数据分析,但没有统计学、数学等专业背景”?

数据分析 cdadata 2901℃
 怎么看待“互联网产品经理做数据分析,但没有统计学、数学等专业背景”?

关键词:数学与统计学院 图灵数学 统计学丛书 武大数学与统计学院

产品经理很少是统计、数学等专业出身,面对繁杂的数据分析时,如何科学的分析数据呢?

而统计、数学等专业背景的人来担当产品经理,有何优势和劣势?

有的大公司有专业的数据分析挖掘人员,那产品经理如何和他们搭配合作?有的创业公司,没有专人充当数据分析,产品经理如何处理好数据、用户、产品等一系列工作呢?

感觉产品经理需要有:统计学、心理学、设计、程序开发、市场营销等各种专业知识,但如果只是其中一项精通,其他几项业余水平,这样能胜任产品一职吗?

【张亮-Leo♂的回答(15票)】

感谢邀请。最近一直在生病,基本晚上都很早休息,没有时间上线。

好吧。产品经理做数据分析,并不是从一堆原始数据里面扑拉出一堆数字,然后进行统计、分析。而更多的是在已经做好的数据上对数据与产品的关系上进行分析。

这样的分析,其实很多是现象-数据-现象这样并不复杂的联系,如果一定要每个产品经理都在数据分析上玩儿出花儿来,那让数据分析人员来做产品经理不就得了。

这里的关键在于,产品经理应该了解利用各种资源和资料,包括数据、设计、心理等各种层面的知识,帮助自己做好最重要的工作,即产品设计与运营。其他的都是扯淡。

【GentleYang 杨振涛的回答(12票)】

数据分析有很多层次,并非所有做数据分析的人都必须数理统计相关的专业出身才行。

  1. 一般意义的数据分析,尤其是中小企业,传统的是对以往销售数据分析,辅助决策下个周期的采购或营销计划等。
  2. 随着互联网的发展,个性化推荐与广告推送需求凸显,B2C也直接让数据的价值越来越明显,所以就有了很多数据分析相关的职位;而这些工作的胜任,只需要基础的计算和统计培训,再加上常规excel或者专业统计软件的基本用法的练习即可;相比而言对业务的理解能力更加重要,数据分析只是手段。
  3. 真正数据挖掘相关的数据分析,或者说垂直领域的侠义的数据分析,就是指数据挖掘,从问题识别,建模,算法设计与计算求解,到后期 验证,对比分析,结论报告等,是将数理方法应用于实践问题的复杂过程。比如 我从事过的生物信息数据分析,面对的是ATCGAGAGAG这样的序列数据,一个人的基因组约3G,测序出来后会有N个乘数,也就是 3G x n,这是原始数据;基于此开始一系列常规的分析,然后每个细分的方向,各个小组开展各自的分析;出了常规分析,可能还需要从现有的数据中挖掘新的信息出来,尽可能地寻找与表型可能关联的“本质原因”,只有建立很多的关联可能性,才可能将基因组数据分析结论应用于个体的健康检测或疾病诊疗。这个层次所要求的不只是会使用statistica, R,SPSS,SAS这么简单(此时往往SPSS,SAS都不满足需求,大多用于工程类或实践性强的场景),具备本科或研究生水平的数理统计专业知识背景,还要求全面的系统知识、丰富的实践经验、极强的动手实践能力,等等。 最简单的例子,你所面对的问题是:一个癌症病人,你拥有他的基因组数据,你能为他做些什么? 虽然看起来很宏大,但实践起来也是一个一个的工作任务执行的。又比如,我做过的一个数学建模:油田5年规划。 一个油田的产油量取决于很多因素,往往一口井开始时产量高,然后逐渐降低;油田为了稳产或持续增产,会采取N多措施。 如果在5年中合理采取N中措施,保持整个油田稳产或持续增产?已知过去的产油量数据。 这是典型的实践中的数据分析案例,结合了模拟、建模、预测、规划等问题,可以采取多种方法设计多种方案对比验证,最后给出报告。[ 实践中也确实如此,一个地方政府或部门的投资分析或财务规划就更典型了 ,类似的都属于“指定目标、优化分配资源以达成目标”的范畴。]

综上,粗略地划分3个层次。LZ所谓的产品经理级别的数据分析属于level 2 。此类书籍可参考《数据分析之美》,《谁说菜鸟不会数据分析》等。

【且歌的回答(12票)】

这个问题像是“怎么看待不懂钛合金螺旋桨铸造工艺的人过年坐飞机回家”。。。

其实我们常见的互联网数据分析,并不需要太多技术背景,更重要的是对自身业务的理解,和数据化运营的科学态度(我勒个去…)

两年前我是从程序猿转到数据分析师的,不过不是因为会数据挖掘神马的高科技,而是因为感觉没有数据支持的推广和运营太不靠谱了,大把的钱投广告,大把的钱搞在线活动,你都不知道效果怎么样,心虚啊。。。

我理解的数据分析师,应该是了解业务,从业务需求出发,衔接数据挖掘等技术团队,获得所需的数据,通过自身对业务的理解得到答案,为相关业务部门提供指引的。

我们会发现这个角色并不需要太多技术基础,而是要深入的了解自己的产品。知道网站的流量都分布在哪些产品、每个产品的流量又分布在哪些功能和页面,要知道网站的流量来源、不同来源的用户行为有什么区别、喜欢哪些功能和内容。。。有了这些了解,他看到数字以后才能告诉你,数字背后意味着什么,让数据发挥它的价值。

然后我们回过头来看,上边那堆东西,不正好是一个产品经理应该了解的吗:)

【李虹铭的回答(4票)】

只要清楚自己想知道哪些数据之间的什么样的关系就可以了,并能够准确表达给专门的数据分析师,由他们出报表。

人的时间是有限的,数据分析也不是产品经理的主要工作,所以不能要求自己对这方面很专业。即使没有专业人员帮你,玩好google analytics也够用了

【马力的回答(3票)】

简单的说

需要用的时候,就学呗…

不要太把“专业背景”当回事

就想想,在你的专业里,上几年大学真正学到核心的知识,有多少?

要做定量的分析,去找本应用统计学之类的看看,基础的统计学知识挺易懂的

要做定性的研究和掌握各种研究方法,也有一堆书可以读,在实践中探索一下

最重要的是联系实际+应用+学习

不要以为玩几个模型、顶个学位就叫“专业”了

真的需要非常专业的数据挖掘和统计分析时

就去请真正聚焦在这个上面的人做吧

如果没人做又真需要呢?就自己再学深点…

前几天和一个朋友聊,真正做产品的时候,别去想你以前是做技术的、做设计的还是其他的

你就是要做好这东西

缺啥补啥,做好就行

【邢硕的回答(2票)】

和专业背景关系不大,欲望,如果你热爱你的产品,你会想尽一切办法,掌握好数据分析这一技能,做好自己的产品。如果不热爱,哪怕你是数据分析牛人,这种技能对产品也毫无用处。

【马无名的回答(2票)】

业务水平很容易培养,但是专业领域,诸如数学等是很难再工作中培养的。好多数学方法和思想不是一朝一夕可以学会的,比如建模,比如抽象问题的能力。

另外也需要一些基本的编程能力,比如给你10G的文本文件你怎么处理? 产品经理不是神仙,仅靠热情是不够的,一些高端职位还是需要专业的人才来搞定。

如果用不起这样的人,干脆就不用设岗,一个不靠谱的人分析的结论你敢采用吗?

【郭瑾的回答(2票)】

产品分析生物链:

1.产生需求-2.整合需求-3.数据实施-数据分析(报表+深度分析)-4.分析结果传递-5.产品经理应用-6.数据应用反馈;

整个过程中2、3是数据分析专业人员做的,但需求的提出、整合、沟通、应用反馈几乎是产品经理主导的,没有靠谱的需求就没有靠谱的分析更不可能有靠谱的应用了,所以:

1. 了解数据的基本概念与原理,因为数据也会撒谎,同一纬度的统计不同会产生完全不同的结论;

2.多看数据,数据的感觉与产品和其它艺术一样看多了培养起来的;

3.与分析师多沟通需求,把需求弄清楚细分挖掘比做一百个似是而非的需求强,宁精勿烂;

4.清楚业务之间的逻辑关系,数据从来不是独立的需要不断的看各数据间的关系,找出规律得出结论,有时候逻辑错了,方向就反了;

5.不要迷信数据但也不要轻视数据,欠久了基础到时候需要的时候可没那么好补;

6.数据分析是把那些隐藏的你看不到的真象给清楚的表达出来,是高效直接有力的,如同神经网络一样,数据分析不断的沟通过程是学习的过程,比较成功的分析结果是这个学习过程是成功的,最终的预测结论便是成功的,这个学习过程无逻辑可参考性低当然预测也就失败了。

【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?

【黄中旭的回答(1票)】

不搞数据挖掘,涉及不到什么统计算法,产品经理需要知道哪些数据与产品目标相关,数据如何帮助产品确定策略就行了,复杂的数据统计工作交给专业人士就可以,当然基本的EXCEL操作是必须的,不然怎么做月报,年度报告呢?

【织田信长的回答(1票)】

我来分享一段微博。

@陈果IBM:

IBM刚收购了牛叉的零售“价格优化软件”Demandtec。记得看过篇Forbes文章,某连锁店纸尿布销售缓慢,盈利能力低,求教于此牛软,通过分析历史销售、竞争对手和消费者数据,新生儿尿布价格卖得更贵,大孩卖得比竞争对手便宜。一年后,此品类销售上升27%,利润上升2%。地球人已没法阻止IBM的BAO脚步了。

同理于有一个超市通过把啤酒放在尿布旁边,来同时提升两者的销售额的一个闲谈故事。

从数据中看出人味,再得以利用。这是很多职业所需要的素质。

【金礼剑的回答(0票)】

数据分析只是产品经理的一项技能之一,但是PM没必要一定要与BI专业。

PM更重要的基于业务上的充分了解基础上,用数据分析结果去发现产品存在的问题,为下次产品迭代做好准备。

有时候数据会说谎的,发现数据存在的问题,如何正确的运用分析结果,这才是产品经理的数据分析重中之重。

 

【赵宬博的回答(0票)】

我觉得产品经理即使没有学过统计学等数学只是,只要会电脑EXCEL,也就差不多了。再说当下没有几个产品经理会吓到数据处理第一线吧,他们都应该是得到数据处理人员的整理,而后继续加工的。产品经理可以从数据中看到产品的前途,看到其价值的大小。

【梦猪头的回答(0票)】

一、统计数据的思路 比 统计数据的技巧或能力更重要;好的产品下配备专业的数据分析员;

二、一般的产品只需要普通的EXCEL技巧就能完成常量的数据分析;不需要SPSS;

三、一般的本科生都具备一定的统计学知识,能应付多数产品的统计调研分析;

四、学习能力是产品经理必备素质,快速学习,现学现用

【丁晨的围脖的回答(0票)】

也分很多角色,现在还有一个PDM的角色,就是产品数据经理,当然有数据统计的背景更好,没有的话,以产品经理自身的能力,应该也能拿到自己想要的结果,分析是过程,重点是结果

【巫支祁的回答(0票)】

“感觉产品经理需要有:统计学、心理学、设计、程序开发、市场营销等各种专业知识,但如果只是其中一项精通,其他几项业余水平,这样能胜任产品一职吗?”

——————————————-

回答一下你最后一个问题:

你提的这5项里,市场营销排第一,设计排第二。其它都不重要。

【张帅的回答(0票)】

看到了有些回复质疑统计学和其他数理方法的应用,而且原因是因为他不够了解这些方法。既然是“数”据,就不能仅仅是文字或者用傻瓜软件处理一下,而是用相应数的逻辑(统计里叫做数据分布背后的东西)来发现有价值的规律。这个数的逻辑,软件并不拥有。虽说这些逻辑方法不一定在大部分情形下都是最好的,至于后来用文字描述其中的哲理,这是报告的部分,不在黑盒子里了。

豆瓣阿北曾经提出一个“15分钟名组”问题,推荐给知乎网友们做一个相关思考。 http://blog.douban.com/douban/2006/03/08/62/

【dulvyizhihua的回答(0票)】

是为产品成功负责,有能力做数据分析或是挖掘的话最好,没能力就让专业领域的人来做,产品经理根据统计结果再做后续计划,各司其职,最终产品成功大卖,产品经理也是很成功的。

【光芊源的回答(0票)】

仅对技术的要求来看

1.查数 = 数据分析(知道pv,uv,点击流,能写sql和脚本扫log)

2.在1T的log级别上查数 = 大规模数据分析,用户行为分析(要用hadoop了)

3.用svm,朴素贝叶斯,knn一类的,不能叫数据分析了,叫数据挖掘了(R,matlab,python科学计算等)

技术其实不重要,关键是对业务的理解

【卞国兴的回答(0票)】

企业中用数据来分析和解决问题,问题也许是很复杂的,但是问题的解决方法却不能复杂化。数据分析有一个很重要的功能,就是要用大家都能理解的数学语言来做沟通,除非是专业研究性质的分析工作和分析团队。不懂业务就做数据分析,很致命,工作中遇到很多人,拿着大学里学的数学方法或者模型,就以为可以做工作了,分析的结果必定价值很低,而且不少人都不喜欢钻研业务,始终处在技能和业务的中间游离状态。所以我目前的体会是,大多数企业以解决问题为导向的数据分析,一定要逻辑清晰,精通业务,善于发现问题,这是最核心的能力,而这正是产品经理的优势所在。

【罗一洋的回答(1票)】

干具体活的绝对不是经理,不然手下要来干嘛的?

经理只需要懂得道理,会判断,能决定即可。

这不是经理,这是技术员……

转载请注明:数据分析 » 怎么看待“互联网产品经理做数据分析,但没有统计学、数学等专业背景”?

喜欢 (1)or分享 (0)