如何理解数据统计工具的价值和要求

如何理解数据统计工具的价值和要求

本文字数:3000  阅读时间:6分钟


在上篇文章《如何选择合适的数据统计分析工具》中,列举了一些国内外比较典型的数据的分析工具,今天主要讲下数据统计工具的价值和要求。

主要从五个方面阐述:

一、数据分析的意义;
二、数据分析工具的价值;
三、数据分析工具存在的问题;
四、运用数据统计工具的要求(显性和隐性);
五、数据统计工具的适用场景。


数据分析的意义

先用一张图来简单表示下数据分析的意义和重要性。
这里的“产品”其实有两个含义,一个代表真正的产品团队(策划者-PM、设计者-设计师、实现者-研发),另外一端代表产品团队的成果-线上可用的产品。
同理“市场”也包含两个含义,市场团队(运营 、市场、销售等)以及市场价值。而市场始终追求的都是用户量、品牌建设、效应等为公司产生实际价值的业务。
从实际看来,产品和市场两端基本构成一个稳定运作的模式,但存在一定的缺陷,基本上都属于单线作战。说到这里,先看来产品-市场模式的演变。
  • 1.普通的模式是生产产品-市场运作,单线思维,这也是很多传统企业的做法(生产完产品,直接让市场部销售,这中间基本上没有沟通的环境,全凭市场的销售能力)。无论市场能力的强弱,可能都会做出一定的业绩出来,但是如果缺乏对产品的理解或者是生产的产品达不到市场需求,基本也是浪费市场运作的资源,所以,从这方面来看,一个产品的好坏不全看市场本身,产品也有很大的关系
  • 2.良好的模式是产品、市场相互协作,产品从市场、用户的角度理解需求,植入到可行的产品,目的都是打造这个基础。市场从对产品的理解找到真正的目标用户,进行精准的运作。这样做表面看起来很好,但其实还是有问题的,比如比如市场发现产品模式不适合运作,先去找产品团队,然后等待改良,最后才顺畅运作。而产品团队发现市场瞄准的用户不是真实用户,反过来也个循环沟通-等待-改进的过程,这其中的时间、人力都算是成本。
  • 3.如果数据分析介入了,会发生什么?首先,产品团队在生产产品的过程中就会介入数据分析的思路,进行产品的改良,而市场一方本身在产品改良的基础上会进行策略的调整,这些也是数据分析可以做的事情。表面上看数据分析是一个团队分支,实际上是结合产品和市场各自的特色。这里可能有朋友谈到增长团队(最近“增长”也是很火的名词),但实际上增长也是要基于深入的数据分析,数据分析团队的成果就是在增长。
所以总结来看,数据分析的价值不但在于很好协调产品与市场合作模式,更重要的是主动发现产品生产和运作模式的弊端,提出有效的改进策略


数据分析工具的价值

第一节中已经简单了解数据分析的价值和意义,下面就说说数据分析工具的价值。坦白来说,数据分析是需要人为和工具的相互配合,并不单纯从主观意识和客观现象去判断分析,而真正运用好数据分析工具,会有4个显而易见的益处:
  • 1.降低公司成本(研发成本、分析成本):
数据统计分析工具的成本是很高的,无论是研发成本还是资金成本,都需要消耗大量的服务部署、数据嵌入以及数据系统的维护,而数据统计系统本身就能看作一个“独立的产品”,对于中小企业来说,去花大量的时间研发这个其实并不划算,而市面上也有那么多的数据分析工具,比较合适的模式是找到一款适合自家业务的数据分析系统,免去或减少研发成本,并提升相关人员的数据分析能力,好的数据分析工具自然会显著提高分析的效率。而对于中小企业来说,真正的成本应该多放在产品改良、市场运作上。
  • 2.有效改进产品模式:
这点很好理解,通过客观的数据去分析背后的原因,调整产品策略。比如你做了一个H5的产品,进行首次用户的引导,然而这个留存数据并不佳,那么就去拆分业务看引导方式的合理性,再去优化更为理解的模式,市面上通过数据来调整产品模式的案例也是很多的。就算作为策划者本身,即使再理性也不一定证明判断就对,数据就是很好的迭代优化策略
  • 3.有效调整市场策略:
市场也是可以调整的,比如你做在面向中小学的在线教育的产品,在数据分析系统中,发现小升初这个阶段的人群付费率更高,那么就可以扩大这个人群范围,做到效益上的提升。甚至在一些市场销售方式、流程上都可以通过数据改进
  • 4.数据记录与监督:
在一线环境的产品与市场运作中,会发现很多工作业务都是很杂乱的,并没有整理成一套有效的数据表去进行总结查看、上报汇总等,大部分都是到了跟前才去做数据的记录,而如果一开始就采用数据分析工具的话,那么这些数据会很好的保留,随去随用。简单说无论是市场对外宣讲产品数据,还是给Boss上报产品数据,都是很高效的方式,也利于团队在业务上的相互监督。虽然数据记录与监督并不会为公司企业产生直接价值,但是隐性的价值却是很高的,所谓谁用谁知道~


数据分析工具的问题

说到这里,数据分析工具有没有执行上的弊端呢,当然有!事物都是两面性的。
具体存在以下几点:
  • 1.不知采集什么样的数据,导致数据采集混乱,无真实的输出效果;
  • 2.盲目运用数据分析工具,增加技术工作量,甚至是服务性能降低
  • 3.只采集表面的统计的结果,没有综合评定,盲目调整产品与市场策略
  • 4.过度依赖数据分析工具,不进行数据的考究;
坦白来说,这些问题都算是很正常的,而且都与“人”本身有关,要知道很多工具不是不好,是不知道怎么高效运用,从这方面来看,数据分析对人的要求是非常高的


数据统计工具的运用要求

显性要求:

  • 1.对项目业务的深入理解:
如果团队打算用数据分析系统时,一定要保证使用该系统的成员对项目业务与系统有很深入的理解,无论成员所做的事物是产品、运营还是技术等,如果缺乏对自身的项目的充分理解,那么必然导致数据分析系统部署的麻烦,甚至导致业务错乱,同时,数据人员如果没有对自家项目进行很透彻的了解分析,也导致盲目采集数据的现象。在初始阶段,甚至由产品策划与技术部署者进行详细的业务说明,都是十分必要的。 
  • 2.对产品使用角色的理解:
产品角色其实代表的用户(客户)的分层,在项目各个阶段,使用者的层次也是不同的,需要对这部分进行初步了解,然后再找到合适的业务进行数据分析系统的部署,而不是说所有的产品使用者都去做分析,每个阶段对于角色的理解不同,分析系统出来的结果也千差万别。 
  • 3.对技术协调的理解:
这点算是技术的事情,如果一开始想部署数据分析系统,就要当作一个产品看待,无论是数据接口、版本号、高级服务接入都需保证统一性,尽量少出错,部署到位。 
  • 4.团队内部的协作模式:
这里简单提一下,数据分析并不是几个职位的概念,而是全局的统筹思维。跟出版一本书差不多,作家需要多作品进行多次调整修改,出版社则需要考虑封面、排版,出版发行者也考虑更为合适的渠道。这的确需要多方面的协作,而数据分析更多也是一种思维,换个角度,如果团队之间因为不了解各自业务的重点,怎么能有效协作呢,数据分析也是要建立在这个前提下。

隐形要求:

PMF(产品、市场匹配),简单说就是做出用户需要的产品,然后再进行更高效的运作,无论你的产品是内容型还是工具型。这点也是思考很久添加上去的,并不是说所有的企业都适合数据分析工具系统,对于国内的中小企业来说,大部分都是处于摸索阶段。而真正达到PMF(产品市场匹配)算是很少的。换个角度去想,如果产品不是用户所需,那么就直接接入工具去进行分析,就好比用一开始用工具帮助你进行主要业务的规划,肯定是有问题,如果一开始就部署数据分析系统,也会导致很多资源的浪费。 
从侧面来看,数据统计分析工具其实起的是“锦上添花”的作用,侧重于辅助提升的层面,就是说公司企业本身已经有核心的运作,需要通过一套成熟的分析模式去大范围提升业绩、产品体验等,但核心的诉求肯定是有了。


适用场景

1.业务驱动的中小企业;
2.大型企业的新型项目;
这里简单提下一下,数据分析工具在某些程度不限制企业的模式,比如在大型公司中经常进行新业务新模块的开发设计,这时候单独开发细分的数据统计系统同样会消耗很高成本,由于本身成员在业务熟悉程度、服务部署都算很专业了,那么第三方就是很好的选择。而在小公司中,成本、更透彻的分析也很适合,但也尽量达到上部分讲述的要求,这样才能做到游刃有余。

习得网原创,作者:墨加,本文为授权发布,侵权必究,投稿请发送 get@learnget.com

4

扫一扫,分享到微信

猜你喜欢

文章评论

请先 后评论

上一篇

历史上新品launch(发行)最大的失败是怎样发生的?

下一篇

产品策划中,如何提高产品A/B测试的有效性

微信公众号

微信公众号