問題：產(chǎn)品對于數(shù)據(jù)分析能力方面的提升，有什么具體建議及好的學(xué)習(xí)資源（電商方面），跪求大神干貨！
回答一：顧先森，淘米 產(chǎn)品經(jīng)理
1. 了解業(yè)務(wù)，熟悉數(shù)據(jù)框架、體系
了解你的業(yè)務(wù)是做什么的，業(yè)務(wù)的發(fā)展規(guī)劃有什么，衡量的核心指標(biāo)有哪些，列出KPI或是核心指標(biāo)，一般重點(diǎn)指標(biāo)就那么幾個；然后對幾個核心指標(biāo)進(jìn)行拆解，這點(diǎn)也需要根據(jù)你的業(yè)務(wù)屬性進(jìn)行，你的業(yè)務(wù)凡是會影響到這個指標(biāo)的有哪幾個元素。
拆分的好處是你能對一個具體的指標(biāo)很清晰它是怎么組成的，好像庖丁解牛，當(dāng)然這個過程可以不斷拆分下去，加上一些公共屬性，例如時間、用戶性別、用戶年齡、用戶職業(yè)等公共的緯度進(jìn)去細(xì)切。
2. 對現(xiàn)有數(shù)據(jù)指標(biāo)進(jìn)行思考；多維度集中分析找規(guī)律
在熟悉產(chǎn)品需要關(guān)注的指標(biāo)、框架之后，了解現(xiàn)有每個指標(biāo)的運(yùn)營現(xiàn)狀，如果有同行業(yè)指標(biāo)對比更好，看是否有提高的空間?；蛘呤牵Ｍㄟ^某個運(yùn)營的動作，提高哪一個指標(biāo)，提高到多少；通過一系列的比較精準(zhǔn)命中，預(yù)估運(yùn)營能夠提升指標(biāo)到一個什么水準(zhǔn)。
另外有一個精準(zhǔn)模型的好處是了解你的核心用戶后，你可以單獨(dú)針對這部分用戶進(jìn)行產(chǎn)品用研與需求挖掘，更利于你內(nèi)心確定哪些指標(biāo)是可以通過什么手段提升的；同時找規(guī)律，對于拆解出來的指標(biāo)，想辦法做一些分析，這里的分析個人覺得并不一定需要很復(fù)雜的手段，更重要的是一種感覺和意識。
3. 規(guī)律驗證，經(jīng)驗總結(jié)
找到規(guī)律了，內(nèi)心明白了，下一次做事情心里會更透亮一些，對產(chǎn)品的理解又會更深一些。很多事情，就是這樣一點(diǎn)點(diǎn)去熟悉，去深入慢慢產(chǎn)生親切感的。數(shù)據(jù)是讓你和你的產(chǎn)品心靈貼近的一個話題而已，更高級更深入人心的數(shù)據(jù)溝通，不妨還是交給專業(yè)的數(shù)據(jù)處理人員吧，就好像不是人人都是心理咨詢師一樣。
總之，對于PM而言，個人覺得數(shù)據(jù)是一種意識，而非技術(shù)，是一種方法總結(jié)，而非理論科學(xué)，關(guān)注數(shù)據(jù)是個優(yōu)點(diǎn)。 每個產(chǎn)品經(jīng)理在產(chǎn)品設(shè)計前就需要明白一個最簡單的公式：
產(chǎn)品價值=產(chǎn)品帶來的收益－設(shè)計研發(fā)運(yùn)營成本>0
例如積分類的產(chǎn)品,如果使用了積分產(chǎn)品后凈增的銷售額*利率-積分充抵的商品價值（運(yùn)營成本）－設(shè)計研發(fā)成本>0，如果用戶會長期使用積分，設(shè)計研發(fā)成本可以忽略，其它數(shù)據(jù)可以比較容易拿到。再如頁面改版類產(chǎn)品，改版帶來忠實用戶數(shù)*每忠實用戶價值-新頁面的設(shè)計研發(fā)運(yùn)營成本>0，說明改版是成功的。
產(chǎn)品經(jīng)理只要把握好這個基本公式，其它深入的數(shù)據(jù)分析交給更專業(yè)的人員去做吧，產(chǎn)品經(jīng)理的主要精力還是放在用戶需求分析層面。
（以上回答略刪減，想看詳細(xì)舉例版本請戳閱讀原文）
回答二：mrjesse 電商 產(chǎn)品經(jīng)理
樓上已經(jīng)說的很詳細(xì)了，我來補(bǔ)充下：
作為一個電商產(chǎn)品經(jīng)理，畢竟不是專業(yè)數(shù)據(jù)產(chǎn)品經(jīng)理，我們不需要了解的太深，只需要關(guān)注最核心的一些內(nèi)容，在明確數(shù)據(jù)分析之前，首先我們要明確電商產(chǎn)品的數(shù)據(jù)分析幾大業(yè)務(wù)指標(biāo)：
一. 用戶角度
1、總活躍用戶數(shù)、新注冊用戶數(shù)、總PV；
2、一定時間的活躍用戶數(shù)、新注冊用戶數(shù)、總PV；
3、一定時間的轉(zhuǎn)換關(guān)系；
4、不同渠道下，注冊轉(zhuǎn)換情況；
5、不同注冊渠道下，注冊用戶的后續(xù)留存率；
6、一定時間有購買行為的用戶的重復(fù)購買的分布情況
二. 訂單角度
1、今日的訂單總數(shù)、銷售額、訂單單價、有訂單用戶數(shù)、補(bǔ)貼比例；
2、過去一周每天的訂單總數(shù)、銷售額、訂單單價、有訂單用戶數(shù)、補(bǔ)貼比例；
3、過去一周每天的訂單平均送達(dá)時間；
三. 商品角度
1、按照商品分組，今日每個商品的瀏覽數(shù)、購買用戶數(shù)、訂單數(shù)、銷售額；
2、按照商品分組，過去一周每天每個商品的瀏覽數(shù)、購買用戶數(shù)、訂單數(shù)、銷售額；
四. 品類角度
1、按照商品品類分組，今日每個品類的瀏覽數(shù)、購買用戶數(shù)、訂單數(shù)、銷售額、訂單單價；
2、按照商品品類分組，過去一周每天每個品類的瀏覽數(shù)、購買用戶數(shù)、訂單數(shù)、銷售額、訂單單價；
五. 店鋪角度
1、按照店鋪分組，今日每個店鋪的瀏覽數(shù)、購買用戶數(shù)、訂單數(shù)、銷售額、訂單單價；
2、按照店鋪分組，過去一周每個店鋪的瀏覽數(shù)、購買用戶數(shù)、訂單數(shù)、銷售額、訂單單價；
在基于以上指標(biāo)進(jìn)行數(shù)據(jù)的統(tǒng)計，我們再進(jìn)行數(shù)據(jù)分析：
首先數(shù)據(jù)分析建模，我們知道電商類產(chǎn)品模型一般以事件（點(diǎn)擊，瀏覽等）用戶屬性進(jìn)行建模。然后我們進(jìn)行正式的數(shù)據(jù)分析：
方法一：多維度數(shù)據(jù)分析
我們需要定義一些事件，如取消訂單，提交訂單，支付訂單，瀏覽商品，加入購物車等等。
然后基于這些事件，我們需要一個指標(biāo)，比如說次數(shù)，總和。
可是我們知道光有個數(shù)據(jù)羅盤還不夠，我們需要對數(shù)據(jù)進(jìn)行細(xì)分，這里我們做了事件，指標(biāo)。所以還需要篩選用戶的屬性了，比如說城市，用的設(shè)備，支付方式，來源渠道。
這個方法，我們常用于用戶畫像，用戶行為分析，數(shù)據(jù)異常排查分析等。
方法二：轉(zhuǎn)換率數(shù)據(jù)分析
我們進(jìn)行一場活動，我們需要進(jìn)行評估，這二天注冊了多少人，訂單轉(zhuǎn)換率是多少，支付率是多少，我們就需要一個分析方法了。
從我剛講的我們基于事件分析，所以我們就可以定義一個事件，篩選時間，先定義事件（注冊），再次定義事件（提交訂單），在次定義事件（支付訂單），我們可以得到一個轉(zhuǎn)換率。
這個方法，我們常用于轉(zhuǎn)換率分析，也稱漏斗分析。
方法三：留存數(shù)據(jù)分析
留存分析正如字面意思留存，我們需要對一段時間的用戶就像數(shù)據(jù)分析，比如說我們搞了一個活動，我們需要看那段時間的注冊用戶，提交訂單的情況，第一有多少提交，第二天有多少人提交，第三天有多少人提交等。
數(shù)據(jù)分析一般為，我們還是根據(jù)我們的數(shù)據(jù)模型，首先定義一個事件（如注冊用戶），在次定義一個事件（如提交訂單）得到一定事件的比列。
這個方法，我們常用于觀測一定事件的留存情況。
方法四：活躍或回訪數(shù)據(jù)分析
我們知道，我們定義了用戶的行為數(shù)據(jù)分析了，可是我們需要看一段時間的，一個事件的使用次數(shù)，或者某個地方的用戶使用情況，那我們怎么辦呢。這里就是我所說的活躍數(shù)據(jù)分析情況了，
我們首先需要定義一個事件（如注冊用戶），在定義一個事件（如提交訂單）的情況（這里一般為次天數(shù)），然后我們篩選用戶的事件為什么，得到一個數(shù)據(jù)。
這個方法，我們常用于調(diào)查用戶使用情況，也是衡量一個用戶活躍的關(guān)鍵數(shù)據(jù)分析指標(biāo)。
說了這么多，我們這些能干嘛呢
1、數(shù)據(jù)異常排查，細(xì)分逐一查看
2、關(guān)鍵頁面的轉(zhuǎn)換率提升
3、活動的情況評估，渠道數(shù)據(jù)分析評估
