這是最常見的一種方式，需要一定的編程基礎(chǔ)。不過現(xiàn)在也出現(xiàn)了一些采集器，如GooSeeker很大程度降低了門檻。

6）市場(chǎng)調(diào)研：

自己動(dòng)手豐衣足食，大學(xué)時(shí)候做論文沒少做過問卷調(diào)查，這里方法不再贅述。

三、數(shù)據(jù)分析的三觀

1）分析目的要明確：

數(shù)據(jù)分析一定要圍繞著目的進(jìn)行，而不是單純的擺數(shù)據(jù)。

2）掌握一定的數(shù)據(jù)分析手法，但是不要沉迷于手法：

數(shù)據(jù)分析的手法有很多，基礎(chǔ)的一定要掌握，如對(duì)比分析、分組分析、交叉分析、結(jié)構(gòu)分析、漏斗圖、因素分析、矩陣關(guān)聯(lián)。而高階的數(shù)據(jù)分析手法如邏輯回歸、主成分分析、因子分析等，一般作為產(chǎn)品經(jīng)理（非數(shù)據(jù)方向），用到的會(huì)比較少。所以可以做了解，有興趣的可以深入鉆研。但是要明白一點(diǎn)并不是手法越高級(jí)分析越準(zhǔn)確，合適的方式才是最準(zhǔn)確的。不要過分沉迷于高級(jí)手法，以分析目的為導(dǎo)向。

3）數(shù)據(jù)分析要結(jié)合業(yè)務(wù)：

產(chǎn)品經(jīng)理相對(duì)于數(shù)據(jù)分析師的優(yōu)勢(shì)就是更懂業(yè)務(wù)。懂業(yè)務(wù)有什么好處呢？可以很輕易的理解數(shù)據(jù)分析師可能理解不了的一些數(shù)據(jù)的關(guān)聯(lián)性。如著名的“啤酒”與“尿布”的案例。結(jié)合業(yè)務(wù)進(jìn)行數(shù)據(jù)分析，才能更好理解數(shù)據(jù)背后的真相。

四、數(shù)據(jù)分析的工具

數(shù)據(jù)分析的工具沒有孰好孰壞，適合自己的就是最好的。介紹一下我們常用的數(shù)據(jù)分析工具：

1）Excel：

我們最熟悉的Excel是一款出色的數(shù)據(jù)分析工具，雖然大多數(shù)人只是把它當(dāng)成表格?；旧弦呀?jīng)夠用了！但是畢竟不是為統(tǒng)計(jì)而生的軟件，如果常使用高級(jí)分析手法的人會(huì)覺得不順手，因?yàn)橐恍┯?jì)算沒有被封裝好，還得自己寫。不如直接用專用的統(tǒng)計(jì)工具。

2）SPSS：

毫無疑問，說道統(tǒng)計(jì)工具無人不知SPSS，統(tǒng)計(jì)必備，提供了很多分析方法。

3）Python：

Python明顯和上面不是一個(gè)類別的玩意兒，為什么我把它列出來是因?yàn)轭A(yù)測(cè)型的數(shù)據(jù)分析離不開機(jī)器學(xué)習(xí)，說道機(jī)器學(xué)習(xí)就不得不提python，至于為什么是python不是本篇重點(diǎn)，有興趣可以自行查找相關(guān)材料。python主要推薦anaconda，它解決了各種數(shù)據(jù)科學(xué)的依賴包，對(duì)于不熟悉python的人簡(jiǎn)直就是福音。

4）R：

R就是為統(tǒng)計(jì)而生的語言。專業(yè)性較強(qiáng)，適合統(tǒng)計(jì)學(xué)背景的大神使用。

5）其他：

JMP、SAS、XLstat等等。有興趣可以自行查找資料。

本文由 @?躚塵 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來自PEXELS，基于CC0協(xié)議