产品数据分析常见的坑（1）

数据无时不在，无处不在，数据分析的节奏和颗粒度把握不好，会让我们迷失在数据海洋当中。就像游泳的时候，初学者往往掌握不好换气的节奏，看此很奋力的划水，不仅无法前进，还会呛水，白白消耗了体力。

一般而言，数据分析的节奏，按时间划分，有以下几类：

【案例1】

从10月16日到11月20日，26个工作日，出了23篇产品功能分析报告。这是很典型的分析节奏不对，把产品分析做成了监控的频率，导致其中很多报告，都只是数据描述，对问题的分析和挖掘深度不够，无法告诉我们产品优化的具体方向。

目标和结论是数据分析起点和终点，明确的目标才能引导出正确的结论。

这里并不是说要预设结论，再拼凑数据去支持这个结论，而是说要明确一个数据分析要解决什么问题（目标），围绕这个问题进行分析，才能知道解决方案（结论）

【案例2】

在关于某功能使用的分析中提供了2类数据：

1） 活跃用户和特定场景中，使用该功能的两种情况对比：

2） 使用该功能的2种使用路径占比

结论部分内容如下：

从以上结论看，只针对了使用路径数据提出了建议。对于使用场景数据说明之后，并没有产生价值的结论。

针对某一功能分析而言，目标主要有2个：

1、 该功能对整体产品的价值。包括该功能相对于产品其他功能，是否有更高的使用率，是否是核心的功能点，使用该功能的用户是否更加活跃、留存率更高。

2、 该功能是否需要优化和改进。比如功能使用的转化漏斗分析，分析各环节转化率是否有提升的可能性。

结论自然就是针对以上2个目标分析后，给出的解决建议。

上述案例2中，如果针对目标1进行更深入的分析，应该可以的到更有价值的结论