前言：
想成为一个好的数据产品经理，不仅要有产品意识，还要有好的分析思路，因为一个数据产品需求大部分都是由分析需求固化而来的。数据产品和数据分析是分不开的。一个好的数据产品经理，只有掌握了常用的数据分析框架和方法，才能使做出来的数据产品让数据分析师和业务人员使用得更顺手、更贴近业务。
在进行数据分析之前，我一般都会先想一下分析框架和分析方法。有了一套数据分析方法，就能解决大部分分析需求，并可以把分析需求固化为数据产品。
在进行数据分析之前，我一般都会先想一下分析框架和分析方法。有了一套数据分析方法，就能解决大部分分析需求，并可以把分析需求固化为数据产品。
总结下我工作上常用数据分析的做法：
其实很多公司大部分的分析需求都可以通过常规分析解决，很多数据分析般把业务相关数据从Hve或者 MYSQL中导入 Excel，然后在 Excel t中通过简单的表格、线图等方式直观地分析数据。常规分析经常会用到同比和环比分析法与分类分析法，即分析对比趋势和分析占比情况。
同比和环比分析应用于数据产品中常见的有业务周报、月报、日报等。例如以我司比较关注的核心指标DAU(日活跃用户数)为例，周报里一殿都会计算DAU的周环比变化，如果上涨或者下跌得比较大，就要进一步查找分析业务原因。同比和环比的定义如下：
同比：某个周期的时段与上一个周期的相同时段比较，如2019年的9月比2018年的9月，本周的周一比上周的周一等。同比增长率＝(本期数一同期数)/同期数×100％。
环比:某个时段与其上一个时长相等的时段做比较，比如本周环比上周等，环比增长率＝(本期数一上期数)/上期数×100％
分类分析法一般以某一指标为对象，进行数量分析，以该指标各维度数据与总体数据的比重为依据，按照比例大小顺序排列，井按照一定的比重或累计比重标准，将各组成部分分为多类。例如，电商20%的优质用户提供了给了公司百分之80的收入，而80%的用户只提供了20%的公司收入。很多事情都符28定律。于是可以把此规律应用在业务上，合理分配时间和方量到优质类(即总数中的少数部分)，将会得到更好的结果。当然，忽视B类和C类也是危险的，但是它确实得到与A类相对少得多的注意。
例如，在分析支付订单量的数据中，对各个城市的支付订单量做分类分析法进一步分析，如发现武汉，杭州、上海等地的支付订单量占比很大，这样就可以在运营活动中进一步关注占比比较高的城市，重点支持这部分城市的活动推广