数据、数据敏感度和数据分析能力在当今的生活和工作中越来越重要，而不仅仅是数据分析师应该掌握的独特技能。其实对于运营、产品等大部分岗位来说，数据分析能力都有其意义。今天想和大家探讨一下产品迭代前数据分析的意义。
迭代前我们一般做什么？就我而言，主要是问题发现和需求评估。
发现问题，会要求我们去发现目前线上产品存在什么问题，收集和问题相关的需求，找出需要解决的问题需求评估，会要求我们从众多的问题和需求中，进行优先级的评估，确保在有限资源下选出最有价值的需求。而“数据分析”可以在这两个环节为我们提供数据支持，并作为本次迭代的数据基础来指导我们的产品设计过程。
发现问题“数据”如何帮助我们发现问题？我们可以通过分析“数据变化”来分析和排查问题。
问题往往伴随着数据的变化。所以首先要发现“数据变化”，了解数据变化带来的数据现象的意义。常见的数据变化有三种，有峰/谷；出现异常；增长/下降趋势。
(1)峰/谷:
现象:出现阶段峰值或阶段低点。
意义:意味着数据的拐点出现，数据的趋势开始发生变化。
(2)异常值
现象:与前一段时间相比，数据显示悬崖明显增加或下降。
意义:表示数据波动剧烈，原始数据的趋势被破坏。
(3)趋势增长/下降:
现象:它代表了数据在很长一段时间内的趋势。
意义:可以用来预测未来的趋势。
通过观察数据变化，可以从不同数据变化的显著性来推断当前业务在数据层面的响应，了解和发现业务的变化。
其次，明确数据变化的原因，是产品的外部因素，还是产品内部带来的变化。
外部因素：外部运营事件，节假日，热点事件驱动等；内部因素：产品内运营活动，新功能上线，产品统计规则改变等。最后根据原因，分析数据变化的影响，是否需要干预，并提供解决方案。
让我们来看看我们公司的一个案例。下图为19年12月1日至13日浏览某页面的用户数(数据已脱敏)。
访问量(PV)
按照上面提到的步骤分析一些问题:
第一步，发现异常值，该页面浏览次数日常稳定在100-200的范围内波动，很明显可以发现在12-03和12-12出现了两个异常数据；第二步，界定出现异常值的原因，通过外部和内部因素的自我排查，发现异常值出现的时间是双十二预售和双十二时间节点符合，确定数据变动的原因是双十二大促带来的；第三步，分析是否需要介入干预，该数据波动符合电商行业规律，属于正常现象。让我们看另一个案例。还是那一页。1919年12月23日-27日，浏览一个页面的用户数(数据脱敏)。
访问量(PV)
用同样的方法来分析:
第一步，发现异常值，该页面浏览次数在12月27号后出现断崖式下跌，浏览量从125骤降至16，并连续3天保持10-30之间波动；第二步，界定出现异常值的原因，通过排查发现，异常值出现前，数据接口出现问题，数据连续几天更新缓慢，部分数据未更新；第三步，通过原因可知，属于产品出现bug，需要介入干预，通过修复数据接口更新的问题，后续用户访问量回到了原来的水平。上述通过“数据改变”定位问题的简单应用。在发现问题的过程中，主要是分析“数据变化”反馈的业务情况来发现问题，定位问题，提供解决方案。
需求评估需求可以无限增长，但是公司的财力、物力、人力都是有限的。当有限的资源面对无限的需求时，我们需要对需求和问题进行评估，评估最迫切、最合适的需求来实现它。需求评估是一个信息和分析的过程。脑子里的思维有点空洞，通过数据把每一个需求转化为实际的价值，让每一个需求的价值更加清晰。
通过下面的步骤，我们用“数值”来具体评估数据。
第一步，通过“数据假设”假设需求实现带来的价值
收益：需求实现能带来多少的收益。假设需求实现可以带来多少用户，多少订单，多少传播等，并根据历史情况，转化为实际的现金数值，例如带来1个用户可以为公司创造实际人民币XX元。成本：需求的实现需要多少的成本。假设需求实现需要投入多少人力成本，多少机器成本等开发资源，并根据现实情况，转化为实际的现金数值，例如实现某个需求，需要投入几个同学的多少工时，每个同学的平均工时工资是人民币XX元。价值 = 收益的现金数值 -成本的现金数值。第二步是假设“数据假设”如果需求没有实现会造成多大的损失。
流失:有多少流失是因为需求得不到满足造成的。假设损失多少，有多少用户，需求没有实现会损失多少订单等等。，并且会转化为实际的现金价值，比如一个需求没有实现会流失多少用户，流失一个用户会给公司带来XX元的损失。
第三步，在前两步中，我们为每个需求带来了具体的价值和损失数据，借助“四象限”划分，可以评估每个需求的优先级别。
纵坐标-价值：需求实现带来的具体经济收益；横坐标-流失：需求不实现带来了具体的损失；分成四个象限：“高价值-高流失”；“低价值-高流失”；“高价值-低流失”；“低价值-低流失”。
需求评估四象限图
通过象限法，每个需求的优先级非常清晰。第一，需要关注“高价值-高损失”和“低价值-高损失”两个象限的需求。因为负面影响永远是最迫切需要解决的，产品可以暂时输出，提供不出新的价值，但导致高损耗的漏洞和问题，如果不解决，往往对一个产品是致命的。比如“支付宝”有一个“提现后余额没有减少，可以重复发起提现”的漏洞，对支付宝来说就是致命的。
其次，可以关注“高值低损”象限内的需求。这种需求是我们产品可持续发展的主要需求，可以为我们的产品不断增加产品价值。
最后，“低值低损”的需求可以暂时搁置，存放在需求池中，因为这个象限的需求对产品影响不大。
回顾一个案例，双十一前一个月，客服同学向产品同学反馈，一些现有客户和咨询客户(潜在客户)提出希望在双十一前提供“大数据屏”的功能。确定需求后，产品同学对这一需求进行了分析，并对实现“简易版大数据屏”的价值和损失进行了评估。
第一，实现这个要求的价值是什么？
通过“此需求”用户占近期反馈用户10%的反馈，推断“此需求”上线后可带来100+订单(新单+续单)，平均客单价400-500，直接收益= 4万元。实现这个需求最大的成本是人力资源的成本，需要一个R&D同学加一个测试同学两个星期。
假设平均工资10000元，支付的成本大约是20000/20 * 10 = 10000元，这个需求的直接价值是40000-10000 = 30000元。
第二，如果放弃这个需求会怎么样？
老用户反馈“这个需求”的比例最近一段时间是10%，因为没有涉及核心功能点，推断放弃“这个需求”只会让极少数用户放弃续约，转投竞品公司。估计丢失的订单不到10单，丢失损失= 4000元。
再次，根据“象限法”，可以评估出需求属于“高价值低损失”象限。
结合目前的资源和本次迭代没有“高损耗”象限跟进的要求，产品同学决定将“此要求”说出来纳入本次迭代，最终在11月前上线，为产品带来良好的订单量，实现客观的经济价值。
总结在迭代之前，我们在数据分析中主要使用了对比法、假设法和象限法。利用这些分析方法，从数据中推断业务情况，及时发现问题，并把需求转化为实际价值，分清轻重缓急，保证资源用在最需要的地方。
本文由@ Noon原创发布于蜘蛛智慧链，未经作者允许，禁止转载。
图片来自Unsplash，基于CC0协议。
