关键词：数学与统计学院 图灵数学 统计学丛书 武大数学与统计学院
产品经理很少是统计、数学等专业出身，面对繁杂的数据分析时，如何科学的分析数据呢？
而统计、数学等专业背景的人来担当产品经理，有何优势和劣势？
有的大公司有专业的数据分析挖掘人员，那产品经理如何和他们搭配合作？有的创业公司，没有专人充当数据分析，产品经理如何处理好数据、用户、产品等一系列工作呢？
感觉产品经理需要有：统计学、心理学、设计、程序开发、市场营销等各种专业知识，但如果只是其中一项精通，其他几项业余水平，这样能胜任产品一职吗？
【张亮-Leo♂的回答(15票)】
感谢邀请。最近一直在生病，基本晚上都很早休息，没有时间上线。
好吧。产品经理做数据分析，并不是从一堆原始数据里面扑拉出一堆数字，然后进行统计、分析。而更多的是在已经做好的数据上对数据与产品的关系上进行分析。
这样的分析，其实很多是现象-数据-现象这样并不复杂的联系，如果一定要每个产品经理都在数据分析上玩儿出花儿来，那让数据分析人员来做产品经理不就得了。
这里的关键在于，产品经理应该了解利用各种资源和资料，包括数据、设计、心理等各种层面的知识，帮助自己做好最重要的工作，即产品设计与运营。其他的都是扯淡。
【GentleYang 杨振涛的回答(12票)】
数据分析有很多层次，并非所有做数据分析的人都必须数理统计相关的专业出身才行。
- 一般意义的数据分析，尤其是中小企业，传统的是对以往销售数据分析，辅助决策下个周期的采购或营销计划等。
- 随着互联网的发展，个性化推荐与广告推送需求凸显，B2C也直接让数据的价值越来越明显，所以就有了很多数据分析相关的职位；而这些工作的胜任，只需要基础的计算和统计培训，再加上常规excel或者专业统计软件的基本用法的练习即可；相比而言对业务的理解能力更加重要，数据分析只是手段。
- 真正数据挖掘相关的数据分析，或者说垂直领域的侠义的数据分析，就是指数据挖掘，从问题识别，建模，算法设计与计算求解，到后期 验证，对比分析，结论报告等，是将数理方法应用于实践问题的复杂过程。比如 我从事过的生物信息数据分析，面对的是ATCGAGAGAG这样的序列数据，一个人的基因组约3G，测序出来后会有N个乘数，也就是 3G x n，这是原始数据；基于此开始一系列常规的分析，然后每个细分的方向，各个小组开展各自的分析；出了常规分析，可能还需要从现有的数据中挖掘新的信息出来，尽可能地寻找与表型可能关联的“本质原因”，只有建立很多的关联可能性，才可能将基因组数据分析结论应用于个体的健康检测或疾病诊疗。这个层次所要求的不只是会使用statistica, R,SPSS,SAS这么简单(此时往往SPSS,SAS都不满足需求，大多用于工程类或实践性强的场景)，具备本科或研究生水平的数理统计专业知识背景，还要求全面的系统知识、丰富的实践经验、极强的动手实践能力，等等。 最简单的例子，你所面对的问题是：一个癌症病人，你拥有他的基因组数据，你能为他做些什么？ 虽然看起来很宏大，但实践起来也是一个一个的工作任务执行的。又比如，我做过的一个数学建模：油田5年规划。 一个油田的产油量取决于很多因素，往往一口井开始时产量高，然后逐渐降低；油田为了稳产或持续增产，会采取N多措施。 如果在5年中合理采取N中措施，保持整个油田稳产或持续增产？已知过去的产油量数据。 这是典型的实践中的数据分析案例，结合了模拟、建模、预测、规划等问题，可以采取多种方法设计多种方案对比验证，最后给出报告。[ 实践中也确实如此，一个地方政府或部门的投资分析或财务规划就更典型了 ，类似的都属于“指定目标、优化分配资源以达成目标”的范畴。]
综上，粗略地划分3个层次。LZ所谓的产品经理级别的数据分析属于level 2 。此类书籍可参考《数据分析之美》，《谁说菜鸟不会数据分析》等。
【且歌的回答(12票)】
这个问题像是“怎么看待不懂钛合金螺旋桨铸造工艺的人过年坐飞机回家”。。。
其实我们常见的互联网数据分析，并不需要太多技术背景，更重要的是对自身业务的理解，和数据化运营的科学态度(我勒个去…)
两年前我是从程序猿转到数据分析师的，不过不是因为会数据挖掘神马的高科技，而是因为感觉没有数据支持的推广和运营太不靠谱了，大把的钱投广告，大把的钱搞在线活动，你都不知道效果怎么样，心虚啊。。。
我理解的数据分析师，应该是了解业务，从业务需求出发，衔接数据挖掘等技术团队，获得所需的数据，通过自身对业务的理解得到答案，为相关业务部门提供指引的。
我们会发现这个角色并不需要太多技术基础，而是要深入的了解自己的产品。知道网站的流量都分布在哪些产品、每个产品的流量又分布在哪些功能和页面，要知道网站的流量来源、不同来源的用户行为有什么区别、喜欢哪些功能和内容。。。有了这些了解，他看到数字以后才能告诉你，数字背后意味着什么，让数据发挥它的价值。
然后我们回过头来看，上边那堆东西，不正好是一个产品经理应该了解的吗:)
【李虹铭的回答(4票)】
只要清楚自己想知道哪些数据之间的什么样的关系就可以了，并能够准确表达给专门的数据分析师，由他们出报表。
人的时间是有限的，数据分析也不是产品经理的主要工作，所以不能要求自己对这方面很专业。即使没有专业人员帮你，玩好google analytics也够用了
【马力的回答(3票)】
简单的说
需要用的时候，就学呗…
不要太把“专业背景”当回事
就想想，在你的专业里，上几年大学真正学到核心的知识，有多少？
要做定量的分析，去找本应用统计学之类的看看，基础的统计学知识挺易懂的
要做定性的研究和掌握各种研究方法，也有一堆书可以读，在实践中探索一下
最重要的是联系实际+应用+学习
不要以为玩几个模型、顶个学位就叫“专业”了
真的需要非常专业的数据挖掘和统计分析时
就去请真正聚焦在这个上面的人做吧
如果没人做又真需要呢？就自己再学深点…
前几天和一个朋友聊，真正做产品的时候，别去想你以前是做技术的、做设计的还是其他的
你就是要做好这东西
缺啥补啥，做好就行
【邢硕的回答(2票)】
和专业背景关系不大，欲望，如果你热爱你的产品，你会想尽一切办法，掌握好数据分析这一技能，做好自己的产品。如果不热爱，哪怕你是数据分析牛人，这种技能对产品也毫无用处。
【马无名的回答(2票)】
业务水平很容易培养，但是专业领域，诸如数学等是很难再工作中培养的。好多数学方法和思想不是一朝一夕可以学会的，比如建模，比如抽象问题的能力。
另外也需要一些基本的编程能力，比如给你10G的文本文件你怎么处理？ 产品经理不是神仙，仅靠热情是不够的，一些高端职位还是需要专业的人才来搞定。
如果用不起这样的人，干脆就不用设岗，一个不靠谱的人分析的结论你敢采用吗？
【郭瑾的回答(2票)】
产品分析生物链：
1.产生需求-2.整合需求-3.数据实施-数据分析（报表+深度分析）-4.分析结果传递-5.产品经理应用-6.数据应用反馈；
整个过程中2、3是数据分析专业人员做的，但需求的提出、整合、沟通、应用反馈几乎是产品经理主导的，没有靠谱的需求就没有靠谱的分析更不可能有靠谱的应用了，所以：
1. 了解数据的基本概念与原理，因为数据也会撒谎，同一纬度的统计不同会产生完全不同的结论；
2.多看数据，数据的感觉与产品和其它艺术一样看多了培养起来的；
3.与分析师多沟通需求，把需求弄清楚细分挖掘比做一百个似是而非的需求强，宁精勿烂；
4.清楚业务之间的逻辑关系，数据从来不是独立的需要不断的看各数据间的关系，找出规律得出结论，有时候逻辑错了，方向就反了；
5.不要迷信数据但也不要轻视数据，欠久了基础到时候需要的时候可没那么好补；
6.数据分析是把那些隐藏的你看不到的真象给清楚的表达出来，是高效直接有力的，如同神经网络一样，数据分析不断的沟通过程是学习的过程，比较成功的分析结果是这个学习过程是成功的，最终的预测结论便是成功的，这个学习过程无逻辑可参考性低当然预测也就失败了。
【茉茉的回答(2票)】
他們什麼都知道，還要我們這些專門學統計的幹嘛？
【黄中旭的回答(1票)】
不搞数据挖掘，涉及不到什么统计算法，产品经理需要知道哪些数据与产品目标相关，数据如何帮助产品确定策略就行了，复杂的数据统计工作交给专业人士就可以，当然基本的EXCEL操作是必须的，不然怎么做月报，年度报告呢？
【织田信长的回答(1票)】
我来分享一段微博。
@陈果IBM：
IBM刚收购了牛叉的零售“价格优化软件”Demandtec。记得看过篇Forbes文章，某连锁店纸尿布销售缓慢，盈利能力低，求教于此牛软，通过分析历史销售、竞争对手和消费者数据，新生儿尿布价格卖得更贵，大孩卖得比竞争对手便宜。一年后，此品类销售上升27%，利润上升2%。地球人已没法阻止IBM的BAO脚步了。
同理于有一个超市通过把啤酒放在尿布旁边，来同时提升两者的销售额的一个闲谈故事。
从数据中看出人味，再得以利用。这是很多职业所需要的素质。
【金礼剑的回答(0票)】
数据分析只是产品经理的一项技能之一，但是PM没必要一定要与BI专业。
PM更重要的基于业务上的充分了解基础上，用数据分析结果去发现产品存在的问题，为下次产品迭代做好准备。
有时候数据会说谎的，发现数据存在的问题，如何正确的运用分析结果，这才是产品经理的数据分析重中之重。
【赵宬博的回答(0票)】
我觉得产品经理即使没有学过统计学等数学只是，只要会电脑EXCEL，也就差不多了。再说当下没有几个产品经理会吓到数据处理第一线吧，他们都应该是得到数据处理人员的整理，而后继续加工的。产品经理可以从数据中看到产品的前途，看到其价值的大小。
【梦猪头的回答(0票)】
一、统计数据的思路 比 统计数据的技巧或能力更重要;好的产品下配备专业的数据分析员；
二、一般的产品只需要普通的EXCEL技巧就能完成常量的数据分析；不需要SPSS；
三、一般的本科生都具备一定的统计学知识，能应付多数产品的统计调研分析；
四、学习能力是产品经理必备素质，快速学习，现学现用
【丁晨的围脖的回答(0票)】
也分很多角色，现在还有一个PDM的角色，就是产品数据经理，当然有数据统计的背景更好，没有的话，以产品经理自身的能力，应该也能拿到自己想要的结果，分析是过程，重点是结果
【巫支祁的回答(0票)】
“感觉产品经理需要有：统计学、心理学、设计、程序开发、市场营销等各种专业知识，但如果只是其中一项精通，其他几项业余水平，这样能胜任产品一职吗？”
——————————————-
回答一下你最后一个问题：
你提的这5项里，市场营销排第一，设计排第二。其它都不重要。
【张帅的回答(0票)】
看到了有些回复质疑统计学和其他数理方法的应用，而且原因是因为他不够了解这些方法。既然是“数”据，就不能仅仅是文字或者用傻瓜软件处理一下，而是用相应数的逻辑（统计里叫做数据分布背后的东西）来发现有价值的规律。这个数的逻辑，软件并不拥有。虽说这些逻辑方法不一定在大部分情形下都是最好的，至于后来用文字描述其中的哲理，这是报告的部分，不在黑盒子里了。
豆瓣阿北曾经提出一个“15分钟名组”问题，推荐给知乎网友们做一个相关思考。 http://blog.douban.com/douban/2006/03/08/62/
【dulvyizhihua的回答(0票)】
是为产品成功负责，有能力做数据分析或是挖掘的话最好，没能力就让专业领域的人来做，产品经理根据统计结果再做后续计划，各司其职，最终产品成功大卖，产品经理也是很成功的。
【光芊源的回答(0票)】
仅对技术的要求来看
1.查数 = 数据分析（知道pv,uv,点击流，能写sql和脚本扫log）
2.在1T的log级别上查数 = 大规模数据分析，用户行为分析（要用hadoop了）
3.用svm,朴素贝叶斯，knn一类的，不能叫数据分析了，叫数据挖掘了（R，matlab，python科学计算等）
技术其实不重要，关键是对业务的理解
【卞国兴的回答(0票)】
企业中用数据来分析和解决问题，问题也许是很复杂的，但是问题的解决方法却不能复杂化。数据分析有一个很重要的功能，就是要用大家都能理解的数学语言来做沟通，除非是专业研究性质的分析工作和分析团队。不懂业务就做数据分析，很致命，工作中遇到很多人，拿着大学里学的数学方法或者模型，就以为可以做工作了，分析的结果必定价值很低，而且不少人都不喜欢钻研业务，始终处在技能和业务的中间游离状态。所以我目前的体会是，大多数企业以解决问题为导向的数据分析，一定要逻辑清晰，精通业务，善于发现问题，这是最核心的能力，而这正是产品经理的优势所在。
【罗一洋的回答(1票)】
干具体活的绝对不是经理，不然手下要来干嘛的？
经理只需要懂得道理，会判断，能决定即可。
这不是经理，这是技术员……
