大家都知道在一些大场合、大环境下，数据是最有说服力的。而对于一名产品经理而言，工作中使用“项目进度30%”等数据会比文字阐述的任何问题和进度都更准确、更直接，当然，数据也要求不能是随便编造，不切实际的。今天我们就来看下一下产品经理为何需要用数据说话？该怎么避免产品数据分析中的坑？

产品经理需要用数据说话

对于产品经理而言，完全拍脑袋、凭感觉、凭经验做决策的时代已经过去了，产品经理必须掌握数据分析技能、用数据说话！

（一）通过数据分析迭代产品

在用户研究的过程中，很多产品都会把自己换位成用户来思考。出发点是好的，但是也很容易陷入误区中；因为 任何模拟都是蹩脚的 ，思维定势决定了产品经理无法靠想象来 100% 还原用户的真实操作行为。可以说，用户是很奇怪的，从不按套路出牌；你需要不断通过数据来观察他们的兴趣点，而不是坐在办公室模拟或者假设。

（二）通过数据分析洞察用户

产品的每一次迭代和升级，都需要评估效果，以便今后改进。如果仅仅是凭借产品经理的肉眼观察和主观感受，下一个「用户反馈很好」、「用户很喜欢这个新功能」类似的结论，是很苍白无力的。更多时候，会因为主观感觉而产生误判。

（三）通过数据分析验证产品

如何验证一个新功能好还是不好，这个需要数据来说话。除了产品本身的指标，产品经理还要关注产品或者企业的商业目标，毕竟产品最终还是为这个负责的。Facebook 这么大的企业都在贯彻着数据驱动的思路，我们又何尝不应该呢？

产品数据分析如何避免踩坑

对于产品经理来说数据分析很重要，但是又该怎么做呢？数据分析如何避免沦为形式，又该如何避免踩坑呢？

（一）明确做数据分析地目的

产品所做的数据分析看起来大而空，其实是最容易犯的错误。产品经理应当注意，分析某项数据是要解决一定问题或作为某项决策的依据。不能只做单纯分析，分析目的是什么都不知道，又怎么能从图表中发现问题？甚至，又怎么能做出有针对性的图表呢？很简单的例子就是，不知道要解决什么问题，要针对哪些用户群体，选择的样本容量不对，错把某一类型数据当成全量数据或抽样规则制定错误，直接导致错在起跑线上。

（二）避免先入为主，保持客观分析

大部分时候，人们总是更喜欢看到自己想看到结果，即先入为主或者预设结果。产品经理在做数据分析的时候，也容易出现这样的预判，数据分析往往变成为为自己的观点找论据。

比如新功能上线，管理层希望用户活跃度可以提升 5%；那么此时产品经理在做复盘的时候就会过分关注眼下的 5%，而忽略可能 50% 的增长机会甚至无视其他负面的影响。

（三）不要过于注重数据表象

系统化的数据分析报表才能够更好的反映出产品或服务存在的问题，要结合营销性思维来分析数据。否则，即便报表做的再漂亮再专业，也只是纸上谈兵。数据分析逻辑错误，因果关系错判，方向错误结果自然也不理想。就比如，我们会通过提高用户体验来提高产品转化率。但是，反之，转化率高就代表用户体验一定好吗？答案是无法确定，因此，做产品数据分析时应注意不要注意数据表象。

（四）数据分析不是一锤子买卖

产品经理数据分析的最终目标还是指导产品和用户增长，帮助企业增加利润。产品新人在做数据分析的时候容易将数据分析的终点归结于数据报告，以为写完一份产品数据分析报告就等于做完了一次数据分析。数据分析驱动产品和用户增长不是一锤子买卖，而是一个不断迭代的过程。产品经理应该在「用户数据-数据分析-产品优化」的循环中不断锻炼自己的数据分析能力，将目光聚焦于产品优化&用户增长。

工作中处处留心，可以避免走入很多的误区。产品经理要会数据分析已经是大势所趋。我们不能因为有的人将数据分析形式化就否定数据分析的意义，只有正视数据分析、避开误区，数据分析才可能发挥它的最大价值。而且产品经理每一个决策几乎都要牵涉到很多方面。磨刀不误砍柴工，多想想再去做，说不定效果更好。