下面是小编帮大家整理的从事数据分析方向产品经理进哪个公司比较好？，本文共8篇，希望对大家的学习与工作有所帮助。
篇1：从事数据分析方向产品经理进哪个公司比较好？
请教各位互联网前辈，可以从发展前景等各方面说说看法^_^
[从事数据分析方向产品经理进哪个公司比较好？]
篇2：产品经理如何进行数据分析
对于产品经理而言，看明白数据是一件很简单的事情，但是要想从数据中挖掘其背后更深层次的内涵，看懂数据背后的逻辑是一件非常不容易的事情。往往一个决策的成功或失败，总能归咎到对数据的理解上。
值得欣慰的是，随着接触到的用户越来越多，对于用户心理模型和业务逻辑的理解越发的透彻，产品经理对数据的理解能力也将越来越强。
1、不配看数据
产品经理对待数据的态度不应该像市场分析者或财务人员一样。我们看数据，更多是需要了解数据背后用户的行为逻辑和期望需求。这就要求我们看到数据的时候，必须第一时间想象到用户是如何创造出这些数据的，为什么会创造出这样的数据。
作为一个产品设计者首先必须告诉自己：“I’M Not User” ，如此同时还要再把自己模拟成一个平凡的用户，不停的反复的去用自己的产品，和同类产品。我向来认为，一个做移动互联网的产品设计师，不有事没事换手机 玩，不是好的产品设计师;一个电子商务的产品设计师，不每周在网上买一件东西，不是一个好的产品设计师。
在某个用户体验设计的会上，某知名教授大讲他所在公司搞到的facebook的数据，说他的理解、说他的分析，说facebook如何没戏。刚开始 听着蛮有根有据，后来越听越不对味，突然他冒出来一句“虽然我从来不用facebook”… 我当场昏厥。这种人，不配分析facebook的数据，更不配去评论。、
要想有资格去看数据，通过数据给产品设计提供有效的依据。方法很简单，也很有效：把自己当作一个平凡的用户，不停的用自己的产品，和同类产品。有，且只有这么一个方法。
2、为了看数据而看数据
和做可用性测试一样，测试之前不能说没有“关注点”，发现什么就是什么。那样什么也发现不了，即使发现了，价值也不大。数据拿到手里，没有目的的去看，不如不看。
在做产品设计的数据分析之前，首先应该搞清楚自己需要什么样的数据来说明什么问题。一个数据对于不同的产品、不同的环境、不同的用户类型，得到的结 论应该是不一样的。传统的市场研究中，对于数据的分析往往是根据“硬属性”，比如他们对于用户的分析基本都是根据“人口属性”的数据，他们得到的结论也很少结合现实环境。这样的结论，对于(互联网的)产品设计基本上没有太大的参考价值，特别是如今个性化需求越来越强，用户行为越来越独特的时候，“人口属性”很不能代表用户背后的行为逻辑。
比如，想了解“有购物搜索需求的网民”具备的主要特征，这个时候“年龄、学历、性别、收入、婚姻状况、消费能力、信息获取方式、上网条件、..”可能都是对我有参考价值的数据，但那些才是最重要的呢?分析后很快就可以发现，比较而言“年龄、收入、上网时间、上网条件”都不是最重要的，“消费能力”、“信息获取方式”在这里才是最重要的特征。这些数据背后才更能代表用户的行为逻辑和需求。(如果不是很明白这个结论，稍后再《Desing IT.》第8篇左右会谈到)。
3、不筛选数据
做一个优秀的设计者，首先必须善于“提问”。“提问”的水准和设计水平基本成正比。要什么样的数据，什么样的数据可以帮我解决这些问题和疑问？这个很简单，一罗列你可以想到很多很多。但，事实上数据类型到达一定数量后，类型越多，反倒越不利于对于结论的判断。因为，不同数据类型之间会产生相互的干扰，有些时候次要问题可能会战胜主要问题，影响最终的结论。
在实际项目中，解决了主要问题，次要问题可能就会很自然的被稀释了。获取数据也一样，必须搞清楚什么样的数据最能说明这个问题?确定这些会使分析过程的精力更加集中。把主要的几个问题想穿、打透，其他问题很快就会迎刃而解了。
很多时候不是解决不了问题，而是想解决的问题太多；很多时候不是数据不够，而且想要的数据太多。还比如，想要了解如何解决“购物搜索”的需求，其实 只要关注好“信息获取方式”、“消费能力”、“决定购买的因素”基本就能解决很多问题，盯着“用户是男是女，8岁还是80岁”，只能是耗费精力。
不去筛选数据，还有一个很大的危害就是：“因为没有筛选，所以不能把关心的数据点看透彻”。
比如，很多人都在夸开心网的推荐做的好，很多用户在上面找到了自己的“同学”，于是定论为“算法的技术好”。其实如果专注关心“开心网为什么打通用户关系这么快”的人，经过详细分析后是不会得到“技术好”这个结论的。根据我的观察，我比较赞成麦田的结论：“开心网把校友录的数据库用进去推荐算法里面了”， 我甚至认为开心网的推荐里面不只是用了“校友录”的数据库，还有更多其他数据库。 (麦田对于数据的分析虽然是偏市场和运营性的，但其实对于产品设计的促进一样很大，而且他确实是一个观察数据很细，研究数据很深的人)
4、不关注数据采集的方式和方法
当我们为某个项目寻找方向或者确定某个决策，需要一些数据的支持，以便了解状况并确定思路。这个时候，不仅需要给出“需要什么样的数据”这个需求，同时还应该包括如何得到这些数据。
很多时候，我们只提出需要什么样的数据，并不去提出要求如何得到这些数据的方式、方法，完全依靠调研者的经验去获取数据，这是不可取的。因为这样来的数据对结果的帮助是不准确的，甚至往往会出现误导。因为调研过程中不同的方式方法，得到的结果会不一样。
比如，还是要做一个购物搜索的网站，你给出的“需求”不应该只是“用户目前获取信息的方式”、“搜索的商品类型”等，还应该包括数据的来源，以及获取的方法。现有搜索网站?问卷?电话?…
不同的方式方法，渠道，得到的数据是不一样的。不同水平的人采集到的数据结果也是不一样的。
往往我很同情国内的同行，大家能找到靠谱的数据真的少的可怜。就拿行业数据来说，基本上国内没有一家第三方机构可以提供靠谱的数据。XX统计局就不说了，比如商业机构艾瑞，他的数据丝毫不具备可信度。最根本的，我们可以去看看尼尔森在欧美(不要看国内的尼尔森，那是同样的不靠谱。跟他们合作过一次，东西做的一塌糊涂)的一些问卷，从问卷设计的逻辑、采集方式、统计方法，甚至包括“埋地雷”的方法，都高出国内这些数据提供商一大截。(比如一个细节：去 尼尔森在欧美的一些问卷试试，如果你是玩的心态，很快就会被说“谢谢你参与调查”。因为，他们很快就通过“地雷”判断出你并非真正的采集对象，很快就把你踢走了，而国内的你可以随便玩)
有些时候，如果实在没有办法，去做小量的抽样数据，也比那这些不靠谱的数据去分析强。
5、只用定量数据，没有定性数据
还说那个最老土的例子：
沃尔玛每天总重要的事是“想尽一切办法，把货架摆好，让顾客更快的找到，更快的走掉”。事实上，当他们的MBA(商业数据分析)人员通过庞大的数据处理系统发现，啤酒和尿布的销售曲线惊人相似的时候，他们其实只能得到一个“结论”。但，这些知识定量的数据，并不能挖掘出本后的顾客行为，以及为什么会造成这 个现象。这个时候，如果靠“分析”、“猜测”是不能得到正确结论的，方法只能是去结合“定量”的研究，通过具体观察和调研了走到用户身边，最终才能了解到 “因为，在美国一般都是男人去买尿布的，而在沃尔玛就算买1美元的东西也要排队半个钟结帐，男人们这个时候就顺手拿了啤酒犒劳一下自己”。
海量的定性数据，只能告诉我们结论，不能告诉我们背后的原因。同样，如果只有定性的数据，往往看到的现象可能是片面的，结论可能是有偏差的。
有时候，定量更多的是为了定性。
6、其他常见的数据分析误区：
（1）、只关心数据结果，不关心过程
比如，就知道那个广告的流量大，没注意那个广告比别的大三倍。
（2）、只看大数据，不看小数据
比如，只发现交易量疯狂增长了，没注意虚假交易疯狂上升了。
（3）、只看数据表象，不看发展过程
比如，只知道现在的行业分布均衡，没发现曲线的前方已经出现裂痕。
[产品经理如何进行数据分析]
篇3：请问哪个股票分析数据软件比较好?
有炒股经验者.但无主见.或者想得到分析数据来进一步了解..可以考虑交个朋友详聊...谁举报..遭报应
[请问哪个股票分析数据软件比较好?]
篇4：小公司的产品经理与大公司的产品助理，哪个比较好？
本人做三年网站策划与运营主管经验（也兼过大半年的PM岗，公司不大），现在想正式转行做PM。职业目标是3BAT类公司的产品经理或资深产品经理或产品总监。35岁之前不考虑创业。因为下一份工作准备至少干三年以上，所以选择很慎重。我应该选择创业型小公司的产品经理岗还是3BAT类巨头的产品助理/专员岗呢？如果现在选择了小公司的PM，以后再转向BAT巨头的PM岗是不是很困难？（因为本人最终的目标是BAT类巨头，所以有此类公司的HR能回答下就更好了）
[小公司的产品经理与大公司的产品助理，哪个比较好？]
篇5：《数据分析思维：产品经理的成长笔记》读后感
《数据分析思维：产品经理的成长笔记》读后感
上周把黄伟豪写的《数据分析思维：产品经理的成长笔记》一书看完了，虽然讲的是不同领域的数据分析思维，但也算是小有收获。
作者从事的是金融行业，具体来说是在四大行中的一家工作，从技术岗位到产品岗位，跨度较大，书中讲述了作者在工作中遇到的一些数据分析案例，通过数据指导业务发展。其实很多时候并不需要用到很高大上的算法、模型，即使是使用最基础的分析方法，只要能解决问题，提供不同的思路，同样是可行的。除了提到工作中的案例，作者还介绍了他是如何走上数据分析之路，他的工作方法，对数据分析在工作中的应用，面面俱到。同时，作者也展望了，从IT时代到DT时代，银行业从业者该如何去迎接挑战，提出了自己的想法，是否切实可行，那就不是我这个外行人能评述的。
对我来说，感触最深的就是作者提到他自己也在运营一个公众号—萌大叔的数据哲学，因为要写文章，每天除了本职工作外，业务时间用来看书、思考、总结，最后写成文章，作者曾连续三个月每天更新一篇文章，提到这些，我是深有同感，当然我的`产量、质量肯定是不如人家，在做这件事的过程中，感觉就是有一只隐形的手在指引着我，促使我必须不断去思考这段我在工作中有没有新的收获，比如是否使用到新的工具，又或者说对工具中的某些功能的掌握是否更扎实，工作中是否有用到某种分析方法、工作思路又是如何形成的，把前述思考记录下来，一是对自我工作的总结，经验就是从一件件小事中摸索出来的。除了对现有工作的思考、总结外，必须把眼光放得更远，近期或远期有可能会用到的工具，现在是不是可以开始学习，学习的心得体会也可以记录下来，更能加深学习的效果，将来如果要用到，一时想不起来该如何操作，也有备份，这些事情都是当下及之后一段时间可以去做的。
习惯的养成是非常重要的，即使刚开始写的质量不高，但必须坚持下来，不断改进，从量变到质变肯定是有一个过程，而且这也要求自己必须不断去学习，只有不断的输入，才会有更多的输出。读书也是，不必只限于与工作相关的书籍，或者是自己感兴趣的书籍，涉猎不同类型的书，视野才会更开阔，多了解些东西，至少不是件坏事吧。
篇6：应届生从事互联网公司产品经理工作有何优势劣势？
现在越来越多的互联网公司通过校园招聘的方式招聘应届生从事产品经理的工作，所以想问这个问题。
1.互联网公司既有大型的也有小型的，有什么不同的处理方式？
2.所谓的优势劣势，是从其本身职业发展的角度来说，像这类应届生应如何发挥自己的优势，尽力去避免劣势。
3.延伸点说，一个应届生大概需要多长时间才能成长为一个比较合格的产品经理？
[应届生从事互联网公司产品经理工作有何优势劣势？]
篇7：很多公司要将数据产品经理独立出来的意义何在？
是因为产品经理的职责太多了，容易导致办事不周吗？
在我的理解里，数据产品经理的职责大多数就是产品经理一直在做的，如果加上了数据产品经理这一职位，是不是意味着将来会分化成两种职位，一种负责组织沟通，另一种负责分析说明？
与传统意义上的产品经理相比，独立出来有什么优势吗？
[很多公司要将数据产品经理独立出来的意义何在？]
篇8：怎么看待「互联网产品经理做数据分析，但没有统计学、数学等专业背景」？
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？
[怎么看待「互联网产品经理做数据分析，但没有统计学、数学等专业背景」？]
文档为doc格式