明确数据分析的目的
因为产品数据是在产品上线后收集到的，所以为了之后能够得到一系列全面合理的数据，需提前做好数据的规划，明确每一个数据所能产生的价值。
不同的分析目的，所需要的KPI数据不一样
对于产品经理来说，一般有三个场景中的数据应用：
1.每日观测的产品运行数据；
2.为了验证某个想法而做的产品实验数据，如A/B测试；
3.发布某个功能后的反馈数据。
不同的产品类型，所需要关注的KPI数据不一样
1.基础数据：下载量、激活量、新增用户量、活跃用户等；
2.社交产品：用户分布、用户留存（次日、3日、7日、次月、3月）等；
3.电商：淘宝指数、转化率、网站流量、跳出率、页面访问深度等；
4.内容类：内容转化率（内容下载量/内容浏览量）、留存量、跳出率；
5.工具类：功能点击量、应用商城排名；
6.其他：竞品数据（下载、激活等）。
不同的产品阶段，所需要关注的KPI数据不一样
1.网站刚上线，比较关注流量、PV、跳出率；
2.网站运营中期，比较关注新注册、转化率、跳出率。
3.网站某次市场活动，比较关注新访客比例、跳出率、新访客的注册转化率、目标达到率等。
具体针对产品目前最需要的KPI数据，需要基于对行业、业务、产品的熟悉
1.了解整个产业链的结构：对行业的上游和下游的经营情况有大致的了解；
2.了解企业业务的发展规划：根据业务当前的需要，制定发展计划，归类出需要整理的数据；
3.熟悉产品框架，全面定义每个数据指标的运营现状；
4.对比同行业数据指标，挖掘隐藏的提升空间。
通过对行业、业务、产品的熟悉可以建立一个数据模型，在特定需求下进行KPI数据提取。也可以对核心用户单独进行产品用研与需求挖掘，从而精细化运营。
建立数据分析框架的用处
以完整的逻辑形式结构化问题；
把问题分解成相关联的部分并显示它们之间的关系；
理顺思路、系统描述情形或业务；
洞察造成正在解决的问题原因。
建立数据分析框架的思路
比较常见的数据分析框架模型大多源于管理、营销理论，而且这些理论模型的适用面非常广，也可以用来进行用户需求分析、产品功能分析等。
管理方面的理论模型：
PEST：政治、经济、社会、技术。一般用于宏观环境分析；
5W2H：WHAT、WHY、WHO、WHEN、WHERE、HOW、HOW MUCH；
逻辑树：又称问题树、演绎树、分解树。将一个已知的问题当成树干，然后考虑这个问题与哪些问题相关。每想到一点就给这个问题所在的树干加一个树枝，并标明树枝代表什么问题；
金字塔原理
帕累托二八原理
生命周期理论：各种客观事物的阶段性变化及其规律，创新期、成长期、成熟期、标准化期和衰亡期五个不同的阶段；
SMART：Specific、Measurable、Attainable、Relevant/Realistic、Time-based，即明确性、可衡量性、可达成性、相关性/现实性、时限性。
营销方面的理论模型：
4P：Product，Price，Place，Promotion，即产品、价格、渠道、促销；
用户行为理论：认识-熟悉-试用-使用-忠诚；
SWOT：Strengths、Weaknesses、Opportunities、Threats，即优势、劣势、机会、威胁；
STP理论：Segmenting、Targeting、Positioning，即市场细分、目标市场和市场定位。
通过前期资料的收集以及业务现况的全面掌握，明确清楚数据分析的目的，提炼出核心数据，梳理分析思路，并搭建分析框架，把分析目的再分解成若干个不同的分析要点，合理设置运营方法来观察效果。同时，考虑多维度的数据搭建，以便之后进行立体式数据分析。
