導讀：“我有一次去重慶，真的遛死我了。當時我在山腳下叫車，接單的車實線距離顯示只有一點幾千米，預估時長只有2分鐘，但實際十五六分鐘才到達了我的位置，我非常抓狂。”

這是本文作者韓瞳的真實經歷。此時，如果你是滴滴的數據分析師，發現這是一種普遍的現象，重慶地區叫車時長預估和實際到達時長差距比較大。你會如何進行分析？以下幾種假設你認為哪一個最可能解答實際的問題？

• 第一種假設：氣象條件差，重慶有可能是一座霧都，所以車速太慢。

• 第二種假設：司機習慣于更晚點擊“已到達”按鈕，這是生活習慣問題。

• 第三種假設：因為重慶是特別三維立體的城市，乘客在山腳打車，而司機在山頂接單，直線距離很短，但行駛距離很長。這是根據地理知識做假設。

• 第四種假設：重慶路面濕滑，車都跑得慢。

到底哪一種假設是最符合實際情況的？在這一正確假設基礎上，如何進一步解決實際問題？韓瞳老師不久前在一場直播課程中給出了答案。

作者：韓瞳

來源：大數據DT（ID：hzdashuju）

除此之外，讓數據叔非常佩服的是，韓瞳老師不僅僅講解了專業的分析思路，還分享了作為策略產品經理，提升自身職場價值的很多秘籍，而這些對于成功的職業生涯甚至是更重要的環節，因此數據叔在本文中會對這部分內容加以側重。

對于多變量數據分析涉及很多專業的工具和過程，在韓瞳老師的講座和著作中有更多的詳細論述，歡迎大家觀看韓瞳的直播課程并閱讀書籍。限于篇幅，這里只能精選其中的重要部分與大家分享。

提出問題比解決問題更重要，如果你用這一問題真的解決了一些業務瓶頸，你的這一職位就是有價值的。

無論做什么都是做提升做出正確決策的概率。

——韓瞳

01?策略產品經理的時代背景

為什么時代、企業需要策略產品經理？

我的經歷發現，如果一個涉及AI（人工智能）、模型的項目，只有研發自己做，大概率都會失敗。

當前的時代特點是：

第一，中國的互聯網已經走到了下半場，從過去的增量競爭，發展到現在的存量競爭。這是美團的王慧文分享王興（美團創始人兼CEO）的定義，王慧文在王興的定義之下做了一些延展——現在的存量競爭特點是：

• 搶占用戶的APP池的競爭

• 頭部效應越來越明顯

因此對企業效率的要求越來越高。這意味著，之前產品經理只需要畫畫圖，做做功能，但是現在要用策略幫企業提升效率。

第二，策略產品經理是復合型崗位，他連接著傳統的功能型產品經理、算法工程師、數據分析師、運營經理和公司管理層。

第三，現在的時代對策略產品經理的需求越來越多了。比如說，拿7、8個offer比一下都是可能的。

第四，功能產品經理的定義是畫原型圖，包括客戶端、PC端。他其實是一個依靠個人經驗和同理心的天賦型職業，像張小龍那樣的產品經理都是“神”，普通人是很難企及的，這樣的人只有幾個，而且他們有天時、地利、人和才能完成。

但策略產品經理是第二種PM（產品經理），他是技能型職業，只要足夠聰明，有一定的基礎知識，加上不懈努力，就能成為還不錯的策略產品經理，其實它降低了產品經理的技術門檻。俞軍《產品方法論》里面講到這一點。所以，從難度上講，普通人對策略產品經理的掌控度更高一點。

三條非常重要，又特別容易被忽略的建議：

對數據分析師而言，會寫SQL，拿到數據、能取數是特別重要的。做到能看，就是能看懂別人寫的。能改，稍微改改日期等。能寫，包括不帶join的單體SQL、帶join的SQL、帶join、帶函數的SQL等。

掌握Python、R或powerBI等工具之一即可，但要學“精”。工作中平時用Python稍微多一點，因為Python可能寫爬蟲，或者連數據庫稍微方便一點，而且它的語法簡單一些。

打好統計功底。

關于第2條建議，這里特別推薦：

B站張宇考研數學《概率論和數據統計》，尤其要掌握兩個定理，一是大數定律，一是中心極限定理，這兩個定理是概率里邊最重要的兩個定理。

《策略產品經理實踐》（韓瞳著），尤其是三、四、五章。比如AB實驗，很多公司采用的手段、驗證的方式都是錯的。

02?實際工作中的多變量數據分析4種場景

第一種場景，kickoff——開設一個項目。比如說想提升點擊率。那么當前點擊率是多少，提升目標是什么？這一環節需要做天花板預估，《策略產品經理實踐》一書的第六章，講解了如何預估天花板，簡而言之8個字，“人群分層、極限推演”（詳細內容請參閱原著）。

第二種場景，項目中途。比如說，項目中需要出數據報告。至少是要寫周報，今日頭條每周周報要寫滿滿當當一大頁，包括數據是不是符合預期，當前數據怎么樣，如果出問題，還需要分析用戶分布是否均勻等。

第三種場景，項目驗收。即項目最終效果如何，和當初的設想有多大誤差。這其實是復盤，這是決定能不能漲工資，能不能得好績效的很重要的一環。

第四種場景，臨時一次性需求，輔助決策。

最關鍵的是整體流程（《策略產品經理實踐》第四章第一節）。一共分四個流程步驟。

第一步，確認問題。有好問題和壞問題之分。現實中，老板一般會說：你看一下這個為什么數據跌了，這可能是個問題，但如果老板說今年數據不好，也不說哪個數據、在哪段時間不好，這就不是一個（好）問題，所以確認問題非常重要。很多時候大家都是抱怨老板不好，所以要“向上管理”，真的明白老板的意思，到底是看哪個數。

第二步，分解問題，建立假設。這時候要找關鍵數據，然后再對數據進行假設。

第三步，原因假設。假設分兩部分，一個是關鍵數據假設，一個是原因假設。比如已經知道點擊率跌了，但是到底什么原因導致的，要給出若干種原因，然后再去找數據、做分析。

關鍵點：第一，分析數據的結構以及是否存在很重要。第二，劃定數據的空間和時間范圍非常重要。

第四步，產生數據報告。這非常重要。很多人工作可能做到80分，但是匯報只有60分，這樣的人漲不了工資，或者升不了級是自己的問題。如何寫好數據分析報告，如何跟領導建立向上管理的關系，如何說明自己的成績，是非常、非常重要的職場人必備素質之一。

重點是：

• 分享自己的結論

• 讓所有人都聽懂

（更多具體的實踐經驗請參見講座或專著——編者）

03 原因假設：分析中最重要和最常見的流程

回到本文開篇的實際案例，最符合實際情景，因此最有可能解決問題的假設是哪一個？答案是第3個。這需要分析師有一定的業務感覺。

原因假設有兩個PRINCIPLE(原則)：

第一，能不能找到數據論證。

比如說，開篇案例的第4個假設，路面濕滑車都跑得快。其實它考察的是摩擦力，但是怎么拿到摩擦力數據呢？如果是一家小公司，又不是做測繪業務的，也不是國企，能拿到重慶的路面摩擦力數據嗎？所以，如果沒有數據，即使做出假設，也沒有辦法進一步分析，原因假設就不該這么做，或者只能說要補齊數據，沒有辦法很快做分析。

第二，問題可不可以解決？

舉個例子來說，假設雨傘廠的廠長都知道，雨天銷量大，晴天銷量少。但不能寄希望于每天都是雨天，這是不可抗力事件，所以說問題不能被解決，做了這樣的假設也沒有用。

提出問題的能力是弱人工智能階段不具備的，這是一線人員的核心技能。要培養自己的業務sense（感覺），盡量少的被機器人剝削。這也是對策略產品經理的業務洞察。

04?關于回歸分析的2個陷阱

在得出相關性之后，一般要做回歸分析。其中需要特別關注兩個陷阱：

第一個陷阱，人類大腦存在惰性機制，容易犯默認歸因的錯誤。這其實是人類進化時候的求生手段之一。比如說，看到草動了，就想到前兩天這個村里邊狼來了之后草也會動，于是人們馬上離開。所以，人們會默認草動和狼來了是因果關系，但是實際不一定，草動了有很多種因素導致，比如說風吹了草也動，我們需要自己通過知識克服這一陷阱。

第二個陷阱，所謂的“數據驅動”陷阱。每家小公司的領導都會說：我們是一個數據驅動的團隊，我們做任何數據分析都要非常的嚴謹，得出非常牛的報告。

但是，絕對完美的數據基本不可能。因此，聚合性證據很重要（詳見下文或參閱講座）。目標就是為了提升做對事情的概率。其實無論做什么都是做提升做出正確決策的概率。

05 數據分析報告：超重要！

數據分析報告有兩個側重點：

第一，“漸進整合”和使用多種“聚合性證據”佐證命題。比如老板問：XXX策略能不能上？策略產品經理需要把這一問題變成很確定性的問題，然后再把它用關鍵數據描述出來，之后再分析，最后再溯源。但是，可能一份報告不足夠完善，需要找別的證據再次佐證觀點，正常來說找1-2個報告就足以說明問題。

第二，清晰易懂。企業和職場不是論文場，所以報告沒有必要寫的跟論文一樣嚴謹，優先級是圖片大于表格，大于文字，也就是能用表格不用字，能用圖片不用表。

有四點報告注意事項非常重要：

第一，適當的包裝。女性的產品經理可能會更注重報告美化。很多研發人（職場）晉升不上去，原因在于他們的報告全是一堆代碼、數字，或者是一個黑框，一個截圖，把它就當數據報告。所以說“顏值”很重要，因為大家都是看顏值的。

第二，一句話結論。要想象領導每天看很多郵件，所以必須要用一句話把結論寫的非常明白，放到第一頁。領導看完一句話結論，要是感興趣會接著讀，如果不感興趣回復已閱即可。

一句話結論主要寫明：

• 通過什么方式

• 進行了什么項目

• 取得了從多少到多少的實驗數據結果（比如你的領導肩負A指標，就把A指標寫上去，告訴他做這件事對完成A指標有作用）

• 注明“相關結論已經通過同行評議，并統計置信。”這句話非常重要。

第三，核心郵件長度不應超過直屬領導的半個屏幕。另外，寫明項目中做出核心貢獻的運營和研發人員。

第四，按照圖片、表格、文字的優先順序寫作報告。

（最后，報告寫好后發給誰也很重要，詳細內容可參見講座或參閱書籍。）

Q&A

Q：最推薦哪幾本書？

A：第一本書：《女士品茶》；第二本書：《對偽心理學說不》；第三本書：《推薦系統實踐》（項亮著）

（編者：在講座中韓瞳老師還推薦香農的《信息論》，并在之后的問答環節中推薦宋天龍的《Python數據分析（第二版）》）

Q：對應屆生從事工作有什么建議？

A：在我書里邊有，整體是兩點：選公司和選職業。比如，不建議去十億美金市值以下的公司，要去獨角獸企業，去細分行業第一名。如果領導不懂數據就直接pass，社招應該對自己的標準還是高一點。去看看脈脈的公司點評。

另外，自己平時做的準備就是多看數學。

Q：基礎分析工作從那方面入手，買了個課程懶得學，有沒有辦法讓我加個勁兒？

A：沒辦法。等就業形勢更差的時候可能就更著急了。我嚇唬你一下，湖畔大學今年傳出來的一個消息是，馬云在2018年的時候就非常著急了，在他的維度已經感受到了行業的下降趨勢。2019年CEO已經感受到了行業下行，經濟形勢不好。而且馬云有預言，至少2020年到2023年經濟形勢只能越來越差，所以，公司的裁員會此起彼伏。

如果現在不努力，可能就面臨著降薪裁員，而且是越來越普遍，我覺得這不用預判，因為看經濟，這是最冷的事實。所以說，沒有什么懶得學，大家都是為了謀生。我不就是為應對抗風險而多寫了本書嗎？萬一沒工作了以后，還能講講課，掙點錢養活自己。對吧？

Q：有哪些關注的專業方面的公眾號？

A：“caoz的夢囈”，“算法與數學之美”。

??

Q：三年運營一枚，轉策略運營有沒有什么經驗傳授？

A：我真的覺得買書就可以，不是為了賣書。首先，要找到自己的核心能力在哪兒，如果做策略運營，SQL是必須會的，而且要有數據權限，兩者缺一不可。

還要有一些統計學的知識；另外，數據分析報告要嚴謹，多做幾個（證據），找幾個厲害的大牛，或者把分析的報告發給比較牛的同事，讓他指錯，挑錯，被罵幾次就會了。所以說，通過互相同行評議，大家變得更好。

Q：策略產品經理與數據分析師有哪些區別？

A：其實在書（《策略產品經理實踐》）里邊專門還真寫了。

Q：（數據）分析師轉行補什么能力？

A：最重要的一點：做業務。很多人都會明顯的感覺，非常缺產品的能力，沒有辦法判斷需求。所以需要師傅帶。另外，多看看產品書籍，但最重要的是要經歷一個項目，其他的不重要。

第二部分能力其實在于人情能力，就是能不能讓大家心甘情愿的幫你干活，這很重要。

Q：如何和算法團隊分工合作？

A：跟算法溝通的時候，需要明確哪部分是規則，需求是什么。還要考慮開發成本，做產品經理要稍微懂點技術，懂算法基礎實現邏輯。

另外有兩點比較重要：

首先，今日頭條創始人張一鳴有一個很重要的論斷——每個人在公司內是有信任票的，由于你做成功的項目越多，那你的信任票就越多，如果說你平時做了很多牛逼的產品，作出了成績，那一定算法團隊也會對你刮目相看，那你的說話的分量就會更重。

其次，做團隊的補集。其實策略產品經理就是服務行業，哪里缺人去哪里，如果團隊里面沒有數據分析，就去做數據分析，如果團隊里沒有人做畫產品文檔，就去畫產品文檔，如果說研發工程師實在是不愛寫策略文檔，我就幫他寫。

把這些事做好之后，你的價值就有了，老板會慢慢發現了，這個團隊離了你轉不了，這時候你的價值就有了，再裁員也裁不到你身上。

關于作者：韓瞳，策略產品經理，5年實戰經驗，某廠創業期核心團隊，微信公眾號：策略產品經理實踐。

長按二維碼，回看《策略產品經理的多變量數據分析思路》直播????

作者簽名版紙書搶鮮讀????

有話要說????

Q:?關于策略產品經理，你還有哪些問題要問？

歡迎留言與大家分享

猜你想看????

• 大數據殺熟又來了？千人千面的個性化推薦，你喜歡嗎？
  

• 豆瓣7.6，這部被低估的科幻片告訴你，通過圖靈測試的AI有多可怕！
  

• 什么是大數據「實時流計算」？深度解析它的4大應用及4個特點
  

• 什么是機器學習？有哪些分類？怎樣上手開發？終于有人講明白了

更多精彩????

在公眾號對話框輸入以下關鍵詞

查看更多優質內容！

PPT?|?讀書?|?書單?|?硬核?|?干貨?

大數據?|?揭秘?|?Python?|?可視化

AI?|?人工智能?|?5G?|?中臺

機器學習?|?深度學習?|?神經網絡

合伙人?|?1024?|?大神?|?數學

據統計，99%的大咖都完成了這個神操作

????

總結

以上是生活随笔為你收集整理的年薪30k-50k、面试通过率90%，这个职位到底是在做什么？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。