2010年，喬布斯發布了iPhone4，正式推出了IOS生態系統下的FaceTime等功能。這款機型，奠基了移動互聯網的基礎，開發者入駐app store，為消費者提供無數應用，我們通過移動應用來完成用戶在手機上的交互。
2022年是移動互聯網的第十二年，誕生了許多的移動應用，同時也催生了互聯網產品經理的標準。在12年以前，曾經開發一款軟件就是一個程序員負責前后端來完成，同時還有美工的一些細微工作，但隨著對用戶體驗的追求，催生了各自更加明細的分工，也造就了產品經理的需求。
曾經在軟件系統研發的過程中，是沒有產品經理職位的，這個職位這些年從鮮有人知到步入了大眾視野，同時產品經理的要求技能也變得越來越垂直、越來越規范。
有什么是隨著產品經理崗位要求越來越嚴格的，但卻一直沒被取代的能力呢？
那就是以數據為底層驅動的意識了，不懂運營的產品經理不是好產品經理，同樣的不懂數據的產品經理，也不是好的產品經理了。
所以產品經理的數據知識是關鍵，我們可以把數據知識劃分為4個板塊技能。
市面上的產品都離不開數據報表模塊，比如面向C端用戶提供的個人中心查詢訂單、內容動態，面向B端提供的數據報表、數據列表，是數據產品功能模塊。
利用《用戶體驗要素》和《Data Mining Techniques》這2本書里我們可以構筑如下的產品設計與數據關系
對于一個數據產品的設計，核心數據數據模型的建立，拋開繪制產品原型、撰寫需求文檔，用下面5個步驟來完成數據模型。
1.Define定義需求，即把業務問題轉化為數據挖掘問題
2.Measure 測量數據，即理解、收集并加工數據，做好準備
3.Analyze 分析建模 ，即構建模型、評估模型的過程
4.Improve 解決問題，即部署模型來解決目標問題
5.Control反饋控制，即評估結果重新開始循環，不斷改進
數據產品以數據指標為底層，提供數據相關的功能，比如最簡單的數據查詢、數據瀏覽，還有數據上傳、數據同步等，這些看著很細碎的功能，實際上是數據平臺最核心的服務。
在數據產品里提供數據導入、導出的功能，增加數據分析源，可以直接在數據平臺上進行合并，比如下面統計比賽選手綁定設備數量，本身數據是沒有直接打通的，需要通過手動上傳產生數據。
怎么樣才算用數據做運營呢？
這個和業務場景直接相關，比如我每天寫公眾號文章，通過觀察7天、當日、當月的文章閱讀總量、分享數、用戶新增數、用戶取關數，就可以知道單篇文章的效果，掌握用戶喜歡閱讀什么內容、用戶閱讀的時間集中點。
同時利用消息回復統計、用戶信息管理，分析出每日關注公眾號的人群畫像、以人群畫像與消息回復的特點，就可以知道自己讀者（用戶）的主要訴求，以此來不斷優化文章內容，增加閱讀量、粉絲數。
這就是一個數據運營案例。
如果把文章換成一個app、一個網站、一個系統產品，其實也是同樣的，我們可以通過已經上線的產品，觀察各個功能的停留數據、用戶訪問數、和直接轉化數據，通過漏斗圖或者桑基圖來觀察頁面的流失情況，比如下面是用戶從頁面訪問、到訂單數據的漏斗，是我們做產品最常用的數據統計。
漏斗每一層都會有流失率，找到流失比例最高的，進行頁面優化或者功能的調整，這就是我們基于數據來做產品的運營，叫做產品運營。
有了數據運營的思考方式，可以幫助我們在大的方向下可以走的更精準。
數據指標是我們做數據產品經理、數據分析、數據運營的產物，只是大家面向對象不同。
比如常用的數據指標有產品數據指標、交易量指標、訂單指標、用戶數據指標、商品數據指標，每類指標都有通用的，以此來擴展。
數據產品經理仍然是產品經理，工作的產出物就是功能設計，但會用數據來評判功能效果，版本好壞作為數據績效成績。比如PMTalk小程序app的三個tab，分別是首頁、活動、我的，我們就會統計各個功能點擊、頁面停留、用戶訪問的數據。
這其中的業務數據則包含了用戶活動報名、課程報名、廣告點擊等數據，利用活躍數據、付費數據、產品數據來做我們需求的引導。
比如新增用戶可以梳理出下面指標
日新增注冊用戶量：統計一天內，即指安裝應用后，注冊APP的用戶數。
周新增注冊用戶量：統計一周內，即指安裝應用后，注冊APP的用戶數。
月新增注冊用戶量：統計一月內，即指安裝應用后，注冊APP的用戶數。
注冊轉化率：從激活到注冊的轉化。
DNU占比：新增用戶占活躍用戶的比例，可以用來衡量產品健康度。
還要很多指標，都是已經固定的，我們只要想辦法計算出來，就可以用來做數據運營。
數據分析是指標的建立者，會和市場、運營、產品等各個部門溝通，定義出產品以后用的數據指標，數據指標包含了業務口徑和技術口徑，數據分析師要搞清楚技術口徑是什么再來確定可以實現的業務口徑。
總之初級數據分析就是和開發定義出可以實現的指標為業務使用，而高級的數據分析則直接定義數據指標邏輯。
我們做數據產品經理，要知道數據是利用技術進行采集的，包括清洗的，低階的產品需要知道數據指標，高階的產品是懂技術的，因為就可以很快定義出能夠實現的技術原理。
技術原理包含了理性層，從最開始的代碼實現到業務的合理性，我們通過技術原理能夠快速的定位數據的困難與問題。
以上，就是一個數據產品經理掌握的6個基礎知識。
