编者按：数据分析是我们日常工作中非常重要的一项。产品经理也应该对数据分析有一个基本的掌握，可以从各个方面进行全面的控制；作者分享了如何根据数据分析的想法来控制产品经理。让我们一起来看看。

我从数据中受益，发现一个每天不被公司重视却能带来用户线索的人 APP。

然后，对其数据进行全面分析，制定优化方案，说服公司继续投资。

在没有营销的情况下，线索翻了一番。这种经历成了我提升的跳板。

因此，在每次面试中，我都会关注候选人是有用的数据分析来帮助产品，还是习惯于拍头来决定功能设计。

结果总是不尽如人意。

能否用数据分析指导产品设计，真是产品经理水平的一大分水岭。

数据分析是产品经理非常重要的能力，可以引导我们设计产品，通过数据尽快发现问题，找到解决方案。

如今，有许多成熟的数据统计或 BI 获取和计算产品数据并不难。

对于产品经理来说，更重要的是要掌握一是定义数据采集的标准，即数据埋点；二是懂得观察和分析数据。

数据埋点，在 C 端产品很常见，在 B 在端方面，似乎很少提及，有些人甚至认为没有。

在一个稍微大一点的系统中，需要监控许多链接的运行状态。此时，定义清晰的数据埋点来分析系统的运行，并反映系统的性能尤为重要。

能从何学起？

现在 B 终端产品很受欢迎，今天分享一个 B 在端系统中，数据分析过程非常实用、有代表性，但往往被忽略：分析系统中订单或业务流程的运行时间（订单在各种系统中更为典型，以此为例）。

分析系统中订单完成的处理时间最大的好处就是知道系统有多有效。

同时，很容易发现哪里出了问题。例如，一旦订单流通缓慢，你就可以看到延迟在哪里。

有些人认为这就是开发，往往忽略了产品经理应该做的事情。

数据的获取和计算确实需要开发和实现(如有统计平台或 BI 更简单)。

根据分析思路，产品经理对最关键的流程进行梳理和节点定义，统计数据准确有意义。

具体怎么办？

01 绘制时序图

制作系统需求时，绘制系统业务流通时序图，使系统各环节的信息交互顺序更加清晰。

为了进一步了解时序图，可以看一篇文章《做产品，为什么要画这些图。

02 定义信息交互节点

完成功能要求后，定义要统计的时间节点，围绕整个订单流通过程。

此时，时序图的优势得到了充分发挥。

这也是我在实践中偶然发现的。用时序图定义节点非常方便。开发和测试一目了然。

以 “ 手机充值 ” 例如，稍加简化，只保留核心流程进行说明。

用户单充值到充值完成，用户需要在前端产品(如 APP、H5 或小程序 ），供应商(如三大运营商)之间的交互(因公司而异，或有多个系统，简化为一个)。

如下图所示：

如图所示，根据业务分析的需要，在每个节点上标记号码。同时，定义触发时间，如下图所示：

只要设置了这些节点，就可以立即得到每个链接处理时间的计算方法。

03 明确每个链接的长算法

一旦在时序图上标记了相应的信息交互节点，每个链接的长度一目了然。你需要统计哪个时间，从哪个点到哪个点。

在这个例子中，我们通常会关注这三个数据：总订单时间、后端系统处理时间、供应商处理时间。

04 分析数据

有了上述定义，借助技术手段，获取、总结和呈现数据，更不用说分析有多方便了。

说到分析数据，我们都喜欢看趋势和平均值。这里要讲的是，单看平均值会掩盖很多事实，找不到问题。

常用的是看一段时间内数据的百分位数进行分析。例如，一天内所有订单的总长度 50% 分位、90% 分位。

所谓百分位数，就是从小到大排列数据，计算相应的累计百分位数，然后一个百分位对应的数据值，就是这个百分位数的百分位数。

例如，一天内订单的总长度 50% 分位为 1 秒，即所有订单的总长度排名第一 50% 位置的长度是 1 秒，这意味着少于一半的时间 1 秒。

此外，还应注意峰值和异常值，如最小时长和最大时长。

简单绘制分析报表供参考。

数据一摆出来，各个环节的效率如何，是否有问题是显而易见的。

05 得出结论

以上为例，至少可以从这些数据中判断：

1)用户感知的充值过程是否足够快。

一旦太慢，用户就不会耐心地等待。从体验的角度来看，订单越快，用户体验越好，用户就越能留住用户。

2)自身系统处理效率如何。

系统运行是否正常，处理是否太慢、卡住。如有异常，可快速定位。

3)上游供应商的处理效率如何。

供应商的处理效率极大地影响了平台的处理效率。有了这些数据，我们可以客观地评估和比较供应商的服务质量。

总而言之。

这只是一个想法。使用什么图片和工具并不是最重要的。

我想强调的是，作为一名产品经理，我们应该知道如何分析整个业务流程的运行过程。

只有明确统计节点，定义触发机会，才能获得准确的数据，客观地观察和分析有价值的结果。

这是流程分析和系统实践。

作者:四月；微信官方账号:四月产品

本文由 @四月说产品 每个人都是产品经理。未经许可，禁止转载。

题图来自 Unsplash，基于CC0协议。