除此之外，令数据叔极其佩服的是，韩瞳老师不但讲解了专业的分析思路，还分享了身为策略产品经理，提升自身职场价值的诸多秘籍，而这些乃成功职业生涯更关键的环节，故而数据叔在本文中会着重于这部分内容。
提及关于多变量数据分析，其涉及诸多专业的工具，还有很多专业的过程，在韩瞳老师所举办的讲座里，以及韩瞳老师创作的著作当中，存在更多更为详细的论述，在此诚挚欢迎大家前去观看韩瞳主播亲自讲授之直播课程，并且阅读韩瞳所著书籍。只因篇幅受到限制，于此处仅能够挑选其中重要的部分，来与大家进行分享了。
解决业务瓶颈，若你藉由一个问题切实做到了这点 ，那么这比提出问题更为关键，而如此，你的这个职位才具备价值。
无论做什么都是做提升做出正确决策的概率。
——韩瞳
01 策略产品经理的时代背景
为什么时代、企业需要策略产品经理？
我的经历表明，要是存在一个与AI（人工智能）、模型相关的项目，并且只有研发环节是自己来做，那么大概率这个项目是会失败的。
当前的时代特点是：
首先，中国互联网已然步入下半场，它从往昔的增量竞争转变至当下的存量竞争。这是美团的王慧文分享美团创始人兼CEO王兴给出的定义，王慧文依据王兴的定义进行了一些拓展——当下存量竞争所具备的特点是：
因而针对企业效率的要求愈发高了，这表明，先前产品经理仅需画画图，做做功能，然而当下得运用策略助力企业提高效率。
第二，策略产品经理属于复合型岗位。它与传统的功能型产品经理相连接。它还和算法工程师有联系。它跟数据分析师有关联。它同运营经理相衔接。它和公司管理层相连接。
其三，当下的时代之中，对于策略产品经理的需求呈现出与日俱增的态势了。比如说，怀揣着7个或者8个录用通知去进行一番比较，这皆有可能的。
首先，第四，功能产品经理有着特定定义，那就是画原型图，这其中涵盖客户端、PC 端。其次，他本质上乃是一种依靠个人经验以及同理心的天赋型职业。再者，像张小龙那般的产品经理仿若“神”一般。然后，普通人很难达到那样的高度。最后，这样的人数量极少 ，并且还需具备天时、地利、人和诸多条件方可完成某些事。
然而，策略产品经理属于第二种PM（产品经理），其为技能型职业，只要这个人足够机灵，具备一定的基础常识，再加上始终不懈地付出努力，便可成为还算可以的策略产品经理，实际上它使产品经理的技术门槛有所降低。俞军著的《产品方法论》提及了这一要点。所以，就难度层面而言，普通人对于策略产品经理的把控程度相对更高一些。
三条非常重要，又特别容易被忽略的建议：
对于数据分析师来讲，会书写SQL，能够获取数据、取到数据是极其关键的。能够做到看懂，也就是能够明白他人所写的内容。可以进行修改，比如对日期等稍作调整。能够编写，涵盖不带有join的单体SQL、带有join的SQL、既带join又带函数的SQL等。掌握Python、R或者powerBI等工具当中的一个就行，不过要学得“精深”、学得透彻。在工作期间平常使用Python稍微多一些，这是因为凭借Python或许能够编写爬虫，联系数据库的时候也稍微便利一点，并且它的语法相对简单一些。要扎实统计技能的基础，打好统计底子。
关于第2条建议，这里特别推荐：
张宇考研数学在 B 站的《概率论和数据统计》课程，特别要掌握两个定理，一个是大数定律，另一个是中心极限定理，这俩定理是概率当中极重要的两个定理。《策略产品经理实践》（韩瞳所著）书籍，特别是三、四、五章。诸如 AB 实验，好多公司所采用方式、验证方面均是有误的。02 实际工作里的多变量数据分析存在 4 种场景。
首个场景，kickoff，也就是开启一个项目，假设比如是想要去提升点击率，那当下的点击率究竟是多少呢，提升的目标又是怎样的呢，此环节要进行天花板预估，《策略产品经理实践》这本书的第六章，阐述了该如何去预估天花板，简单说来就是八个字，“人群分层、极限推演”，详细内容请去参阅原著。
在第二种场景里，处于项目的中途阶段。举例来讲，在项目进程当中存在要产出数据报告的需求。起码得撰写周报，针对今日头条而言，每周周报都要写得满满当当，占据一整页篇幅，涵盖数据是否契合预期，当下的数据呈现出何种状况，要是出现问题，还得剖析用户分布是否均匀等情况。
第三类场景，是项目验收情形。也就是项目最终呈现的效果怎样，与当初预先设想的存在多大程度的误差体现。而这实际上属于复盘范畴，它是在决定能否获得涨工资机会，有无可能性得到良好绩效评定的极为关键重要的其中一个环节。
第四种场景，临时一次性需求，辅助决策。
最为关键的要点在于整体的流程，此流程出自《策略产品经理实践》第四章第一节，它总共划分成四个流程步骤。
第一步，要去确认问题，问题存在好问题与坏问题的区分，在现实当中，老板通常会讲，你看一下这个数据为何会跌了，这有可能是个问题，然而要是老板表示今年数据不好，却不说具体是哪个数据、在哪个时间段不好，这便不是一个好问题，所以确认问题是极其重要的，很多时候大家都只是在抱怨老板不好，故而必须要“向上管理”，真正弄明白老板的意思，究竟是要看哪个数。
第二步，将问题予以分解，进而缔造假设，正当此刻，需寻觅关键数据，而后针对数据开展假设。
首先是第三步，这一步是原因假设，而且假设它是分为两个部分的。其中一部分是关键数据假设，另一部分是原因假设。怎么回事。比如说这个时候已经知道点击率出现了下跌的情况，然而到底是由什么原因致使其下跌的呢，这个时候就需要给出若干种原因，接着再去寻找数据、并且进行分析，这是一个连续的过程。
重要的关键点在于，其一，剖析数据的结构，其是否存在这一点是极为关键的。其二，对数据的空间以及时间范围予以划定，这一行为是相当重要的。
第四步，要产生数据报告，这极为关键，有许多人在工作方面或许能做到80分，然而在汇报这一块却仅有60分，像这类人涨不了工资，或者升不了级那都是自身的问题，怎样去写好数据分析报告，怎样跟领导构建起向上管理的关系，怎样把自己的成绩表述清楚，这些都是极为、极为重要的职场人所必要具备的素质之一。
重点是：
（更多具体的实践经验请参见讲座或专著——编者）
03 原因假设：分析中最重要和最常见的流程
回头来看本文开头所讲的实际案例，存在哪种假设是契合实际情形，进而最具备解决问题可能性的呢？答案是第3个。达成此点要求分析师有一定的业务方面的感觉。
原因假设有两个PRINCIPLE(原则)：
第一，能不能找到数据论证。
好比说，开篇案例当中的第4个假定，路面湿滑的情况下车子跑得挺飞快。实际上它所考查的便是摩擦力了，然而怎样才能够获取摩擦力的数据？要是是一家规模较小的公司，并非开展测绘业务的，也不属于国企， 是否能够获取重庆的路面摩擦力数据？所以，如果没有数据的话，即便做出了假设，也没办法进一步去做分析，缘由在于假设就不应该这么去做，或者只能讲要补足数据，没办法迅速地做分析。
第二，问题可不可以解决？
以举个例子的方式来讲，假定雨伞厂的厂长们都清楚，在下雨天的时候销量会大，而处于晴天的时候销量则会少。然而却不能够把希望寄托于每一天都是雨天这种情况，因为这属于不可抗力事件，所以才说问题是没办法被解决的，即便是做了这样的假设也是没有任何用处的。
不具备的能力是处于弱人工智能阶段时所没有的对于提出问题的这种能力，而这种能力是一线人员的核心技能。在尽力为尽量有限的被机器人剥削的情况下去培养自身具备的业务sense（感觉），这同时也是针对策略产品经理而言形成的一项对业务的洞察。
04 关于回归分析的2个陷阱
获取到相关性以后，通常会展开回归分析，这里面存在两个陷阱须要格外留意，这两个陷阱是：
第一个陷阱是，人类大脑有着惰性机制，极易犯下默认归因的错误，这实际上是人类在进化时期求生手段之一种，比如说，看见草动了，就会联想到前两天这个村子里狼来了的时候草同样会动，于是人们立刻离开，所以，人们会默认草动与狼来了是因果关系，然而事实并非一定如此，致使草动的因素有很多种，比如说风吹了草也会动，我们需要凭借自身知识去克服这一陷阱。
第二个陷阱，是那讲“数据驱动”的陷阱。每一家小公司的领导都会这么言说：我们属于一个以数据驱策的团队，我们开展任何数据剖析都得相当严谨，进而得出特别厉害的报告。
不过呢，那种绝对称得上完美的数据基本上是不太可能存在的。所以呀，聚合性证据就显得非常重要了（具体可看下面的内容或者去参考讲座）。其目标在于提高做对事情的可能性。实际上不管做什么都是为了提高做出正确决策的可能性。
05 数据分析报告：超重要！
数据分析报告有两个侧重点：
首先，存在着“渐进整合”这种情况，并且要运用多种“聚合性证据”来对命题加以佐证。比如说，若老板询问：XXX 策略可不可以推行？此时，负责策略的产品经理得将这一问题转化为具有很高确定性的问题，接着再借助关键数据把它表述出来，随后予以分析，最后还要进行溯源。然而，有可能一份报告并不够完善，因而需要找寻其他证据再次对观点进行佐证，通常来讲，找寻 1 - 2 个报告便足以把问题说清楚。
其二，要清晰且易于理解呵。企业以及职场并非是论文的天地，故而报告没必要如同论文那般严谨地去撰写，其具有的优先级是图片大于表格，表格又大于文字嘿，也就是在能够采用表格的时候就别用文字，在能够运用图片的时候就别用表格。
有四点报告注意事项非常重要：
第一，要有恰当的包装。身为女性的产品经理大概率会更着重于报告的美化。好多研发人员在职场中难以获得晋升，缘由为他们所呈现的报告到处都是一连串代码、一堆数字，又或是一个黑框、一张截图，就将这些当作数据报告。故而讲“颜值”是相当重要的，毕竟所有人都是凭借颜值来评判的。
其二，一句话得出的结论。得去设想一下领导每日会查看大量电子邮件，因而务必要运用一句话将结论表述得极为清晰明了，放置在第一页的位置。当领导看完这一句话的结论后，倘若有兴趣便会接着往下阅读，要是没兴趣回复已阅便可。
一句话结论主要写明：
第三点，极为关键的邮件长度，不应当要超过直接上级领导者屏幕的二分之一。此外，要清晰地注明在项目里有着核心突出贡献的从事运营工作以及进行研发工作的人员。
第四，按照图片、表格、文字的优先顺序写作报告。
最后，报告完成之后发给哪个人也是相当关键的，具体的内容能够去参照讲座，或者去翻阅书籍。
Q&A
Q：最推荐哪几本书？
A：第一本，名为《女士品茶》的书；第二本，称作《对伪心理学说不》的书；第三本，是项亮所著叫做《推荐系统实践》的书。
编者讲到，在那场讲座当中，韩瞳老师所作的推荐里，有香农其人所著的《信息论》 ，而再到后面展开的问答环节之时，韩瞳老师做出的推荐又变成了宋天龙所撰写的《Python 数据分析（第二版）》。
Q：对应届生从事工作有什么建议？
A：在我的书当中是存在的，总体呈现为两点，分别是选公司以及选职业。举例来说，不建议前往市值低于十亿美金的公司，而是要去独角兽企业，去到细分行业排名首位的公司。要是领导对数据并不了解那就直接放弃，对于社会招聘而言应该对自身的标准设定得更高一些。去查看一下脉脉上的公司评价。
另外，自己平时做的准备就是多看数学。
问：基础分析工作该从哪方面着手开始，买了一门课程却懒得去学习，有没有什么法子能够让我增添干劲儿呢？
A：毫无办法。等到就业形势更为糟糕之际，或许就会愈发焦急。我对你进行一番吓唬，关于湖畔大学今年传出的一则消息，那便是马云在二零一八年时就已极为着急，在他所处的维度已然察觉到行业的下降趋向了。二零一九年 CEO 已经体验到行业下行，经济形势不妙。并且马云有过预言，至少从二零二零年至二零二三年经济形势只会越来越糟糕，故而，公司的裁员将会接连不断。
若当下不付出努力，就有可能面临降薪、裁员的情况，并且这种情况正变得越发普遍，我认为这无需预判，鉴于观察经济状况，这是最为冰冷的事实。所以，不存在什么懒得去学，大家皆是为了维持生计。我不就是为了应对风险而额外写了一本书吗？倘若以后没了工作，还能够去讲课，赚取一些钱财用以养活自身。是这样吧？
