产品复盘的5点总结，纪念那些踩过的坑( 三 )

同样举个例子，我老大有一天想做个数据分析，然后让我拉各种数据，又做了表格，等到日会上汇报时，所有的一切被老板一句话怼回去：我们要做的不是提升新增用户的数据吗，那你分析全部用户的数据干什么？现实就是那么残酷，所以想清楚了再拉数据！
以我的理解，产品经理未来对能力的要求中，数据分析将从加分项变成必须项，产品经理是最适合做数据分析的人，因为他最懂自己的产品。所以别总是原型图了， SQL也要学起来，相信我，会SQL拉数据的产品经理工作效率会大增，因为他再也不用追着数据分析师要数据了！
05 正确解读AB实验
AB实验的重要性就不多说了，除非出现新的更好的统计方法， AB实验永远会是大数据时代下的焦点。我相信大多数产品都知道AB实验是什么，但其后一些人可能并不会正确理解和灵活运用AB实验，读者可以尝试回答以下一些问题：

实验显著意味着什么？不显著又意味着什么？
空转实验是什么？一定要做空转实验吗？
当确定了产品目标，例如留存提高1% ，那么至少需要多少流量跑多少天？
实验跑了很多天，一会儿高一会儿低，数据一直不显著怎么办，还要继续吗？
实验数据很难看，但是实验还不显著，要停掉实验吗，怎么和老板解释？
实验数据很漂亮，但是实验还不显著，能向老板汇报作为结果吗？
明明是一个提升性的需求，实验数据却变差，怎么办？

其实理解了AB实验后的统计学原理，这些问题都不难，我将近期发表一篇文章专攻AB实验的统计学原理，或许会帮助大家更好的理解，有兴趣的可以关注。
最后，我想做产品的大家都是有理想的吧，愿大家每一岁都奔赴在自己的热爱里！
PS：本人目前统计专业研究生在读，第一次尝试发文章，非常欢迎一些志在互联网发展的同学们来一起讨论，一起进步，有想交个朋友的可以私信我哈哈哈。
作者：产品小强，北师大应用统计研究生
本文由 @产品小强原创发布于人人都是产品经理。未经许可，禁止转载
题图来自Unsplash ，基于CC0协议