目标：
- 了解数据相关概念
- 了解常见的数据指标用来决绝什么问题
- 学习如何查看数据图表
概念：
- 互联网里的数据指指我们在全名用互联网产品时发生的行为所沉淀下的结果。
- 可以使用大量的数据进行分析和预测用户行为。这个过程我们称之为大数据。
- 数据是互联网时代最重要的资产，尤其是对于互联网公司。 ### 例如：
- 利用社交关系数据可以产生很多衍生场景和价值。例如基于微信群关系的微信红包，利用社交关系产生的策信运动比拼等。
- 数据分类以及数据分析：
- 结构化数据
- 按照固定的格式和结构存储的数据，用我们开发者的视角说是⎡姓名：输入框⎤。用來預測趋势。
- 非结构化数据
- 簡單理解為文本輸入框⎡TextArea⎤對輸入的內容是不可以把控的。用来进行行为分析和相关推荐。
数据指标：
- 产品在各个方面所记录和统计出来的数据结果。是对过去进行回顾和对未来进行预测的参考标准，一个公司的业绩和产品健康程度都是通过数据指标反映的。
- 常见的数据指标例如活跑用户数，周活跃数或者月活跃用户数，可以反映出一个时间周期内用户对产品的使用情况。就像养个孩子一样一样的，你要监控它们。
- 转化率指标：反映一个产品功能的实际效果的数据指标。
- 例如：设计并开发了一个功能，通过一些指标的监测，可以反映出这项功能在提高产品用户活跃度或者促进业务发展时是否真正起到了作用。
- 我们的瓦匠其实也是一样的，比如，如何知道我们有多少用户，我们为用户节省了多少开发时间。我的瓦匠日是周用户量是多少。
常见指标：
UV/PV
- UV（Unique Visitor）网站独立访客和独立用户的意思。指访问某个网站的独立 IP数量。UV可以反映用户的活跃度，也可以反映出在某一个固定周期内用户使用产品的情况。
- PV（Page View）网站的页面访问量，和UV不同的是，PV统计的是用户打开网站的次数。多次重复访问了网站，那PV数就是该用户当天实际访问该网站的次数。PV记录的是单次访问的次数，UV记录的是独立用户次数。
通过PV数我们可以统计一个转化率，统计用户以哪种使用路径访问时的PV指标是最高的。通过数据统计并反映出用户使用产品的主路径。
DAU/MAU
- DAU（Daily Active User）是指日活跃用户，记录一天内独立用户登录或使用产品的次数。反映产品的用户活跃情况。微观指标
- MAU（Monthly Active User）是指月活跃数，记录一个自然月内用户的活跃度情况。，宏观指标。
- 通过DAU、MAU的数据统计，我们可以持续观察产品的运营情况。针对数据指标结果做一些对应的产品策略调整。
GMV
- (Gross Merchandise Volume)商品交易总额，是一种反映平台交易总量的数据指标。
- 一般在电商类产品里会看到，像美团也有。
- GMV不是指成交总额，而是指发生的商品交易总额。（下了订单但还没有支付）
- 反映的交易活跃情况。GMV是商品交易总额，并不是成交总额。只有下单的交易额才被计成成交总额。
转化率/留存率
- 转化率：
- 统计一个大范围的运营活动或者产品动作转化出有效用户的比例。
- 例如：通过设计用户购物路径，引导用户进行某一类商品中去查看，就能提高用户购买该商品的转化率。转化率通常衡量的是投入产出比，低投入，高转化是所有产品的运营追求和目标。
- 留存率：
- 用户进入产品后，在一定周期过后留存在产品中的用户数量。
- 以某一天开始，当天加入的新用户100人，一天后这一批人里有50个人继续使用产品，那这一天产品的留存率就是50%
数据仓库
- (Data WareHouse)DW是一种对历史数据进行存储和分析的数据系统，通常是为企业根据过往数据进行分析从而制定相关决策而存在的。
- 包括一些系统的操作日志记录，通过对数据仓库里的数据进行计算和分析，可以得出业务分析报告和历史数据报表。
- 对历名数据进行存储和分析，而时实数据都存在生产数据库中。
- 数据仓库不同于数据库，数据据是对实时数据进行存储和事务性处理的系统。
- 数据库捕获数据而设计的，数据仓库是为了分析数据而设计的。
- 例如：
- 银行交易系统为例，每一笔交易数据都在数据库里有完整的记录，这种记录都是格式化的业务型数据。
- 在数据仓库中，存储的数据结构要比在业务数据库里冗余一些，可以用来分析银行一个月内发生子交易额。
- 数据库业务数据，仓库冗余数据。为业务和产品决策提供数据支撑。
数据可视化
- 指通过不同的视觉呈现方式，将数字数据通过生动形象的方式呈现出来。
- 数据可视化是对数据分析结果的展示，通过数据可视化能给决策者提供更直观生成的数据决策支持。
- 数据是最能反遇产品和业务结果的指标。利用数据驱动产品和业务也是目前很多公司的方式
- A/B测试，转化率或者活跃度可以得出哪种方案更好。基于数据结果就可以选择一种更优的方案。
-
数据驱动下的产品与业务
- A/B测试：同时在市场上发布A方案和B方案观察转化率或者活跃度。
