随着产品的发展、业务逻辑的愈加复杂，数据的分析也就愈加重要。对数据的分析可有效避免逻辑的混乱，防止在繁杂的业务理解上逻辑不清、判断错误。
1、数据分析的总体思路
数据分析的主要思路有两个：
一个基于用户的使用路径，包括用户的操作（点击。返回、退出）、流失（如：注册流程增加一个跳转，用户的流失率）、停留时间（例如用户在淘宝某个商品的浏览时间）；
另外一个是基于产品的节点，包括用户转化率和占比，例如：通过某一个推广页面，新注册的用户与浏览用户的比例，付费用户与非付费用户的比例。一般来说，产品经理的KPI会直接与这几个指标挂钩。
2、数据分析的方法类型
分析方法有定性分析和定量分析两种。定性分析是对事物性质的归纳，用来说明某个用户行为、功能点的定义和说明，对事物作出一个假设。定量分析是对事物数量的统计，是对假设的验证。定量分析和定量分析往往是结合在一起使用的。
简单地举个例子。用户对产品的喜爱程度可以分为喜欢、一般、不喜欢三种状态。我们可以通过用户访谈，询问用户的使用感受，根据其回答将其划分为喜欢、一般、不喜欢这三类用户，这就是定性分析。
如果，我们认定有超过50%用户喜欢该产品可认为产品的用户体验做得比较好，随后我们通过大量的问卷调查发现有60%的用户喜欢这个产品，30%持中立态度，10%不喜欢该产品，由此可以认为产品的用户体验做得不错，这就是定量分析。
3、数据的来源
数据分析的基础是数据，不仅仅包括自己产品的数据，也包括竞争对手和行业数据。
对于自己产品，一般可以从服务器日志和数据库中获取用户注册登录、产品使用情况等数据，也可以通过用户调研和用户反馈（论坛、交流群、投诉）获得。
竞争对手的数据，我们可以通过第三方网站或系统获知，如百度指数、应用商场下载数量等等，也可以查找竞争对手的公司财务来获取一些有价值的信息。
另外，我们还可以通过行业的媒体了解行业趋势，如阅读行业分析报告、热点大数据、行业融资情况等。
4、数据分析的指标
数据分析的指标有转化率、任务完成率、当前使用用户数、流失用户数、回访用户数、活跃用户数、新用户比例、用户流失率等。其中，转化率、活跃用户数、新用户比例、用户流失率是相对重要的分析指标，下面简单介绍下这几个指标。
转化率可以分为上一步转化率和总体转化率。上一步转化率指前一个页面或操作进入下一个页面的用户比例，如：加入购物车与提交订单的比例。整体转化率前某一个页面或操作与最初（浏览）用户的比例，如：提交订单数与浏览数的比例。
活跃用户数指经常使用产品的用户数，每个公司对“经常“的定义会有所不同。活跃用户越多，产品价值越高。活跃用户数用来向量运营的现状，而流失用户数则用来分析产品是否有能力留住新用户、是否有被淘汰的风险。
新用户比例是反映产品发展善重要指标。新用户是产品发展的动力，老用户是产品生存的根基。我们要做的是：保持老用户数量的稳定增长前提下，提升新用户所占比例。
用户流失率反映产品保留用户的能力。
在产品的成长阶段，新用户比例会大于用户流失率；在衰退阶段，新用户比例则会低于用户流失率；在稳定阶段，则新用户比例与用户流失率持平。
对于这样几个重要的指标要建立监测。对于大数据量，需要建立大数据平台，通过FineBI这类数据可视化工具，展示实时的数据，以便及时分析，制定计划走向。
今天的内容比较理论化，系统简单地介绍了一下数据分析的基础定义，以便有个基本的概念。