当toB产品经理遇到数据分析对于我来讲

对于我来讲，我本身是学的软件工程，后来从事产品经理，作为toB端的产品经理，可能最爽的点在于设计软件的过程中，能把业务吃透，面对庞大的业务体系和复杂的逻辑，很难让自己在专业方面没有提升。
但是在经历面向的大多数是大客户和领导层面的人之后，难免会产生枯燥的感觉和到达瓶颈的挫败感，因为大多数情况下， toB产品不需要创新，不需要美感，更不需要突然爆发的灵感，需要的是对客户业务场景的深入调研和理解，强调的是客户的价值。
在toC端数据分析一片红海的情况下， toB在此领域倒是显得有些呆萌，说到底， toB的产品对于数据分析这项技能用的很少甚至不会用到。但是，在经历了上述心路历程之后，也会有新的发现，那就是在toB端工作久了，越来越发现对于政策的把控和对于民生发展的趋势的把握显得十分重要，然而在公司的背景下，对于有些东西是现成的，直接拿来上手去做就可以，这就导致了对自身思维的禁锢，但是哪怕假设假如以后会创业（每一个产品都有一颗创业的心），对于数据分析来讲也是写好计划书的一小部分不可忽视的技能，所以当toB遇到数据分析未尝不能擦出一些火花。
后续会更新更加详细的步骤包括用到的工具
以下内容均来自一个初步认知数据分析的toB产品的总结：
数据分析大致可以分为以下几个步骤：
1、问题工程--得到什么结果
2、信源工程--数据从哪来
3、数据工程--也可以叫数据处理(为了格式一致就叫那个名字吧) ，目的是得到“好”数据
4、特征工程--从哪些维度入手
5、模型工程--标签应该怎么分析
6、展示工程--结果怎么呈现
最后，讲好一个故事，一个可以将上述步骤都包含进去的故事
一、问题工程
问题工程简单来讲就是想要得到什么结果。什么样的曲调决定了歌词情感动向，如果在一开始就没有想清楚到底研究的是什么问题，或者没有一个明确地主旨的话，那么后面所做的东西都用不上（简称：垃圾）。所以第一步虽然是最简单的，却也是最重要的。
二、信源工程
1.信源划分：
可以将信源划分为信息发布者、行业类型、所属地域和网站类型这几个维度。

文章图片
信源类型
信息发布者
可以分为UGC（个人）、PGC（专业生产内容）、OGC（职业生产内容）

文章图片
信息发布者类型
行业类型：
保险业
能源
餐饮
电讯业
房地产
服务业
服装业
公益组织
广告业
航空航天
化学
健康
保健
建筑业
教育
培训
计算机
农业
旅游业
律师
体育运动
演艺
医疗服务
设计
金融
交通运输业
咨询等等行业
所属地域：
可以按省市划分，按国家划分等
网站类型
例如咨询、社交、百科、视频、百度经验、企业类
再细化一点比如电商的分类：
综合类：淘宝、天猫、京东、苏宁
饮食类：美团、饿了么
锻炼类：keep、薄荷健康
旅游类：大众点评、携程、去哪儿
2.数据类型的划分
还是举个例子，对于电商来讲，包括但不限于：产品名称、任务数据、动态数据（评论数、转发数）、转发数据、收藏量
3.定位有价值的信源基本步骤
第一步:读题，解析命题
第二步:拓开思路，列出信源可能的来源