强调一点
“数据”本身具备天然的客观性，无论我们是否触碰它，它已经发生并且就在那里。而在面对海量数据的时候，我们更像是一个“求知者”，如果我们希望在数据当中找到答案，我们更应该带着一个“求证”的态度，去读取，去分析，去解读。
产品经理数据上要学习的要求
第一、学习如何提出数据统计需求
提出数据需求的过程，是一个“界定产品目的和目标，根据目标提出假设、预判产品效果“的过程，要求对功能目标、功能预期效果有完整且清晰的掌握。
第二、学习如何解读数据
对数据足够敏感，能够敏锐的发现数据当中的隐含信息，并通过逻辑推理，进一步提出好的追问和假设，然后通过数据或其它手段来验证。
一个完整的数据需求包括：
功能设计方案
功能目的和目标
功能上线后需要跟踪的数据指标，及指标精确定义
案例：网站注册流程功能的数据统计需求：
注册流程的完整方案设计文档
做这个功能的意义：让所有新用户快速完成注册流程，并正确提供所需的必要个人信息。
所需指标及定义：围绕2中的目标设计所需的数据指标，思考哪些数据指标，可以描述目标完成情况；比如，每一个注册环节的用户跳出率，每一个注册填写字段的出错率，各类注册错误的出现频次分布等。
数据误区：忽略沉默用户
案例
经第三方调研机构，对网站A和网站B进行改版满意度调研，结果显示A的改版满意度为20％，而B为80％。
本次调研，并未考虑参与调研用户数量，占网站整体用户的比例。网站A中大部分用户其实并未参与调研，而这部分用户对改版到底是什么态度，其实在调研结论中并不知道。
典型问题：忽略沉默用户
用户迫切需要的需求 不等于 产品的核心需求
你所听到的需求，或许只是少部分用户迫切需要，而大部分用户并不在乎。
结论：没有始终全盘的去考虑用户需求，听到用户声音的时候就做出了决策，而忽略了产品大部分目标用户的核心需求。
数据误区：过分依赖数据
过分依赖数据：一方面会让我们自己做很多没有价值的数据分析；另一方面 也会限制产品经理本来应有的灵感和创意。
很多优秀甚至伟大的产品决策，并非通过数据发现的，而是一个PM综合智慧的体现。作为一位产品经理，要有独立思考和灵活判断的智慧。
数据误区：错判因果关系
所谓因果关系，就是A的发生，导致了B的发生。比如醉酒驾驶导致交通事故，那么醉酒就是交通事故的原因之一。
所谓相关关系，就是A和B两件事情的出现，都是出自同一个原因，数据上显示火锅消费高峰期和冰激凌消费低谷总是同一个阶段出现，而这两件事情都有同样一个原因，即天气变冷，气温下降。
例子：某电商网站数据显示，商品评论的数量与商品销售额呈正比，即一个商品评论数量越多，那么该商品的销售额也会越高。
但商品评论数据可能并不是商品销量的主因，可能是商品质量，面对人群，季节等其余因素也占有相当重要的作用。
重新审视生活中的常识，是否是因果关系？
玩网游让学生成绩变差？
打篮球让人长高？
数据误区：警惕表达数据的技巧
控制纵轴或横轴的坐标范围，可以处理数据，让数据变为另一个样子。
数据误区：不要妄谈大数据
什么是大数据？
三个要素：用全部数据、注重相关关系、全新的计算方法
所谓采用全部数据，就是当通过数据分析一个问题的时候，涉及到所分析问题的所有数据都必须纳入到计算范围当中，无论是常规合理数据，还是一些异样的样本数据都必须包含。甚至传统数据分析中可能都完全忽略的数据，都需要包含在大数据分析当中。
所谓注重相关关系，即通过大数据分析，最终分析获得并关注数据当中的相关关系，并通过相关关系知道分析、决策、预测，但对因果关系的探索，将不再是这种数据分析所关注的核心内容。
所谓全新的计算方法，即大数据分析，其计算过程不再是传统数据分析中，必须精确统计、不容许任何脏数据、错误数据的分析方法，而是包含了各类混杂数据的简单相关性计算。