导读：“我有一次去重庆，真的遛死我了。当时我在山脚下叫车，接单的车实线距离显示只有一点几千米，预估时长只有2分钟，但实际十五六分钟才到达了我的位置，我非常抓狂。”
这是本文作者韩瞳的真实经历。此时，如果你是滴滴的数据分析师，发现这是一种普遍的现象，重庆地区叫车时长预估和实际到达时长差距比较大。你会如何进行分析？以下几种假设你认为哪一个最可能解答实际的问题？
第一种假设：气象条件差，重庆有可能是一座雾都，所以车速太慢。第二种假设：司机习惯于更晚点击“已到达”按钮，这是生活习惯问题。第三种假设：因为重庆是特别三维立体的城市，乘客在山脚打车，而司机在山顶接单，直线距离很短，但行驶距离很长。这是根据地理知识做假设。第四种假设：重庆路面湿滑，车都跑得慢。到底哪一种假设是最符合实际情况的？在这一正确假设基础上，如何进一步解决实际问题？韩瞳老师不久前在一场直播课程中给出了答案。
作者：韩瞳
来源：华章科技
除此之外，让数据叔非常佩服的是，韩瞳老师不仅仅讲解了专业的分析思路，还分享了作为策略产品经理，提升自身职场价值的很多秘籍，而这些对于成功的职业生涯甚至是更重要的环节，因此数据叔在本文中会对这部分内容加以侧重。
对于多变量数据分析涉及很多专业的工具和过程，在韩瞳老师的讲座和著作中有更多的详细论述，欢迎大家观看韩瞳的直播课程并阅读书籍。限于篇幅，这里只能精选其中的重要部分与大家分享。
01 策略产品经理的时代背景提出问题比解决问题更重要，如果你用这一问题真的解决了一些业务瓶颈，你的这一职位就是有价值的。
无论做什么都是做提升做出正确决策的概率。
——韩瞳
为什么时代、企业需要策略产品经理？
我的经历发现，如果一个涉及AI（人工智能）、模型的项目，只有研发自己做，大概率都会失败。
当前的时代特点是：
第一，中国的互联网已经走到了下半场，从过去的增量竞争，发展到现在的存量竞争。这是美团的王慧文分享王兴（美团创始人兼CEO）的定义，王慧文在王兴的定义之下做了一些延展——现在的存量竞争特点是：
抢占用户的APP池的竞争头部效应越来越明显因此对企业效率的要求越来越高。这意味着，之前产品经理只需要画画图，做做功能，但是现在要用策略帮企业提升效率。
第二，策略产品经理是复合型岗位，他连接着传统的功能型产品经理、算法工程师、数据分析师、运营经理和公司管理层。
第三，现在的时代对策略产品经理的需求越来越多了。比如说，拿7、8个offer比一下都是可能的。
第四，功能产品经理的定义是画原型图，包括客户端、PC端。他其实是一个依靠个人经验和同理心的天赋型职业，像张小龙那样的产品经理都是“神”，普通人是很难企及的，这样的人只有几个，而且他们有天时、地利、人和才能完成。
但策略产品经理是第二种PM（产品经理），他是技能型职业，只要足够聪明，有一定的基础知识，加上不懈努力，就能成为还不错的策略产品经理，其实它降低了产品经理的技术门槛。俞军《产品方法论》里面讲到这一点。所以，从难度上讲，普通人对策略产品经理的掌控度更高一点。
三条非常重要，又特别容易被忽略的建议：
对数据分析师而言，会写SQL，拿到数据、能取数是特别重要的。做到能看，就是能看懂别人写的。能改，稍微改改日期等。能写，包括不带join的单体SQL、带join的SQL、带join、带函数的SQL等。掌握Python、R或powerBI等工具之一即可，但要学“精”。工作中平时用Python稍微多一点，因为Python可能写爬虫，或者连数据库稍微方便一点，而且它的语法简单一些。打好统计功底。关于第2条建议，这里特别推荐：
B站张宇考研数学《概率论和数据统计》，尤其要掌握两个定理，一是大数定律，一是中心极限定理，这两个定理是概率里边最重要的两个定理。《策略产品经理实践》（韩瞳著），尤其是三、四、五章。比如AB实验，很多公司采用的手段、验证的方式都是错的。02 实际工作中的多变量数据分析4种场景第一种场景，kickoff——开设一个项目。比如说想提升点击率。那么当前点击率是多少，提升目标是什么？这一环节需要做天花板预估，《策略产品经理实践》一书的第六章，讲解了如何预估天花板，简而言之8个字，“人群分层、极限推演”（详细内容请参阅原著）。
第二种场景，项目中途。比如说，项目中需要出数据报告。至少是要写周报，今日头条每周周报要写满满当当一大页，包括数据是不是符合预期，当前数据怎么样，如果出问题，还需要分析用户分布是否均匀等。
第三种场景，项目验收。即项目最终效果如何，和当初的设想有多大误差。这其实是复盘，这是决定能不能涨工资，能不能得好绩效的很重要的一环。
第四种场景，临时一次性需求，辅助决策。
最关键的是整体流程（《策略产品经理实践》第四章第一节）。一共分四个流程步骤。
第一步，确认问题。有好问题和坏问题之分。现实中，老板一般会说：你看一下这个为什么数据跌了，这可能是个问题，但如果老板说今年数据不好，也不说哪个数据、在哪段时间不好，这就不是一个（好）问题，所以确认问题非常重要。很多时候大家都是抱怨老板不好，所以要“向上管理”，真的明白老板的意思，到底是看哪个数。
第二步，分解问题，建立假设。这时候要找关键数据，然后再对数据进行假设。
第三步，原因假设。假设分两部分，一个是关键数据假设，一个是原因假设。比如已经知道点击率跌了，但是到底什么原因导致的，要给出若干种原因，然后再去找数据、做分析。
关键点：第一，分析数据的结构以及是否存在很重要。第二，划定数据的空间和时间范围非常重要。
第四步，产生数据报告。这非常重要。很多人工作可能做到80分，但是汇报只有60分，这样的人涨不了工资，或者升不了级是自己的问题。如何写好数据分析报告，如何跟领导建立向上管理的关系，如何说明自己的成绩，是非常、非常重要的职场人必备素质之一。
重点是：
分享自己的结论让所有人都听懂（更多具体的实践经验请参见讲座或专著——编者）
回到本文开篇的实际案例，最符合实际情景，因此最有可能解决问题的假设是哪一个？答案是第3个。这需要分析师有一定的业务感觉。
原因假设有两个PRINCIPLE(原则)：
第一，能不能找到数据论证。
比如说，开篇案例的第4个假设，路面湿滑车都跑得快。其实它考察的是摩擦力，但是怎么拿到摩擦力数据呢？如果是一家小公司，又不是做测绘业务的，也不是国企，能拿到重庆的路面摩擦力数据吗？所以，如果没有数据，即使做出假设，也没有办法进一步分析，原因假设就不该这么做，或者只能说要补齐数据，没有办法很快做分析。
第二，问题可不可以解决？
举个例子来说，假设雨伞厂的厂长都知道，雨天销量大，晴天销量少。但不能寄希望于每天都是雨天，这是不可抗力事件，所以说问题不能被解决，做了这样的假设也没有用。
提出问题的能力是弱人工智能阶段不具备的，这是一线人员的核心技能。要培养自己的业务sense（感觉），尽量少的被机器人剥削。这也是对策略产品经理的业务洞察。
04 关于回归分析的2个陷阱在得出相关性之后，一般要做回归分析。其中需要特别关注两个陷阱：
第一个陷阱，人类大脑存在惰性机制，容易犯默认归因的错误。这其实是人类进化时候的求生手段之一。比如说，看到草动了，就想到前两天这个村里边狼来了之后草也会动，于是人们马上离开。所以，人们会默认草动和狼来了是因果关系，但是实际不一定，草动了有很多种因素导致，比如说风吹了草也动，我们需要自己通过知识克服这一陷阱。
第二个陷阱，所谓的“数据驱动”陷阱。每家小公司的领导都会说：我们是一个数据驱动的团队，我们做任何数据分析都要非常的严谨，得出非常牛的报告。
但是，绝对完美的数据基本不可能。因此，聚合性证据很重要（详见下文或参阅讲座）。目标就是为了提升做对事情的概率。其实无论做什么都是做提升做出正确决策的概率。
数据分析报告有两个侧重点：
第一，“渐进整合”和使用多种“聚合性证据”佐证命题。比如老板问：XXX策略能不能上？策略产品经理需要把这一问题变成很确定性的问题，然后再把它用关键数据描述出来，之后再分析，最后再溯源。但是，可能一份报告不足够完善，需要找别的证据再次佐证观点，正常来说找1-2个报告就足以说明问题。
第二，清晰易懂。企业和职场不是论文场，所以报告没有必要写的跟论文一样严谨，优先级是图片大于表格，大于文字，也就是能用表格不用字，能用图片不用表。
有四点报告注意事项非常重要：
第一，适当的包装。女性的产品经理可能会更注重报告美化。很多研发人（职场）晋升不上去，原因在于他们的报告全是一堆代码、数字，或者是一个黑框，一个截图，把它就当数据报告。所以说“颜值”很重要，因为大家都是看颜值的。
第二，一句话结论。要想象领导每天看很多邮件，所以必须要用一句话把结论写的非常明白，放到第一页。领导看完一句话结论，要是感兴趣会接着读，如果不感兴趣回复已阅即可。
一句话结论主要写明：
通过什么方式进行了什么项目取得了从多少到多少的实验数据结果（比如你的领导肩负A指标，就把A指标写上去，告诉他做这件事对完成A指标有作用）注明“相关结论已经通过同行评议，并统计置信。”这句话非常重要。第三，核心邮件长度不应超过直属领导的半个屏幕。另外，写明项目中做出核心贡献的运营和研发人员。
第四，按照图片、表格、文字的优先顺序写作报告。
（最后，报告写好后发给谁也很重要，详细内容可参见讲座或参阅书籍。）
Q：最推荐哪几本书？
A：第一本书：《女士品茶》；第二本书：《对伪心理学说不》；第三本书：《推荐系统实践》（项亮著）
（编者：在讲座中韩瞳老师还推荐香农的《信息论》，并在之后的问答环节中推荐宋天龙的《Python数据分析（第二版）》）
Q：对应届生从事工作有什么建议？
A：在我书里边有，整体是两点：选公司和选职业。比如，不建议去十亿美金市值以下的公司，要去独角兽企业，去细分行业第一名。如果领导不懂数据就直接pass，社招应该对自己的标准还是高一点。去看看脉脉的公司点评。
另外，自己平时做的准备就是多看数学。
Q：基础分析工作从那方面入手，买了个课程懒得学，有没有办法让我加个劲儿？
A：没办法。等就业形势更差的时候可能就更着急了。我吓唬你一下，湖畔大学今年传出来的一个消息是，马云在2018年的时候就非常着急了，在他的维度已经感受到了行业的下降趋势。2019年CEO已经感受到了行业下行，经济形势不好。而且马云有预言，至少2020年到2023年经济形势只能越来越差，所以，公司的裁员会此起彼伏。
如果现在不努力，可能就面临着降薪裁员，而且是越来越普遍，我觉得这不用预判，因为看经济，这是最冷的事实。所以说，没有什么懒得学，大家都是为了谋生。我不就是为应对抗风险而多写了本书吗？万一没工作了以后，还能讲讲课，挣点钱养活自己。对吧？
Q：有哪些关注的专业方面的公众号？
A：“caoz的梦呓”，“算法与数学之美”。
Q：三年运营一枚，转策略运营有没有什么经验传授？
A：我真的觉得买书就可以，不是为了卖书。首先，要找到自己的核心能力在哪儿，如果做策略运营，SQL是必须会的，而且要有数据权限，两者缺一不可。
还要有一些统计学的知识；另外，数据分析报告要严谨，多做几个（证据），找几个厉害的大牛，或者把分析的报告发给比较牛的同事，让他指错，挑错，被骂几次就会了。所以说，通过互相同行评议，大家变得更好。
Q：策略产品经理与数据分析师有哪些区别？
A：其实在书（《策略产品经理实践》）里边专门还真写了。
Q：（数据）分析师转行补什么能力？
A：最重要的一点：做业务。很多人都会明显的感觉，非常缺产品的能力，没有办法判断需求。所以需要师傅带。另外，多看看产品书籍，但最重要的是要经历一个项目，其他的不重要。
第二部分能力其实在于人情能力，就是能不能让大家心甘情愿的帮你干活，这很重要。
Q：如何和算法团队分工合作？
A：跟算法沟通的时候，需要明确哪部分是规则，需求是什么。还要考虑开发成本，做产品经理要稍微懂点技术，懂算法基础实现逻辑。
另外有两点比较重要：
首先，今日头条创始人张一鸣有一个很重要的论断——每个人在公司内是有信任票的，由于你做成功的项目越多，那你的信任票就越多，如果说你平时做了很多牛逼的产品，作出了成绩，那一定算法团队也会对你刮目相看，那你的说话的分量就会更重。
其次，做团队的补集。其实策略产品经理就是服务行业，哪里缺人去哪里，如果团队里面没有数据分析，就去做数据分析，如果团队里没有人做画产品文档，就去画产品文档，如果说研发工程师实在是不爱写策略文档，我就帮他写。
把这些事做好之后，你的价值就有了，老板会慢慢发现了，这个团队离了你转不了，这时候你的价值就有了，再裁员也裁不到你身上。
关于作者：韩瞳，策略产品经理，5年实战经验，某厂创业期核心团队，微信公众号：策略产品经理实践。
戳扩展链接，作者签名版纸书抢鲜读
