需要思考指标现状，发现多维规律熟悉产品框架，全面定义每个指标的运营现状对比同行业指标，挖掘隐藏的提升空间拆解关键指标，合理设置运营方法来观察效果争对核心用户，单独进行产品用研与需求挖掘发现规律不一定需要很高深的编程方法，或者复杂的统计公式，更重要的是培养一种感觉和意识。
不能用你的感觉去揣测用户的感觉，因为每个人的教育背景、生活环境都不一样。很多数据元素之间的关系没有明显的显示，需要使用直觉与观察（数据可视化技术来呈现）。
需求是一个系统工程，涉及到需求收集，需求分析，需求开发多个方面的内容。很多时候互联网行业把需求工程简化了，那就谈谈互联网产品下得需求分析能力提升涉及到的点。
1.你做的产品涉及不涉及到业务领域或业务流程，如果涉及到那么先熟悉业务流程，基础支撑是基本的流程分析和建模能力。至少能够把业务流程所涉及的场景，岗位，角色，活动，输入输出描述清楚。
2.用户行为分析，交互设计：基础理论的书可以看几本，更多的是多看别人的产品和网站，交互设计不仅仅是用户体验或易用性设计。更多涉及到基于场景或角色驱动的流程设计。
3.需求工程：不管是传统软件工程的需求规格，用例建模。还是敏捷下得User Story Card，都存在收集需求，整理需求，结构化和条目化需求，场景和流程描述，业务规则描述等基本内容。建议至少看一本需求工程方面的基本理论书籍。需求分析能力提升了，附带的就是结构化思考和写作能力提升，需要把需求能够表达和描述的清楚。
如果想深入学习数据分析的话建议了解一些数据挖掘的知识。如何系统地学习数据挖掘？做数据分析不得不看的书有哪些？什么是数据挖掘？谈一些个人的工作经验，希望对后来人有帮助。首先总结下平时数据分析的一般步骤。
-第一步：数据准备：（70%时间）获取数据（爬虫，数据仓库）验证数据数据清理（缺失值、孤立点、垃圾信息、规范化、重复记录、特殊值、合并数据集）使用python进行文件读取csv或者txt便于操作数据文件（I/O和文件串的处理，逗号分隔）抽样（大数据时。关键是随机）存储和归档
第二步：数据观察（发现规律和隐藏的关联）单一变量：点图、抖动图；直方图、核密度估计；累计分布函数两个变量：散点图、LOESS平滑、残差分析、对数图、倾斜多个变量：假色图、马赛克图、平行左边图
第三步：数据建模推算和估算（均衡可行性和成本消耗）缩放参数模型（缩放维度优化问题）建立概率模型（二项、高斯、幂律、几何、泊松分布与已知模型对比）第四步：数据挖掘选择合适的机器学习算法（蒙特卡洛模拟，相似度计算，主成分分析）大数据考虑用Map/Reduce得出结论，绘制最后图表循环到第二步到
第四步，进行数据分析，根据图表得出结论完成文章。
“无尺度网络模型”的作者艾伯特-拉斯洛·巴拉巴西认为——人类93%的行为是可以预测的。数据作为人类活动的痕迹，就像金矿等待发掘。但是首先你得明确自己的业务需求，数据才可能为你所用。
