作为产品,你需要了解这些技术知识
var mongoose = require(‘mongoose’)
var db = ‘mongodb://127.0.0.1/test’;
mongoose.connect(db, {
server: { poolSize: 20 }
}, function (err) {
if (err) {
console.log(‘connect to %s error:’, db, err.message)
process.exit(1)
} else {
console.log(‘connected’)
}
})
区块链:去中心化的分布式数据库
回到区块链,大数据时代无隐私,区块链的去中心化能否保护隐私?
首先得介绍下去中心化,那么中心化又是什么?中心化就是我们常见的通讯模型,客户端需要以服务器获取数据(服务端和数据库交互),上次我们也讲过 输入url 后发生的事情,如果两个客户端之间互相知道彼此的地址,他们可以直接建立通讯。
p2p技术常用于资源共享、音视频等。
区块链本质上是一种去中心化的分布式数据库,该数据库是由一串使用密码学方法产生的数据区块按时间顺序有序连接而成,每个数据块中包含了一段时间内的全网产生的无法篡改的数据记录信息。
区块链技术让我们的隐私得到了一定程度上的保护。
失控
最后引用下凯文*凯里在《失控》里的一段话:
没有强制性的中心控制,次级单位具有资质的性质:次级单位之间批次高度连接,点对点间的影响通过网络形成了非线性因果关系。
计算机的高速发展,数据库不断进化,大数据越来越精确化,越来越智能,但用户也需要隐私,区块链这种去中心化、自组织的形态会不会成为新趋势?··
竞品数据如何找?
小奈 :表哥,竞品分析、竞品数据如何找?
大仁 :你可以找你们的数据产品经理啊,常见数据来源如下:
- 搜索指数
- TBI腾讯指数 http://tbi.tencent.com/
- 微信指数
- 360指数 https://index.so.com/
- 搜狗指数 http://index.sogou.com/
- 百度指数 http://index.baidu.com/
- Questmobile http://www.questmobile.com.cn/blog.html
- 易观千帆 https://qianfan.analysys.cn/
- 199it http://www.199it.com/
艾瑞咨询 http://data.iresearch.com.cn/
TalkingData http://mi.talkingdata.com/
上市公司的财报 http://www.hkexnews.hk/https://www.sec.gov/
小奈 :我们公司没有数据产品经理喔。
大仁 :这,那你也可以自己试试啊。
小奈 :我不会啊,我现在想要一个xx无人货架的城市分布图,要怎么做?
大仁 :我示范下,xx无人货架官网好像有城市bd招聘信息喔,我把这些城市都录入到excel,再生成经纬度,然后就可以了,看下效果。
(可用python也可用数据分析平台)
商家、顾客和优惠券
小奈 :数据产品经理好像挺神奇的耶。
大仁 :是啊,你们公司是电商的对吧,假如你们老板要你们提高净利润(现有系统基础上),你们会怎么做?
来看下数据产品经理怎么做:假设一瓶牛奶成本3元,定价6元时,50人会接受此价格。定价10元时,有30人会接受此价格,前者利润为(6-3)×50=150元,后者利润为(10-3)×30=210元。
但商家不想放弃另外20个支付意愿较低的消费者,于是决定用4元优惠券来吸引他们,同时对剩下那30个对价格不敏感的消费者依然维持10元的原价销售。
通过用户画像、优惠券来提高销售利润,这就是数据产品经理干的事之一,如何才能做到呢?
首先得有自己的BI系统,或者说得有用户画像。
什么是用户画像呢?
有了用户画像,知道哪些用户对价格不敏感,哪些用户不反感车的广告,再进行推送,大大提高转化率,净利润得到有效增长。
那么用户标签体系该如何搭建?
业务需求促进标签体系建立,具体从老板战略目标、功能、业务。
数据产品经理需要结合业务建立标签体系,背后真正的分析工作则由数据分析师来,数据分析该如何入门呢?
数据分析
数据分析可由数据产品经理+数据分析师一起完成,也可以数据产品经理+数据分析平台(bdp、神策等)。数据分析该如何入门和培养意识呢?
数据分析基础
想学习数据分析的同学不妨先从Excel开始,从熟悉excel的函数开始,掌握一些统计学基础。
- 均值:平均值, =AVERAGE(B2:B19),B2:B19为数据范围;
- 中位数:先将数据升序排列,若为数据个数为单数,则为中间那个数,若为偶数,则为取中间两个数据的平均值,=MEDIAN(B2:B19);
- 众数:出现次数最多的数,=MODE(B2:B19);
- 方差:用来计算每一个变量(观察值)与总体均数之间的差异,=VAR(B2:B19)
- 标准差:方差开根号后为标准差,用于评估数据稳定性,=STDEV.S(B2:B19)
- 标准误差:是描述对应的样本统计量抽样分布的离散程度及衡量对应样本统计量抽样误差,=STDEV(B2:B19)/SQRT(COUNTA(B2:B19))
- 最大值:=MAX(B2:B19)
- 最小值: =MIN(B2:B19)
- 峰度:=KURT(B2:B19)
- 偏度:=SKEW(B2:B19)
心理学
数据分析要结合心理。
大数据“杀熟”?
微博网友“x师傅”讲述,他经常通过某旅行服务网站订某个特定价格酒店的房间,长年价格在380元到400元左右。
偶然一次,通过前台他了解到,淡季的价格在300元上下。他用朋友的账号查询后发现,果然是300元;但用自己的账号去查,还是380元。
相信不同的人看完故事有不同的理解,从数据运营角度 可以看出用户分层、用户画像(标签化)、消费心理分析(优惠券能给用户占便宜的错觉)等的重要性;从用户角度可以发现生活处处有套路。
在我看来,技术的发展终会回归到善与恶的哲学问题。
作者:Jack,新零售数据PM,公众号:产品经理的技术课堂
关键字:产品经理, 技术基础, b19, 数据
版权声明
本文来自互联网用户投稿,文章观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符,请点击 举报 进行投诉反馈!