【干货】从网易产品经理笔试教你如何做数据

2018-06-23 18:05 来源:未知

  秒速赛车漏斗模型,注意每个环节的人员流失率。环节考虑的越多,对问题的分析也更加透彻。

  用户分类和画像。尽量结合用户的使用场景,对用户进行分类,这样数据也更贴合实际情况。

  思路比结果重要。最终的数据可能不在一个级别,但是在有多种方案的情况下,通过不同方案的比较大致可以估算出一个量级。考察的重点是思维。

  从步骤1提取自己较为熟悉的数据且和目标数据相关度更明显的数据。目标事件为考研培训,【干货】从网易产品经理笔试教你如何做数据估算题直接参与的主体是教师和学生,我们不妨通过教师数目和学生数目来突破。

  计130所,平均每个学校英语(含小语种)教师60名,数学教师(基础数学)按50人计,政治教师按40人计。每个老师平均按30个学生计,可以带学生,考虑到学生实际可能一个人报3门课,平均每人按报1.5门课计。平均每一百个老师有3个做培训。

  750所,平均每个学院英语老师(含小语种)教师35人,政治教师30名,数学教师计30人,每个老师平均按20个学生计(教师影响力认为比一类院校差),可以带学生,考虑到学生实际可能一个人报3门课,平均每人按报2门课计(认为二本院校学生培训需求相对较强)。平均每一百个老师有5个做培训(认为二本院校教师时间相对充裕)。

  按大学来分:一本院校研学生占总考研人数比50%,由于资源相对较多,集中在线下培训,其中参加线%计,二本院校考研人数占总考研人数比按40%计算,参加线上考研培训占考研人数的比例按3%计算,三本考研人数较少占总考研人数比计10%,参加线上培训的占考研人数比例计2%。

  在顶端数据确定的情况下,漏斗本身实际存在的环节越多最终的误差越大,分析时选择的环节越多,数据越接近真实数据。最终的结果为漏斗底部数据乘以各个环节的留存百分比。

  根据学生考研院校的不同,分为一类本科和二类本科,根据教师所教的课程不同对教师进行分类。分类原因是因为这些不同的用户在不同的漏斗环节具有不同的流失率,有利于数据更加准确。本例在答题时间充裕以及对考研情况非常了解的情况下,学生可以继续细分为不同专业的学生,不同收入水平的学生,对于政治教师可以继续根据教师的方向分类,例如和考研相关的马克思主义理论教师从事培训的比例相对较高,可以和其他方向分开计算。甚至可以根据年龄进行细分,有经验的较年长的老师可能参加培训的比例更高等。

  主要的思路和流程如上图:以上简要介绍了产品笔试面试中常遇到的估算题。最终的数据不一定可靠,但是思路是大致一样的。功夫在平时,我们只有多关注数据,平时有意识对用户进行细分,才能更好的锻炼思维。

  作者:孙辉(微信号huihuishengwei),在校研究生,产品爱好者,创业团队产品经理

  个人的思路:先得出16年本科毕业人数、考研人数。假设本科毕业人数为76w,考研人数为170w(网上找到的数据)。得出平均100个毕业生有20个考研的比率。通过市场调查随机20个考研生的网络培训比例(可以调查2、3组,建立角色画像)。假设3组20个研究生的线%(用户画像进行分类,这里可以对城市不同进行细节分类),那么大概可以估算170w考研学生有大概110w个参加网络考研培训。不知是否正确。

  你这个整的太复杂了,一上来哪有这么多时间,其实这里面只需要关注2014年,2015年的4个数据就行了。分别是2014、2015年的在大学本科毕业生的总人数,参加考研的人数,录取人数,参加网络培训的总人数(发放一份调研问卷,调研一下已经考上研究生的同学,他们有多少人参加的网络培训,得到一个百分比)。通过2104,2015本科毕业生的总人数,参加考研的人数,录取人数,参加网络培训的总人数这四组数据,分别得到四个百分比,得到他们之间的一个关系,然后查阅一下2016年将要毕业的大学本科毕业有多少人,通过2014。