我是一個軟體業產品經理，大學期間學習過心理統計、生物統計及教育統計，然而畢業後幾乎忘光光。
而軟體PM的工作內容，又包含許多數據分析的部分，為了在喜歡的工作崗位上生存與持續成長，決定複習統計學及進修更多資料科學的知識。
這裡是我撰寫學習筆記的地方，歡迎您留言與我互動，或是至threads追蹤我，一起在職涯路上學習！
產品經理（Product Manager）與統計、數據分析的關係？
先用白話文跟大家介紹一下我的工作內容（web PM）：
1.商業分析：
整理各種市場調查資料（自己發問卷調查、找受訪者訪問、跟市調公司買資料、撈公司自己的資料庫、上網google網路公開資料等），進行數據分析後，提出改善自己公司網站型產品的優化方案，或全新的功能的解決方案、企劃案
公司較大時，會有數據分析的部門。此時，產品經理可以將量化數據分析的工作以專案形式外包給數據部門此時，產品經理可以將，但PM自己仍要。有基礎知識，才有辦法跟數據分析師、數據科學家溝通。
而質化資料可以交由研究員協助處理，但產品經理仍需要了解問卷設計及訪談技巧等，並將研究結果轉換成有可行性、具備商業價值的產品優化方案。
2.需求訪談：
和內部需求方（老闆、客服、行銷、公關等部門）或外部單位（客戶、協作單位等）進行書面或口頭訪談，確認他們希望解決的問題、想要的功能等
3.撰寫規格書&與工程師溝通：
撰寫規格文件給工程師看，並向其說明規畫細節，包含畫面長什麼樣子？有哪些功能？網頁之間怎麼串接？資料之間怎麼流動？流程的判斷？等等
4.繪製線框圖&與設計師溝通：
繪製線框圖，其實就是把我腦海中對產品的想像，用最簡單的方式做出示意圖給設計師接棒畫出較擬真的設計稿，也拿示意圖與利害關係人（行銷、業務、老闆、客戶等）確認需求
簡單的功能可以用小畫家剪剪貼貼，複雜一點可以用axure、figma繪製互動功能，也能使用生成式AI產生示意圖
◆ 備註：草稿階段就要先確認，失之毫釐，差之千里，避免自己悶著頭做，最後發現跟利害關係人想要的差了十萬八千里
5.建立產品指標與監測：
建立產品要觀察的指標，並定期監控產品處於健康、持續成長狀態，例如：會員註冊數、停留時間、按鈕點擊次數。
分析產品營運狀況，進而洞察產品需要改善的問題，以及擬定未來改善的計畫。並與行銷人員討論，產品可以推進市場的機會點。
6.進度報告：
製作簡報與口頭報告，進行提案、執行、結案等報告，向需求單位、出資單位、協作單位說明專案進度
7.撰寫WBS（Work Breakdown Structure）：
把工作任務拆分至最小可執行的單位，並用表格進行執行狀態的管理
8.撰寫專案管理工具的說明
在專案管理工具例如redmine、jira等撰寫需求背景、需求內容、注意事項等，並管理卡片狀態與進度
9.撰寫Test case＆測試驗收
公司較小、團隊資源不足時，公司沒有QA（Quality Assurance engineer）協助，PM只能自己測試產品是否有符合自己設定的規格，以及撰寫測試案例（Test case）去檢視多種狀態（例如：已登入/未登入、付費用戶/免費用戶）及不同情境下（例如：不同的操作步驟、不同的使用裝置），產品的使用情況，都確認沒問題，才可以釋出上線給消費者使用
10.網路衝浪：
三不五時海巡各大社群平台，看看使用者對於我負責的產品的評價、收集靈感、觀察競品狀態等
若產品釋出後獲得好評，會回報給開發團隊，讓他們也能感受到自己的成果的效益！若差評，分析原因及擬定解決方案後，排入後續優化項目
11.持續進修：
市場與技術變化太快，沒有持續學習，很容易被淘汰
- 上網找資料自學、練習side project
- 組讀書會與同業討論
- 看商業策略、數位行銷、數據分析、軟體開發、專案管理、互動設計、產品所屬領域的產業知識的書
為什麼PM需要懂數據分析？
如前面所說，PM需要幫產品擬定改善計畫，或是從無到有提出一個全新的產品規劃，這些不是憑空想像，而是藉由分析過往的資料後，並結合公司的商業目標，企劃出一個技術上、時程上、成本上可負擔的可行方案。
而這些工作的前置作業，就是商業分析（數據分析與商業洞察）。
小公司資源不足時，PM要自己完成上述的工作。大公司專業分工，有數據分析師幫忙，但PM還是要懂相關知識才有辦法溝通與判斷資料如何使用。
而對數據的敏銳度，也會幫助PM做更精準的決策。
***
接著就來講一點基礎的資料/數據知識......
資料量測的尺度
在統計學中，資料依據測量的特性，分成四種類型
- 名稱（nominal）：
各種名稱的資料，彼此之間無法排序、無法加減乘除
例如：
◇ 顏色的紅、澄、黃、綠、藍、靛、紫
◇ 家電的冰箱、氣炸鍋、洗衣機、吸塵器
- 順序（ordinal）：
能夠排出可比較的順序的資料，可以比較大小、前後等順序，但彼此間無法加減乘除
例如：
◇飲料的尺寸：小杯、中杯、大杯
◇學校的程度：幼稚園、小學、中學、高中、大學
- 區間（interval）：
資料之間彼此有固定的差距，可以加減，但無法乘除
例如：
◇時間點：早上10點；早上11點與早上10點之間差距1小時
- 比例（ration）：
資料之間有固定的倍數，可以加減乘除
比例資料一定是區間資料，但區間資料不依定是比例資料
數值0具有意義
例如：
◇經過的一段時間：30分鐘；60分鐘是30分鐘的2倍
資料的類型
- 結構化資料（structured data）
資料的長度與格式有明確的定義，例如：資料庫的資料、程式語言定義的資料
- 非結構化資料（unstructured data）
資料沒有一定的格式，世界上80%以上資料屬於非結構化，例如：照片、PDF檔案、影片、文字檔案、臉書的文章、LINE的訊息
- 半結構化資料（semi-structured data）
介於結構化與非結構化之間，有一定格式但不完全統一，例如：電子郵件（結構化欄位：寄件人、收件人，非結構化欄位：內文）
- 表面結構化資料（quasi-structured data）
格式比較鬆散的文字資料，需要透過時間與工具處理它，使其有格式，例如：用google等搜尋引擎搜尋的結果，對用戶來說是有結構的，但對資料庫而言，這些文字資料是無結構的
***
歡迎留言告訴我你的共學心得，並且到threads上追蹤我，看更多職場與學習資訊！
