产品经理和数据产品经理的区别是数据的聚焦点、和数据是否会以需求的方式进入产品研发。
建立数据工作，从2017年互联网公司逐渐接入标准化数据产品，已经成习惯了。各大互联网公司将用户行为与背后的数据指标建立联系
如上是京东在获客成本的各个指标拆解。
由于最近带团队新项目建设数据分析和指标工作。特此分享产品经理的数据清洗维度技巧
但为什么我们要做数据清洗？
目的很简单，过多冗余的数据影响数据分析，不能给运营方、产品方带来直接的数据效益
通过数据清洗，我们才可以建立更多的数据分析模型。
汇总来为2个点
第一是为了满足数据的质量品质，第二是让数据更适合做挖掘分析
数据清洗，为什么能解决数据质量问题
这个问题的答案好像每个人都知道。
但具体怎么细则解决从下面5个维度帮助解决数据质量
1.建立数据完整性
例如用户的熟悉中缺少性别、设备型号、年龄
建立方法：
缺啥补啥
比如通过推算基础信息补全，比如身份证可以推算出一个人的性别、年龄、籍贯，实在无法补上的，数据就删除掉。避免造成冗余
2.建立数据的唯一性
比如同样的新用户注册从APP、web、微信公众号H5，确定用户是一个人还是3个端各自一个。
建立方法：
去掉重复的，只保留一条
通过Excel或sql语句用代码去重，如果数据复杂则可以编写系列规则过滤掉重复用户。
比如app客户端用手机注册，关注过话题的女性新用户，和PC端用微信注册关注话题的女性用户，可以通过手机号进行去重
3.建立数据的权威性
比如新用户注册在app上是女性，在H5通过微信授权登录则注册为男性。以微信授权为准的性别作为新用户性别。
或者提示用户已经注册，性别是否要更改。
建立方法：
用最好的渠道，或权威人的指标。
看指标来源认可度最高、符合实际情况的指标
4.建立数据的合法性
较多的是数据常识性数据工作，比如成年人体重不可能只有3公斤，身高不可能超过3米等。
建立方法：
设置数据的逻辑规则提醒
在规则范围外，判断为无效
在规则范围外，则警告
比如输入密码长度，长度超过设置边界。
4.建立数据的一致性
这一点其实是比较难的，在产品迭代过程中，数据指标也会要求迭代维护。比如前期的首页点击率，可能会变为首页若干功能入口的点击率
但在数据指标层面都叫：首页点击
建立数据指标体系，如下通过不断维护和新建指标完成唯一解读
数据的需求来源部门整合，将多个数据需求进行汇总，满足多到点再点对点的数据流转。
数据清洗，为什么让数据适合做挖掘呢？
数据满足下面5个特点，不太适合做数据挖掘（分析）
1.部分数据维度太高
比如地域属性只统计国内各个省份、城市的，中国这个数据就维度太高了。
解决方案
将数据拆解为多个子指标，降低维度分析
2.部分数据维度太低
比如要统计各个省会城市用户，但是四五线城市用户数据就维度太低
数据指标组合，建立新的平均值、最大值、最小等高纬度全局指标
3.无关信息
比如要统计真实用户数，就不应该加入白名单、内部员工作为真实用户数
解决方法：
剔除会影响数据分析（挖掘）的无关数据字段
4.字段冗余
字段是其他字段计算出来的，那则造成多个相同逻辑字段
解决方法：
和无关信息一样，剔除影响数据分析的无关数据字段
5.多指标数值、单位不同
比如用户人均转化率和人均获客单价的成本数值是一个是百分比，一个是元
解决方法：
用同一单位，同时建立最小、最大数据指标值。
数据清洗，仍然人肉为主。花精力、和低成本近期利益收回
最后要说，做产品经理做数据并不是高大上的工作。尤其是互联网产品的数据，80%时间都在人肉数据。
枯燥繁琐无味，成了数据人员的代名词。耐得住寂寞，等着产品越来越好，最终为数据提供数据中台或MATLAB、PowerBI才是最佳的方案
至于数据清洗具体的工作还可以拆分为纠正错误、删除重复项、统一规格、修正逻辑、转换构造、数据压缩、补足残缺/空值、丢弃数据/变量等，就不在叙事了。
