产品经理对大数据在教育领域的应用分析

第一篇：产品经理对大数据在教育领域的应用分析

产品经理对大数据在教育领域的应用分析

传统教育模式，教师对学生的评价，绝大部分来自考试成绩及较为主观的判断。而互联网模式下的教育模式，核心是为学生自我发展、教师教学反思、学校的质量提升提供基于数据分析的支撑，从而减轻教育评价体系的负担，同时采用统一的标准进行评价，在一定程度上提升评价的准确性。

其中，“数据分析”＋“可视化”：让学生、老师、家长三方都更全面的了解学习情况，更重要的是老师会根据大数据的分析，对教学内容做针对性的调整，管理人员同时也可以根据科学的数据支撑进行学校资源管理。

四大评价体系：数据代替传统 客观评价体系

（1）定位

从主观判断到客观评价（2）案例 · 学习诊断分析系统 · 课堂互动反馈系统

伴随式评价体系

（1）定位

从总结性评价到过程性评价（2）案例

区域性数字化教育评价体系：用数据代替传统的查资料，调研访谈来描述区域发展问题。

智能化评价体系

（1）定位

从人工性评价到智能评价（2）案例

· 万份英语同题作文智能评价：智能评价技术代替传统改卷模式 · 课堂评价系统：即时练习考试与成绩分析

综合性评价体系

（1）定位

从单一评价到综合评价（2）案例

学生综合素质在线评价：多维学习评价代替只看成绩的方式。

大数据的最终目的，即为最大化实现自适应学习，自适应学习是把学习和评价联动起来的一种科学的学习模式。因为，要自适应学习，必须有一个系统随时看到学生学到什么程度，这个完全是评价。但是，评价完了之后有一个新的呈现。目前国内很多教育机构在研究自适应的学习模式，但都处于起步阶段，若要把自适应做好做透，一定是真正通过大数据、根据算法模型来分析学生的学习数据，匹配下一步应该学什么。

大数据的核心在“大”，大数据需要一个量的累计，积累始终是需要时间去培养的，大数据给教育带来的好处，会随着时间的迁移越来越明确。

两类学校试点：个性代替全面

就目前而言，教育领域大数据的作用还在基础教育这一块，优化学生成长路径，转变新理念，把教育忘服务方向转换，为学生提供更全面的发展机会。，大数据会帮助家长从孩子学习数据到心理测评数据中了解孩子，更合理的规划兴趣拓展，更客观的选择文理分科，更科学的进行志愿填报。大数据帮助家长通过数据为孩子更好的判断未来。

幼儿园

定位 案例 目的

K12

（1）定位

利用大数据革新课堂交互模式（2）方法

· 确定学生的有关数据；

· 了解对于学生的学习来说什么是真正重要的； · 有针对性地为学生提供合适的教学．（3）案例 · ClassDojo · 智能设备 · 智慧校园（4）目的

挖掘个性发展方向，实现健康快乐成长。

小Q来总结

在线教育未来的发展方向「标准化」＋「产业链」，「提升效果」＋「精准匹配」。对于教育领域大数据的采集与设计，现实存在的问题有：纸质作业仍未全面电子化，大多数家长并不允许孩子们长时间地使用移动设备。数据采集过于碎片化，并不构成线性结构。若要获得突破，先想办法拿到数据才有可能产生效果，这是大数据在教育领域应用分析中最核心的难点。

第二篇：数据分析对产品经理的重要性

创意互动 设计人生

莱茵教育www.xiexiebang.com 开课吧

www.xiexiebang.com

数据分析对产品经理的重要性

不会数据分析的产品经理不是一个好的产品汪，莱茵教育表示，数据分析是产品经理吃饭必备的工作，大量的砖家也很乐于在各种社区和公众号分享他们的数据思维和数据分析方法论。今天我们就探讨一下怎么去处理数据分析的后事，数据分析完成之后如何去优化产品迭代。

1、数据的定义很重要

数据是神奇的，同样的数据，从不同的维度，甚至不同的人眼里，都会看不到不一样的东西，百分数“123%”,经济学家可能认为这是本季度GDP的增速，程序猿会把它当成字符编码。

因此产品经理首先自己得做到经由自己的数据定义是准确无误的，不管是自己接到的来自团队、老板的数据需求，还是通过自己分析输出的数据指标定义都必须说明清楚，不存在歧义，这样不仅可以减少对其他小伙伴解释说明的时间，也会避免数据在传播的过程中失真的问题，数据是严谨的，对于它的定义，我们需要去咬文嚼字。

2、我们需要什么指标

虚荣指标和期望指标对我们没有意义，现在很多的大数据团队经常会对外发布各种行业报告，包括国家统计局也会按时发布国民经济报告，从这些报告中传递给我们的信息是今年移动用户数还在继续增长，某个行业的市场是多少亿美元，哪家公司融了多少钱，这些都是虚荣指标，看起来很美，却不能给我们产品优化带来任何指导效果;期望指标就是我们内心希望它是不断增长的，为了我们自己潜藏的目标再去找数据，分析数据。

比如有一天老板需要你用数据证明产品这个月比上个月做的更好，然后你告诉老板你们的注册用户数比上个月增加20%。初一看数据在增长，实则可能你们的留存率和日活跃用户数在大幅度下降。期望指标对外还可以，对于指导产品优化没有任何价值。

那我们到底需要什么指标?可付诸行动的指标才是我们数据分析应该得到的结果，可付诸行动的指标更多的是一个比率，而不是具体的数字，它应该是和你们产品核心KPI相关的，它应该可以告诉你产品好在哪里或者不好在哪里，国内的直播市场，映客在月活跃用户数上甩其他平台几条街，但是一个可付诸行动的(日活跃用户数/月活跃用户数)这个指标却远远

线下学习入口：莱茵教育 线上学习入口：开课吧

创意互动 设计人生

莱茵教育www.xiexiebang.com 开课吧

www.xiexiebang.com 落后于斗鱼TV，说明映客的用户黏性还不够，数据指标可以指导映客在追求用户数量的同时，用户粘性方面也还有很大的提升空间。

3、怎么把数据和产品优化结合

指标明确之后，我们就需求考虑怎么样把这些数据指标和产品优化结合起来，换而言之就是我们分析的数据结果需要落地。产品汪估计做的最多的就是竞品分析了，我们可能是最先知道竞品版本迭代的用户，我们也会想尽一切手段去了解别人家产品的内部数据，可能别人家产品新上了一个新功能，然后你通过小道消息得知他们的用户数这段时间在大幅度增长，最后你屁颠屁颠的告诉老板，我们是不是也可以跟风，赶紧做了这个功能。

看似你这份数据价值不菲，但是却忽略了从产品本身出发这个基本原则，否则你的数据可能让你们产品走弯路甚至走错路。一方面你需要考虑别人家产品做这个功能的基础是什么，可能原本别人的用户在这个部分的转化率是50%，而你们自己的产品是5%，这样的结果就是做同样的事情，别人产品带来的增益效果让你傻眼，然后你还去怪技术没开发好。因此产品经理在数据分析的时候应该是产品导向型的而不是数据导向性的，一切数据都需要基于产品自身。

4、怎快通过数据快速验证迭代效果

现在互联网产品永远都是Beta版，竞争对手不会等你，也没有机会去不断大规模试错。因此我们需要用数据去快速验证最小可行化产品，因此选择数据的可预见性和针对性就显得特别重要，你选择的数据需要不会受到随机性的影响，能在时间短和数据量小的情况下验证假设。

线下学习入口：莱茵教育 线上学习入口：开课吧

第三篇：产品经理必备技能之数据分析

www.xiexiebang.com

产品经理必备技能之数据分析

数据分析往往是从文本上反应产品的各类信息。但是，产品经理在做产品的各个阶段时不能一味的依靠数据分析。这时就需要我们有精确的数据分析的技能。首先要了解数据分析的三点核心：

1.什么是数据分析？（What）2.为什么数据分析？（Why）3.如何数据分析？(How)

下面我们将以实例的形式重解读第二个问题和第三个问题。大致分为以下几步：

第一步：确认数据分析的对象

产品名称：企查查APP V9.1.8 产品愿景：中国企业信息搜集的综合体，为投资者、金融相关从业者等提供企业的一站式信息服务。

分析范畴：产品迭代、产品优化、产品分析/验证

背景概述：自定义。注意，数据指标的制定远比数据分析过程要重要的多或者说更加富有创造性。

第二步：制定数据分析指标

1.商业模式/盈利方式分析：免费增值模式，先做成流量入口，后期分享流量红利扩大转化率。

2.了解产品现状/定量分析产品 2.1 用户分析 用户规模：

用户群体可大致分为个人、企业，分析个人和企业用户的人数比例，明确整体分布情况。每月/周/日的新增用户、流失用户、回流用户的比例走势，选择恰当的走势变化渠道；

用户质量：产品粘性及病毒性的反应，体现在用户的活跃度上，一般包括，日活跃（DAU）、周活跃（WAU）和月活跃（MAU）； 采用同期群和用户分类的分析方法，特定用户群体的特定分析过程，用户质量也是渠道或营销活动效果的间接体现，以便后期及时的调整和处理；

用户质量的标准制定，包括忠诚用户、联系活跃用户、流失用户等等，为反应不同指标设置特定的用户质量指标；

2.2 应用分析：

启动次数，某日/周/月的启动次数占所选时段总启动次数的比例，直接反应生活时间成本； 版本分布，对开发和维护的意义非常深刻，展示累计用户排名前10的各个版本变化趋势，可以帮助了解每个版本的新增用户，最新版本的升级情况，目前的哪些版本状况；

使用情况，统计周期内，一次启动的使用时长；一天内启动应用的次数；用统一用户相邻两

www.xiexiebang.com

次启动间隔的时间长度；

设备终端和错误分析也是很有必要的；

2.3 行业分析：

a.行业数据可以帮助了解行业内应用的整体水平，各个指标的数据、排名及趋势，有助于衡量应用的质量和表现；

b.了解行业数据，了解自己的APP在整个行业的水平，通过多个维度对比自己产品与行业平均水平的差异，从而知道产品的不足之处。

业务场景：

1.首页支持企业名称、人名、品牌名等信息的模糊查询，并且在搜索系统之下直接提供四个维度的一级辅助搜索条件。

2.企业信息维度算是一款企业信息服务平台的资源性优势，也是一款内容应用的核心模块。不同类型的用户对不同类型的信息感兴趣的程度各有不同，因此，要记录和挖掘用户行为特征数据。

产品分析：

企业信息查询第一级别的功能是搜索，第二级别的功能是条件搜索；理论上讲，后者在搜索的精确程度上要更加有优势。

数据指标：

1.不同检索维度的搜索量；

结论：以信息检索维度的搜索量，选出哪些企业信息搜索维度置于条件搜索中，并决定其分

www.xiexiebang.com

布的顺序和位置；

2.不同描述维度的查询量

结论：

a.以信息描述维度查询次数，区分重要企业信息，量化区分不同信息的关注度和用户价值； b.交叉分析不同维度的信息，用户属性，比如：行业+查询维度，综合分析不同特征的用户群的核心关注点。

c.内容受欢迎程度及需求的迫切程度，面向不同类型的用户，比如：普通用户、企业用户，内容分级、资源分层更好地配合免费增值模式、会员等级产品形态。正对不同用户特征给予不同的需求满足形式都是值得尝试和探索的，单

一、传统的直销的商业模式或许有被迭代升级的可能；

小结

产品数据分析意义在于指导产品设计，传达感性认知背后的理性意义。无论数据分析的结论积极还是负面，都是产品价值映射，作为产品经理，我们必须投以客观的态度。

如果你喜欢我们的文章，欢迎加入我们。

12.15

第四篇：大数据在培训领域的应用

大数据在培训领域的应用

随着信息技术的普及,人类社会进入到了大数据时代,数据已经渗入到我们生活的每一个角落,衣食住行都离不开数据。所谓的大数据在百度百科上的解释是:在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。大数据具有数据容量巨大，数据种类繁多，数据获取速度快速，数据来源真实，数据具有价值性等特点。从大数据的应用来看，大数据包括横向和纵向两方面的大，可以从时间空间来说，可以从数量与质量来说，也可以主观客观来说，一切我们可视可闻可想的都包含在大数据里。正是有这一种大，才可以在精确定位的“小”行业中提现出大的价值。大数据使市场行业更加细分，人们的行为更佳细分，可以使企业更清晰的明白自己的定位，从时间的跨度上来讲，大数据这是由于这种资源的大量整合，可以使得市场具有前瞻性，而大数据的最终效果是使消费者得到最合理最高效价值最大化实现的满足。

20世纪90年代开始，培训行业在中国发展壮大，尽管现在已经到了一个全面发展的时期，但是培训行业依旧存在大量的问题。培训供求错位，培训没有建立在科学的需求分析上，培训没有针对性，培训项目设置不合理，导致培训效果事倍功半。培训定位模糊，对培训定位不清，致使培训与企业长期发展脱节，培训并没有真正为企业的经营战略做出贡献。培训主体错位，培训只是培训部的事，高层不重视，中层不支持，基层不理解，培训部角色尴尬。培训对象错位，许多企业尽管重视员工培训，却只是关注中基层员工的培训，忽视对高管层的培训。只对中基层员工培训，忽视对高层培训，或者笼统培训管理层，员工的素质愈来愈高，而管理者却没有得到应有的提升。培训方法不当，在培训方法上，企业大多运用传统的模式授课，培训师讲，学员听，从而产生枯燥、效果不好的弊病，使员工失去对培训的兴趣。许多培训师根本没分清培训与教育的界限，培训应是以学习和掌握知识和技能为中心，而关键在于改变学员的技能。

培训定义是一种有组织的知识传递、技能传递、标准传递、信息传递、信念传递、管理训诫行为，培训的目的也是使得这些传递能够实现。在大数据的发展应用之下，无疑为培训发展提供不少有效途径。在大数据时代，最常做的便是将数据产品化，通过对私家车数据的整合，出现了Uber，通过对英语教员的整合，有了现在VIPABC的发展模式，有数据走向产品的案例不胜枚举。在培训领域也可以通过数据实现产品化，比如开发一款可以使用的app，使参与培训的人可以随时随地的利用时间来培训，培训者也可以随时互动。然而这个的实现，必须要依靠大数据，需要前期非常庞大的数据支持，以数据来确定培训的主题，培训的内容，培训的风格，培训的人员，培训的课程等等，而这里大数据可以是通过对很多的学员的调查，对以往培训资料的整合，对同行业的调查，总而言之，离不开大量的数据支持。

在全球化的快速发展下，人才发展已经成为关键，培训的外延拓展到关键人才的界定，能力标准设定，人才评测以及系统性的发展领域，实现这一点必须要对人系统，有差别的培训。运用大数据增强培训针对性显然是不可或缺的，针对性是培训的基本要求，运用大数据，一方面，可以分析培训人员知识储备结构，了解到培训人员哪些方面的专业培训还欠缺，从而有针对性地开展重点专项培训，弥补其专业知识的缺陷；另一方面，可针对性地调训配置学员，改变以往“一锅煮”的方式，做到按需培训、有的放矢，实现组织需求与个体需求的有机统一。同时，通过运用大数据，使人员培训与培训者使用有机结合。通过建立起人员培训的电子档案，使培训管理数字化，通过查看培训档案和分析培训结果，可以动态了解培训人员在若干年内的培训知识储备。除了对被培训者的合理调控以及数据建档，达到学员最大化培训效果之外，通过对培训人员的数据整合，归纳培训人员的知识强项，性格特征，从而帮培训者挑选适合的学员，以及做好自身规划。

大数据的整合使得企业更加清楚自己的定位，明确自己在整个市场中的角色扮演，企业的明确定位又是企业培训的一个重要保证。市场何其之大，人才何其之多，知识何其之广，摆正自己的位置，培训才能有的放矢。运用大数据对公司现状的分析，公司的发展历程的回顾，公司在市场上的定位，才能预估公司未来的发展。公司的发展方向又决定了培训开展的方向，一切又要从自身的定位说起，所以大数据的整合可以使得培训的方向更加明确，企业未来大发展更加明确。

将来的培训的方式由被动向主动转变，培训的内容由普遍竞争向核心竞争转变。这既是对培训人员的要求，也是对企业的要求，而大数据就是这个转换工程中的一个一个媒介，传统的数据诠释宏观、整体的培训情况，用于影响培训的宏观政策与决策；大数据除分析宏观外，可以分析学员个体的课堂教学、实践调研等微观状况，对于调整学员培训行为，实现个体化培训、需求培训等具有重要现实意义，就是从原来的宏观到现在的微观，才实现了培训之间的可交流性，从而使一味的灌输与接收，到培训过程中改变与创新。以前的培训是哪里不会补哪里，但是面对知识经济的挑战和日益激烈的市场竞争，培训仅为补缺是远远不够的，应把挖掘潜力作为培训的重点，把思维变革、观念更新、潜能开发纳入培训的内容，而潜能的开发则是企业发展核心技术的关键，核心技术也是成为企业的核心竞争力，大数据利用将成为提高核心竞争力的关键因素。

运用大数据科学规范培训管理，将大数据技术运用到学员培训管理中，可以建立起立体化的员工培训管理系统，从而实现集中培训、专题培训、网络培训、涉外培训、高端培训等网络化管理目标，实现学员培训管理规范化和科学化。针对培训缺少技术支持，缺乏针对性，资源分配不合理等问题，大数据利用其数量大，范围广，处理速度快的特点，有效的对培训市场的资源进行精确分类，使得培训行业的一些看是杂乱的问题有规律的呈现，使行业再度细分，从而有效的分配资源，达到资源的最大化使用，整合无数微观数据形成的大数据来使得培训工作井井有条。

陈伟明

05-27

第五篇：大数据对教育的应用

大数据对教育的应用

魏慧娟

大数据时代的来临对各行业都产生了深刻的影响，教育领域也不例外。学员的学习行为、思维方式，教师的授课理念、教学方法，学校的教育管理、教学评价无一例外都受到大数据的影响。教育领域必定会在大数据技术的推动下发生深层次的、多元化的创新与变革。

一、大数据对教育领域的影响

1.教育理念与教学评价被迫革新。教育作为社会子系统的重要组成部分深受社会形态影响，现代的教育体系几乎是伴随着工业社会发展同步发展的。市场的扩大与提高，对劳动者劳动技术与经验的要求远远高于个体层面的文化修养，合格劳动力的衡量标志是能不能解决问题。这一实用主义特点对教育领域的影响是巨大的。传统的教学评价不论对学生还是对教员，总是依赖能力测试，通过考试分数的数理统计分析来评价学生与教师。在大数据时代，则是跟踪记录教师与学生教与学的长期行为并对之进行分析，采用过程性、归纳式、多元化的方式进行评价。

2.个性化教学得以真正实现。运用大数据技术，在线平台能实时记录每一位学生的学习行为，教员获得全面丰富的数据内容后利用数据挖掘技术加以整合分析，不但能掌握学生个体的学习状态、知识接受水平，还能了解哪种教学方法对该学生最有效，以及该学生具体的薄弱点。教师根据这些数据就可以针对学生个体因材施教，制定个性化的教学方案、教学活动和学习计划，教学工作真正从共性化的群体教学转向了个性化的个体教学。个性化教学的实现能大幅提高教师的教学质量和学生的学习效果。

二、大数据在教育领域的应用模式

大数据在教育领域的应用模式本质上就是数据的生命周期，即数据获取、数据存储、查找与分析、可视化、决策。

1.教育者角度的应用，即教学领域知识模型构建。大数据教育系统对现有的教学内容建模后通过数据挖掘、学习分析和在线决策各子系统，所必须掌握的教学知识点、教学单元与教学课程之间的逻辑关系，最终重新构建领域知识结构，对现有的教学内容与方法进行改革，达到提高学生学习效果和教师教学效率的目的。

2.学习者角度的应用。（1）个性化课程分析。大数据教育系统首先获取某个学生以前的学习表现，从已毕业学生的成绩库中匹配与之相似的学员，分析已获得的成绩和待选课程表现之间的相关性;然后通过学习满意度调查问卷分析评估学生个人情况;再结合专业课程的重要性，为学生列举课程清单。并向其推荐有可能取得优秀成绩的课程。（2）助学需求预测。大数据教育系统可以通过收集校园卡的生活与消费记录，以一日三餐为主要权重指标对生活必要开销进行计算评估，当发现某学员的消费明显低于预警线时，会主动通知学校相关管理方，由相关部门与学生进一步沟通，并进行相应调查，判断该学员是否需要助学帮助。

3.其他应用。当大数据教育系统与其他领域的大数据系统互联互通后能发挥的作用不可估量。比如，与社保、医疗、金融、公安、政府等大数据实现安全共享后，教育系统内所有学校与学区内的情况可以从各个角度可视化地展现在出来。大数据系统既能帮助学员从选择学习合作小组到职业规划的制定等各个方面进行辅助指导，也能帮助国家层面的教育管理者制定宏观教育政策、调整教育改革方向、分配教育资源。

总而言之，大数据在教育领域的应用惠及该系统内学生、教师、教育管理者、教育研究者等所有人员，它是未来教育发展的必然趋势。但作为新生事物，大数据具体的应用还不成熟，需要在实践探索中不断改进完善。