在做数据分析之前，对移动产品人员来说，首先要了解在移动互联网领域，我们需要关注那些数据呢？
讨论发现，不同的产品关注的数据数据分为：基本数据、跟产品类别无关的数据和跟产品类别相关的数据。
基础数据：下载量、激活量、新增用户量、活跃用户 社交：用户分布、用户留存（次日、3日、7日、月、次月、3月） 电商：淘宝指数、网站流量、内容转换率 地图导航类：用户每日打开次数、地域分布 内容类：内容转化率（内容下载量/内容浏览量）、留存量 工具类：功能点击量、应用商城排名 其他：竞品数据（下载、激活等） 2. 如何对相关数据进行分析？在进行数据发掘之前首先可以对产品做相应的数据建模，然后经过上线跟踪、分析，对比原来的模型，是否有遵循原来的模型。如果是模型不合理，则需要对数据模型进行矫正。如果出入较大则需要对数据进行分析，或者根据分析出来的数据 在产品上做内部测试或者灰度测试然后对比，如果原来的模型问题不大，再挖细节，分析其他数据找原因，结合数据模型，如果有问题了以后，针对问题追踪数据，进行分析。
一、对于启动，留存这些数据。主要是看异常，发现异常以后再去找寻原因和问题 二、平时某个很正常的数据突然变化，我们也会追踪， 三、在线用户，进行每日跟踪，是否呈曲线自然生长，或者出现异常。 四、活跃用户，对用户的使用频次以及有效行为进行跟踪及分析。数据分析主要通过数据工具进行分析。数据分析主要为两种：
一、第三方数据分析工具。如友盟，可以快速的接入，节省成本，比较适合创业型公司及刚上线产品，但是无法对关键数据在突发异样时进行跟踪。
二、自己开发数据分析工具，可以对每个数据进行实时跟踪，并且快速做出产品的调整，需要足够的开发人员及成本，比较适合大型公司或者成熟型产品。
3.需要对那些关键指标进行挖掘？挖掘后有何意义？在对关键指标进行发掘，不同的产品，有着不同的关键指标。比如在内容型应用中，周留存影响关于用户对功能的使用，月留存，关系用户对内容关注，次月留存，关系用户的体系。
社交：主要关注用户分布、用户留存、活跃用户、功能使用频次以及有效行为等社交行为数据分析，通过数据分析及发掘来了解用户的社交特征，最总了解用户到的社交属性优化产品的社交传播。 电商：主要淘宝指数、网站流量、收藏、购买等数据，了解用户的电商消费特征。 地图导航等工具类应用:了解功能的使用时间、区域、地段等数据，从而了解相关对相关产品的功能使用，以及路况信息。 内容类：关注内容转化率（内容下载量/内容浏览量），实时了解用户对内容偏好、关注，了解用户对生活文化特征，透析用户的社会文化属性。
