通过“抓包”观察，一方面可判断自家App是否正确上传了想要统计的数据，另一方面还可抓取到手机上安装的其他App的上传数据，用来分析竞品内容更新情况。
一般在Mac系统上，我习惯用Charles工具，Windows系统可以用Wireshark。当然抓到的数据如果想进行详尽分析，需要一点基本的http协议知识和json格式知识。
数据提取技术——sql语言。sql语言一般用于从数据库中进行数据的增删改查，需要企业运维人员或DBA人员开启权限才可访问，大公司的产品经理基本没机会用到，但如果你是小公司的高级产品经理，且和技术商议仅开启只读权限，还是可以尝试使用的。
以我个人经验，掌握sql只是基本要求，更关键的在于了解数据库表结构和关联关系，以及你提取数据的思路，sql只是工具而已。sql语言本身也和数据库软件相关，推荐学习mysql的sql语法，简单易试。至于语句，只要掌握group by的维度，where的限制条件，还有join语句的表连接逻辑，基本就能应对80%的数据查询需求，剩下的就是熟能生巧了。
数据处理技术——Excel、Python、JS。提取出来的数据，要深入分析，肯定得进行二次加工。按使用的难度高低，需要掌握工具如下：
Excel：大名鼎鼎的office工具，有着极其强大的数据处理能力。常用数据分析功能有透视表和命令行。推荐一个我喜欢的处理命令：
VLOOKUP：这是一个查找函数，给定一个查找目标，它就能从指定的查找区域中返回想要查找到的值。它的基本语法为：
VLOOKUP（查找目标，查找范围，返回值的列数，false）
我们可在一堆数据中，根据指定条件，进行二次筛选，非常方便。当然这个函数的作用还不止如此，有兴趣的同学可以深入研究一下。
此外，包括COUNTIF、IF等判断语句，也是筛选数据非常好用的函数。
Python、JS：Python、JS其实是一种通用脚本语言，不止适用于数据分析，但由于其安装、使用方便，函数库丰富，特别适合有开发基础的同学尝试。举个例子，mysql提取出来的数据，DBA通常会以Excel格式提供，简单的二次处理可用Excel完成，但涉及根据业务不同，要根据Excel做数据的条件判断计算，以及循环处理，就要借助第三方开发语言了（当然Excel自带的VBA也很强大）。此外，如果希望以更可视化的方式查看数据，还可通过JS技术，调取第三方开发库，如百度地图的API，进行更丰富的呈现。比如之前我在e代驾做的车辆运行轨迹图：
介绍几个常用的数据分析思路：
对比：字面上理解，就是非孤立地看数据，而是多个数据提取进行比较。根据对比方法不同，分为“横向对比”和“纵向对比”。
横向对比：指空间维度的对比。相当于一个指标，在不同条件下的对比，但每个条件都属于一个层级。举个例子，App功能的A/B测试数据对比，各个渠道的新增用户对比，都属于横向对比。
纵向对比：指时间维度的对比。一般的对比方法有：同比、环比。同比一般指是指本期数据与上年同期数据对比，环比则是本期统计数据与上期比较。观察时间轴上的数据折线图来判断产品运营状态也是一种纵向对比。
拆分：分析这个词，从字面意义上理解，就是“拆分”和“解析”，当某个维度对比后发现问题需要找原因时，就需要进一步“拆分”了。举个例子，如果发现某日的销售额只有昨日的50%，就需要对销售额指标拆分为：成交用户数 x 客单价，而成交用户数 = 访客数 x 转化率。那么我们接下来就可分别针对：访客数、转化率、客单价，观察今日和昨日相比的数据变化，找出原因。
降维：当维度太多时，我们不可能全部分析，这时就要筛选出有代表性的关键维度，去除掉那些无关数据，这就是“降维”。比如“成交用户数 = 访客数 x 转化率”，当同时存在这三个指标时，其实我们只要三选二就能得出结论了。
增维：增维和降维是相对的，如果当前观察的维度无法解释当前问题，就需要对数据进行运算，多增加一个指标。在可视化分析领域，也可将不同类型的图表嵌套使用，能达到增加信息展现维度，扩展分析广度的目的，如下图所示：（将环形图和折线图进行增维嵌套）。