登录 注册 发布

小蜜蜂

数据产品经理是做什么的?



推荐
本文会从「一个数据产品是怎麽设计出来的」,来讲数据产品经理是做什么的,以及一个优秀的数据产品经理是怎样炼成的。

文章是由 GrowingIO 的产品经理陈新涛所写。


文 / 陈新涛

近些年来,随着 Growth Hack、精益化运营、数据化运营等概念渐入人心,数据产品这个名字被提及的次数越来越多。

但究竟什么是数据产品?数据产品如何来解决商业问题?如何现在最火的商业概念如 Growth hacking 等落地的?如何设计一个能够满足用户需求的数据产品?本文将和大家一起分享这些问题。


| 什么是数据产品?

简单来讲,就是以数据为主要自动化产出的产品形态。这里强调自动化产出概念,是为了区分像 Gartner 之类的数据研究咨询公司,跟类似 GrowingIO 这种实时互联网分析产品相比。显然,他们的报告也可以理解为以数据为主要产出的产品,但并不具备自动化产出的特性。

明确了概念后,我们就可以对它拆分细化。从用户群体来区分,可以分为三类:

● 企业内部使用的数据产品,如自建 BI 和推荐系统;

● 针对所有企业推出的商业型数据产品,如 Google Analytics 和 GrowingIO

● 用户均可使用的 Google Trends 和淘宝指数等等。

在以上举的例子里,推荐系统可能会让人有些费解。其实,同用户画像,搜索排序类似的算法一样,它们本质上是根据用户数据和相应的数据模型,建立的一套评分标签体制。因此,在很多企业的划分里,也是属于数据产品的范畴。但个人经验所限,本文暂不涉及此类产品。


| 为什么需要数据产品?

Simon 非常推崇德鲁克的一句话:If you can’t measure it, you can’t improve it(如果你无法衡量,你就无法增长)。这与 Growth Hack 核心理念---数据驱动增长,不谋而合。

增长让企业经营者的念念不忘,而实践的曲线,就潜藏在数据产品中。

举例,在 Facebook 中,直接汇报给 Mark Zuckerberg 的 Growth Team 就专门下辖了 Data & Analysis 和 Infrastructure 两个数据团队做数据的采集计算和展示。他们会对 Facebook 所有的数据进行监控,以及根据效果持续优化。

Facebook 对 Data Driven 重视到了什么程度?一个 VP 带领的 30 人团队做了一年的主页改版,在三个月内灰度上线过程中因数据表现不佳,直接回滚。对比之下,国内的人人网照抄那一次改版后,沿袭至今。可以这么说,Facebook 高速稳定的增长背后,数据产品功不可没。


Facebook Growth Team(图来自前 Facebook 工程师、峰瑞资本技术合伙人 @覃超


| 如何设计数据产品?

对于产品设计来讲,一些固定的步骤必不可少。厘清这些内容后,大到系统级的产品规划,小到功能级的产品设计,概念上都会清晰很多,我们将它抽象成了五个步骤:

● 面向什么用户和场景
● 解决什么问题 / 带来什么价值
● 问题的分析思路是什么
● 需要用到什么样的指标
● 这些指标该怎么组合展现


3.1 面向什么用户和场景

任何产品设计均需要明确面向的用户和场景,因为不同用户在不同场景下打开你产品的姿势也大不相同。

1. 不同用户有不同的价值。这个方法主要面向第一类即企业内部产品。这里并不主张职位歧视,只是从数据能产生的价值来看,高层的一个正确的决断可以节省下面无数的成本。

2. 不同层级用户关心的粒度不一样,永远要提供下一个颗粒度的分析以及可细化到最细粒度的入口。数据分析本质上就是不断细分和追查变化。

3. 不同类型的用户使用数据的场景不一样,要围绕这些场景做设计。如 Sales 类型的客户,他们更多的场景是在见客户的路上快速看一眼数据,那么移动化和自动化就很关键。在设计的时候,原则就是通过手机界面展现关键指标,不涉及详细分析功能。而且在某些指标异动时能及时通过手机通知。而办公室的数据分析师,则必须提供 PC 界面更多细化分析对比的功能。

要了解自己的用户,必须和他们保持长期有效的沟通。如我们的 PM,每周都会有和销售和客户沟通的习惯,而且每位 PM 入职后,必须兼职一段时间的客服。只有这样,PM 才能更好的了解用户以及他们的使用场景,设计出更好用的产品。


3.2 解决什么问题/带来什么价值

这本质上是要明确产品满足了用户的什么需求。但凡需求,均有价值和优先级。

● 首先判断核心需求是什么,可用 Demand/Want/Need 方法分析。用户来找你要可乐(Demand),如果你没有可乐就无法满足用户。但其实他只是要解渴(Want),需要的只是一杯喝的东西就够了(Need)。

● 其次判断需求的价值,可用 PST 方法分析。P:x 轴,用户的痛苦有多大;y 轴,有多少用户有这种痛苦;z 轴:用户愿意为这付出多少多少成本。相乘得出的结果才是这个需求的价值。

以一个利用 GrowingIO 的漏斗功能做出的漏斗图为例:

客户最开始说的是我们要个漏斗分析(Demand)的功能,但核心需求(Want)是改善用户使用产品过程中的流失问题。那么不同来源不同层次的用户,在不同的使用时间,在不同的环节都需要进行监控和优化,最终设计出来的就是这个可以根据不同纬度不同环节进行对比分析的 GrowingIO 漏斗(Need)。




3.3 问题分析思路是什么

以上两点其实都还是普通产品经理的范畴,到了这一部分才真正开始数据产品经理的专业课。明确了问题后,应该通过什么样的思路进行分析?需要明确以下原则:

● 数据产品经理一定要有数据分析技能,才能更好创造更大的数据价值;
● 数据产品设计理念,应从总览到细分,并且不断对比;
● 总览应提纲挈领,简明扼要,让用户先了解当前发生了什么事情和问题的大概方向。不要让用户一进来就扎进无尽的细节中;
● 细分应该提供足够丰富的维度便于分析。每次细分必须带着指标下去,所有分析的结果必须可以落实到动作执行,并与业务紧密相关;
● 数据本身没有意义,数据的对比才有意义。数据产品的核心就是把这种对比凸显出来。

这个环节是数据产品经理最核心的区别其他产品经理的部分,同时也要求甚高。既需要丰富的产品设计经验,也需要深刻的业务理解能力和数据分析能力。


3.4 确认数据是否准确完备

分析思路需要相应的数据支撑,数据展示类的产品自不用说,即使是用户画像的算法类产品,也必须有足够的准确数据做支撑。在确认的过程要注意以下两点:

● 数据的完备性提前明确所有需要的数据是否已经准备完全。数据就像水面上的冰山,展示出来的只是很小的一部分,它的采集,清洗和聚合才是水面下 98% 的部分。所以如果需要的数据没有采集或没有经过清洗的话,会让整个工期增加了极大的不稳定因素。

● 数据的准确性在埋点采集的时代里,这绝对是个遇神坑神的大坑。很多时候临到使用,才发现这个埋点的方式一直都是错误的。或者发现这个指标计算的方法没有把某种因素排除掉。这种情况在企业内部类产品比较常见。因为部门众多口径繁杂,一不小心掉进去了,就别想爬出来了。

所以,一个优秀的产品经理想要跟 Facebook 一样做到 Data Driven,必须首先做到数据的完备和准确,埋点是必须要解决的痛点。国内很多公司开始使用我们的产品的无埋点采集数据的方案,便可以解决在数据准备上遇到的很多问题。数据所见即所得,完备性准确性迎刃而解。


3.5 选择什么样的产品形态

以上四步最终确定完成之后,就可以选择相应的产品形态了。常见的数据产品形态有:着重于数据呈现的有邮件报表类,可视化报表类,预警预测类,决策分析类等;着重于算法类的用户标签,匹配规则等等。篇幅所限,这里挑可视化报表类跟大家分享下:

1)指标的设计

首先需要明确什么类型的产品适用什么样的指标,如电商最核心的是订单转化率,订单数,订单金额等,对于社交网站来讲则是日活跃用户数,互动数等。

● 逐层拆分,不重不漏。即 MECE 原则(Mutuallyexclusive,collectively exhaustive)。如将订单金额拆成订单数单均价,订单数也可以往下细分出用户数人均订单数,不同的用户还会拥有不同的人均订单数,一层层往下分拆;
● 确保指标能明确表达含义,为上层的分析思路提供依据;
● 明确指标定义,统计口径和维度;

2) 指标的呈现

指标的呈现说白了,就是数据可视化。这对数据产品经理来说极为重要。它并不只是UI设计师的工作,因为它涉及到别人怎么去理解你的产品和使用你的数据。一方面需要阅读相关专业的书籍,另一方面,是要去观察足够多的产品,看他们是如何实现的。这里有一些通用的规则可以和大家分享:

● 同时着重展示指标不超过7个,5个比较合适;
● 在设计指标的展现时,要明确指标之间的主次关系;
● 几种图表形式的使用建议:趋势用曲线图,占比趋势用堆积图,完成率用柱状图,完成率对比用条形图,多个指标交叉作用散点图。为合适的指标选择合适的形式很重要。

图片来自于网易云课堂


| 结语

数据产品学问太深,我们也只是窥得冰山一角。一个优秀的数据产品经理必须要具备各种技能, 要了解自己的用户,要和他们保持长期有效的沟通;明晰用户的核心需求,而非停留在表面;而最重要的是一定要掌握数据分析技能、会用数据分析工具,时刻有 Data Driven 的意识。


注:文章介绍的漏斗功能截图,来自 GrowingIO 官网 硅谷新一代数据分析产品
【其他评论】------------------------------------------------------------------------
此回答主要适用于互联网行业的数据产品经理。我的观点主要来自于自己的从业经验以及各种面试的经验。
我的昵称“不写程序的数据工程师不是好产品经理”,从某种程度说明部分的定义,数据产品经理这个职位,其实很跨界:需要懂程序,做数据收集及清洗;需要懂产品,了解内外部用户需求和理解市场;需要懂数据,用数据的方式证明、证伪及发现问题。
因此,个人觉得数据产品经理的几大职能:解释、验证、探索及传播。

解释
产品每天都要面对的问题会有:流量怎么暴涨(或暴跌)了?新上的渠道效果怎么样?用户的ARPU或者人均PV怎么上升(降低)了?
数据产品经理,需要基于数据解释产品或功能的某项核心指标(包括收入、DAU、ROI等等)的走势及背后的原因,往往需要细化到多个维度(比如:时间、区域、渠道等)。基于这些解释,做事后总结或者提前预警,试图保证产品及功能在正确的轨道上发展。
下图是某服务的实时PV数据,并有今日数据与昨日数据的对比。数据产品经理应该学会经常阅读和理解数据并培养对数据的直觉,当数据出现异常的时候,能迅速往下深追找到真正的理由。


验证
产品,特别是互联网产品,按照天或者周的速度在更新和迭代,各种功能及改进都在高频率得上上下下。
对新推出的功能或者改进,验证其效果或者影响,使用的方式包括:简单的时间维度或者地理纬度或者渠道纬度的对比,复杂一些的做AB Testing。Facebook在AB Testing方面积累深厚;对于各种UI方案甚至小到文案及颜色,都需要进行AB Testing来选出最优方案。数据产品工程师,需要在验证的过程中屏蔽各种噪音来排除对真相的干扰。同时,在数据不充分或者无法实现AB Testing的情况下,找到噪音最小的方式来逼近真相。
近年来推出了不少专业做AB Testing的工具,包括比较红火的Optimizely。不过它是一个付费服务,具体收费标准见下图。


探索
产品经理每天都在琢磨用户需求、刚需、痛点、实现……
通过研究内外部的数据(比如:用户的使用行为数据及搜索词等,百度指数及贴吧发言等等),数据产品经理探索规律和探索用户的需求,通过数据的方式进行初步验证;或者满足一定的功能,通过数据挖掘的方式满足功能需求。之前提到的案例( 机器学习数据挖掘类工程师平时主要的工作内容是怎样的? - 何明科的回答)就属于探索一类。
下图是深圳市早晨高峰时段某类人群出行的热点图,通过热点分析,试图找出这类人群的居住和上班的聚集区,为某个O2O服务提供最佳的线下布点机会。


传播
图文并茂并结合数字的文章(被称之为Infographics),凭借其直观易读和理性化的呈现方式,越来越受读者的喜欢,并逐渐成为内容制作者青睐的方式。大致类型如下面的文章(自我推销一下自己的文章,制作工具主要使用 文图):
黄焖鸡米饭是怎么火起来的? - 何明科的回答
zhuanlan.zhihu.com/hemi
数据产品经理基于内部丰富的数据并结合外部的数据,制作有见地有传播性的图文文章,并便于在朋友圈及知乎等地传播,为自己产品赢得口碑和品牌增值。
下图是使用文图这个工具的交互界面。


数据产品经理之自我修炼
最后,“数据产品经理”涵盖两个关键词:“数据”和“产品经理”。后者已经被说烂了,不再赘述。而前者的修炼,主要专注在数据方面,包括下图的各个环节(摘抄自 中国目前数据分析数据挖掘市场情形是怎样的,机会多吗?前景如何? - 何明科的回答)。

不过,对于产品经理而言,沉淀及存储比较偏工程,可以集中在分析、理解和可视化方面。可视化本来也是需要一定的编程技巧,但是随着工具的发达(包括Tableau以及上文提到的 文图),让门槛大大降低,无需太多编程技巧也可以被数据产品经理轻松掌握。“光说不练假把式,光练不说傻把式,又说又练真把式”,会做漂亮的数据报表才能凸显公司的技术实力和品牌价值,对于数据产品经理来说,也是需要修炼的一课。

下图是使用文图这个工具制作漂亮的图文报表的示例。


—————————————————————————————————————
更多文章及分享请关注我的专栏,数据冰山: zhuanlan.zhihu.com/hemi
【其他评论】------------------------------------------------------------------------
知乎首答,曾在一家互联网公司做过数据产品实习生,写一点个人理解。

1.业务理解与需求沟通。数据是最终要为业务服务的,只有深刻理解业务部门的需求,数据应用的场景,数据产生的业务流程,业务流程背后的商业模式以及战略,才能设计出与相适配的数据产品,为业务提供更有指导意义的准确数据。而这其中最重要的就是了解业务以及良好的沟通能力。

2.数据产品规划。提到数据产品,最容易想到的现在非常流行的Dashboard(数据仪表盘),解决的问题就是用户可以随时自助式的获取信息需求,当然还可以包括业务数据的时时监控,当发生数据异常及时警报;向高层人员自动邮件推送信息等等。个人认为数据部门的首要目标应该是搭建好公司基础数据平台(包括数据规范、指标定义、数据字典等等),公司日常运营数据精确直观的可视化输出,以满足绝大部分业务部门数据指标的需求。

3.明确数据源。数据产品经理要明白数据的来源(各业务系统、用户行为日志等),数据仓库中各个字段与源数据的映射关系,这样才能最大程度保证的数据的准确性以及可拓展性。当业务方提出一个数据需求,在双方经过沟通后,数据PM首先应该确认的是现有的数据源是否可以满足需求,对于业务系统,有一些数据是不需要记录的,但是对于数据分析却是十分必要的,此时,数据PM应该推动业务PM以及RD添加该数据字段;并且,还可能存在这样一种情况,计算一个指标所需的数据存放在不同的业务系统,此时,就需要在需求文档中写明规则,让ETL工程师清洗转换加载到数据仓库中。总之,在寻找数据源的过程中,需要与业务PM、RD多多沟通,以确保数据源的准确性。

4.建立分析模型。数据产品的最终目的是为业务方提供合理准确的信息以辅助决策,因此最终确定的分析模型需求文档是提交该开发的最重要的文档之一。分析模型主要包括:分析主题、指标(定义以及算法等)、维度、钻取、展现方式(柱状图、条形图等等)。1个简单的订单分析模型如下,指标包括取消、新增、完成订单量;可以按照日期、城市、业务线维度查看;同时支持业务线下钻到服务品类,日期钻取到城市;在展现形式上,折线图可以直观的看出一段时间内数据趋势,使用饼状图可以看出各业务线的订单占比,展现形式可以根据需求来确定,总之,是为了让用户在使用数据产品时更“爽”,可以快速得到有用信息。


5.协助测试以及数据解答。在数据产品上线前,数据产品经理应该基于对于业务的理解校验一下数据的准确性,甚至自己写SQL语句去校验一下数据,这就要求数据PM具有一定的SQL能力,并了解数据的存储环境(如Oracle、Mysql等),这样可以进一步保证数据的准确性;同时在数据产品上线后,数据PM应该做好随时解答业务方相关数据的问题,尤其是发生数据异常时,可能业务部门第一个找到的就是数据PM,因此数据PM应当具有相当的责任心,对自己的产品负责到底,与业务一同找到数据变化背后的根本原因。


最后,附一张数据平台架构图,欢迎交流。

【其他评论】------------------------------------------------------------------------

作为一个完全依靠查资料自己教自己没人带的可怜产品汪,我也来分享一下这两年自己干产品和数据产品总结一些经验吧,希望能帮到大家。

本人干数据产品经验一般,身边也没有很强的技术伙伴在,所以只是用来抛砖引玉了。

数据产品输出形式:

1. 数据前台利用(展示和算法)

2. 数据后台利用(表格、可视化、警报等)

3. 数据外部引用和对外输出

数据产品日常工作职责:

1. 数据分析及解答

2. 业务与战略沟通

3. 数据字段设计及记录

4. 数据产品结构搭建及管理

5. 数据挖掘、数据建模、机器学习

以上排序遵循的是从易到难的排序逻辑。


简单解释下:


  • 数据产品输出形式:

数据前台利用:

这个是和前台产品经理职能最重合的地方。

  • 前台数据展示。这些数据产品影响用户的判断和理解。要记住很多时候重要不是数据本身,而是数据的结果。需要考虑数据对用户的影响、数据的自记录性、人工的干涉性等。

例子:淘宝的搜索结果列表中展示出来的宝贝信息。

例子:墨迹天气告诉你今天应该穿什么衣服

  • 前台列表排序遵循的算法或逻辑。这些数据产品影响用户行为。任何一个涉及到会自动变化的列表的顺序(例如搜索)都属于这个范围。初期时一般是简单算法,一旦涉及不断发生的内容创造时,将需要考虑多种排序逻辑、不同的数据影响以及人工干涉对自然排序的影响等。

例子:淘宝的排序算法以及其对商家的影响。

例子:关联推荐

  • 个性化推荐系统。这些数据产品提升产品价值。个性化推荐依赖都在后台的数据算法的设计和校验上。但是将优秀的个性化推荐结果放在前台什么地方以什么形式展示也是一个产品经理需要考虑的地方。之所以把这个单独列出来,是因为这个相对而言比较复杂却又很重要。

例子:亚马逊的你可能感兴趣的商品。


数据后台利用:

这里你大都是在为老板、商务、市场、运营及产品同事服务的。

  • 数据表格:这些数据是别人关心的数据。从某一个数字到一个dashboard,从静态表格到OLAP。总之,开公司有业务就有决策,有决策就需要数据参照。依照业务发展情况,不同时期会有不同的要求。(速度快、定义明确、数据精准、定义明确都很重要)
  • 可视化:这些是别人希望看到的数据。各种环比、同比数据表格,条形图、饼图、折线图…..总之,让别人能清晰理解你的数据,同时利用这种理解进行判断。(符合业务需求,减少操作步骤,清晰以理解)如果产品经理沟通不得当,这里会做出一大堆没用的东西来。
  • 警报与提示:这些是提醒别人看到的数据。设定警戒值和警戒方式等。明白一个残酷的道理, 与前台产品不一样,与后台直接运营产品也不一样。你的数据很可能是大部分时间没人看的,但不代表这不重要。所以如果有值得看的数据,及时提醒大家看,这就是警报了。

数据外部引用和对外输出:

不可能依赖企业自己拿到所有数据 / 数据不仅仅对自己企业有用

  • 第三方数据工具:也就是来自别人的数据。像百度统计、淘宝指数、数据魔方、友盟、talkdata等等等,不是所有的数据都由自己产生,自己消化,如何合理的利用外部数据工具甚至引用外部数据到自己系统中来,都是数据产品经理需要考虑的事情。而且第三方数据工具比起自己做具有更好的成熟度和低维护成本,所以必须要能理解哪些东西第三方能提供哪些东西需要自己去做。另外例如用户画像这种数据一般企业自身很难获取足够数据,必须对外进行购买。
  • 数据对外输出:也就是来提供给别人的数据。包括输出数据给外部合作对象查看或者数据的直接引用(开放平台或者API)。需要考虑数据安全性,数据美化,应用监控,战略决策等多方面的问题。
  • 对账:也就是别人和自己数据的比对。这里的对账未必是财务概念而是通用概念,涉及到合作的很多业务都会有对账的业务需求,双方为保障自己的利益点都会有一套数据系统,保障不会因为对方的作弊或者错误给自己造成损失。如何识破别人的伪造数据和无效数据也是很重要的一部分。

  • 数据产品日常工作职责

数据分析及解答

这个不用太多解释,很多人眼中你就应该是能解答任何数据问题的。为别人,为公司,为自己而在已有数据的基础上,针对特定的目的进行数据的分析和解答。一般情况是这样的,你设计的某个终端产品的数据出现了异常,业务部门第一时间想不到原因,然后找你来了。

处理这个工作一般是数据分析和沟通是一半一半的。不要太依赖在数据上找原因。像你很可能发现这个部门关心的这个数据的变化是另外一个部门做一个一件啥事情导致的。而这种事情你在数据上只能发现有发生了什么,而不沟通你就不会知道到底是为什么。

业务与战略沟通

数据产品是为业务产品服务的,产品经理是做产品不是做技术的。与业务部门沟通、与老板沟通,搞清楚想要干什么,为什么,才可能知道应该怎么办。比如要是能用第三方实现的就不要费力自己搞系统了,又如想要独立自主现在依赖第三方的就要逐渐的系统化。总之,数据产品能做的地方实在太多,当数据产品经理和普通产品一样,做出判断同时也要说服别人。

数据字段设计及记录

从点击记录到业务日志,从最底层的数据字段到中间表到输出给最终用户看到的内容。你通通都要理解、熟悉和可以设计。数据产品经理是做数据产品不是做框架建设的,必须数据数据来源。如果你只把最终成品扔给技术人员去开发,最终会出现的情况包括以下几种:

1. 只有最终结果,没有中间结果。技术人员忠实的实现了你的效果,不过以后你没法跟踪中间的某个数据的变动情况了。

2. 数据定义出错:数据对不上,而你不能理解原因。很正常,因为不是你设计的。

3. 不具备扩展性:还想开发某个数据功能,做不到。因为一开始的结构就不支持。

数据产品结构搭建及管理

这里就是正常的产品经理应该做的事情了。这个产品就是你的,负责到底。

数据挖掘、数据建模、机器学习

恩,坑爹的大数据,坑爹的产品经理。统计学、算法、建模知识各种数学理论计算机理论慢慢来吧。这里往往是需要很长期工作但是没有产出的地方。如果一个老板很严肃的告诉你他需要人帮他搞大数据,你要严肃的问他,能不能承受几个月没有工作成果一直在努力的结果。

【其他评论】------------------------------------------------------------------------
与传统产品经理意义上不同的是 数据的逻辑很重要,要通过组织这些数据,想清楚怎样能为客户创造价值,怎么更好的为他们做数据增值服务,或者怎么利用这些数据为客户提供解决方案,或竞品分析
【其他评论】------------------------------------------------------------------------
理解这个职位应该从提出这个职位的公司角度去看。

一般数据驱动应用的公司里面无非3种: 1)传统行业inhouse,例如银行保险零售等;2)互联网公司有特定产品,例如FB,微信;3)数据本身作为产品例如bloomberg,芝麻信用等

那所谓数据产品经理针对不同公司,你的角色是不一样的。

针对第一种,你更像是IT或数据部门和其它市场业务部门的润滑剂,协调人。你的产品是各种洞见和报表,帮助不同部门更好决策和实现盈利。有点类似商业分析师和商业智能的角色,和盈利没有直接关系,更多是支持作用。

针对第二种,核心任务完善产品,让产品留住更多的客户,产生更多的利润。主要职责包括但不限于搭建数据pipeline,做分析,实验场景,评估和实施分析结果。比如fb的newsfeed,ads slide。再比如candy crush怎么根据用户特征触发不同的激励机制让你留存或者消费。

针对第三种,你的职责更多是设计产品直接给你的客户用。数据是核心价值,你通过不同方式,来源手机数据,并转化成一个成熟的商业产品。bloomberg直接投行使用,芝麻信用和各大行接轨。你作为产品经理,更多时候是一个全才,毕竟公司就靠你的产品赚钱了。
【其他评论】------------------------------------------------------------------------
我特意去咨询了公司负责产品经理培训的同事,到底什么是数据产品经理,然后,得到了下面的答案:
  数据产品经理和普通的产品经理有两个差别:首先关注的是数据内容,产品是数据内容的体现,同时数据内容是数据产品的生命线;其次在数据的展现上,需要关注如何把丰富的数据展现给专业的内容用户。这个差异是和很多数据产品经理交流后得出的结论,但是每个部门的数据产品经理都不太一样,具体要看部门对这个岗位的定义是什么。

  所以,问题又绕了回来,不是岗位名称定义了工作职责,而是工作内容定义了工作职责,至于具体是什么名字,真的是随它去吧。

  以下,分享几个我所接触的数据产品经理的工作内容,他们处于数据产品不同的层次,却是环环相扣,彼此依赖,可以映射称为我们语文中的字、词、句、段、篇。

1、数据指标(字)

  无论“大数据”这个词多么的高大上,再海量再丰富的数据,落到存储形态,都逃不过数据表,而表格的每一列,都代表了一定的含义。

  从数据收集的层面来说,有时候事无巨细,比如,体积庞大的日志信息,可以说包罗万象,但落实到数据应用的层面,我们大部分人都没有办法直接去使用这些原始数据表。因此,就有了数据指标的概念。

  有相当一部分数据产品经理在根据用户的需求,定义数据指标,定义数据指标的计算方法,同时把经由多重原始数据计算出来的数据指标封装加工成新的数据表,去直接服务用户。

  以阿里官方店铺数据分析产品生意参谋为例,其中涉及到的数据指标成百上千,由简单到复杂,具体可在官方论坛查阅。举例,基础的数据指标可以是最基本的“浏览量”,“访客数”,“下单金额”等,也可以是经由复杂的计算逻辑得出的“累计支付新买家数”,“全网搜索人气”等。

  在数据指标这个层面工作的数据产品经理,为数据指标的定义,及数据一致性负责(所谓数据一致性,即不同的人定义的同一个名称的数据指标,可能有不同的计算方法,倘若不一致,会给用户带来很大的困惑,举个最简单的例子,会员被定义为30天内有成交的用户,还是被定义为一年内有成交的用户)。

  数据指标就相当于中文中的一个个汉字,它们本身有特定的含义,并构成了中文的基础。

2、数据分析产品(句)

  当有了数据指标之后,基本就可以基于数据指标去做一切可能的分析了,但那一个个数字堆在你面前的时候,你是否真能从中看出奥秘呢?

  由此,产生了一种组合数据指标以帮助用户决策的产品形态,我们将它称为数据分析产品,这是通过将有特定含义的数据指标按一定的逻辑整合在一起,以报表或图形的心态,展现给用户,并支撑用户做决策的产品形态。在这个层面上,数据对用户更友好,使用门槛大幅度降低了。

  仍然以阿里官方的数据分析产品生意参谋,那几百个数据指标,按不同的主题分为了几个大类,包括首页、实时直播、交易分析、流量分析、营销推广、商品分析、选择助手……作为用户,如果面对一个个数字你觉得茫然,那面对这一个个主题的时候,即便你不懂数据,也可以进行操作了。

  数据分析产品就像中文中的句子一样,用一个个单字结合,能够表达特定的语意。

3、数据解决方案(篇)

  数据解决方案则是最高的层次,也往往成为服务金字塔塔尖的那些客户,赚取最大利润的利器。同样以文字举例,有单字,有句子,尚不足以记录这个世界的波澜变幻,以及我们内心的情感起伏。数据产品也是一样的。

  同样以天猫卖家的经营举例,他们的线上销售系统用的是天猫卖家版,他们的客服沟通用的是旺旺,他们线下发货用的是自己的ERP系统,同时对应合作的物流服务商,他们的销售推广主要靠广告,分为点击广告和展示广告,同时,他们的会员信息存储在自己的CRM系统里,需要定期关怀和触达……

  这一些列的行为,是卖家经营的全链路,就仿佛一部有描述有议论,有事实有情感的小说一样,断然是不能通过一两个数据产品就全部覆盖的。

  因此,有了数据解决方案这个概念,即整合所有能整合的数据资源,帮助客户在经营决策的全链路过程中提供数据支持服务。

  在这个场景下,数据产品经理干的事情就多元化起来。比如,我们可以选择不同的数据产品,组合起来推荐给用户,或许恰好就满足了他们的需要;有的时候,现有的数据产品是不够的,所以我们需要寻找或提供更多的数据源,同时寻找合适的开发者,去定制一些满足客户需要的新数据产品;有的时候,不同的数据产品彼此隔离,需要一些联结便可协同工作……

  对于数据解决方案的产品经理来说,懂数据自然是基本条件,对业务的理解,也必须深刻,否则根本不足以搞定能支撑业务运转的数据产品来,还是挺有挑战的。

  本文首发于我的个人微信公众号: 卿说(ID:QingSpeaking),欢迎关注。
【其他评论】------------------------------------------------------------------------
将数据资源转化为价值(使用价值、变现价值)的设计者、实现者、推广者。
【其他评论】------------------------------------------------------------------------
我现在做这方面的实习工作,在新浪微博商业开放平台,职位是数据产品经理实习生,现阶段主要是商业接口的技术支持工作,很显然,我还是个小白,简单的说一下我的看法。

首先,注重产品相关基础知识的学习。我相信,对这个问题产生疑惑的或者比较感兴趣的都是产品新人或者是即将做产品的人,对于这部分人来说,我想只要是与产品相关的,无论是大数据还是智能硬件,产品相关的基础知识都是必不可少的,也是非常重要的。所以,与其关注一些看似“大而空”的问题,不如脚踏实地的学习一些基础知识。

其次,不同公司不同部门的数据PM是不一样的。比如我之前去美团网,他们侧重的输出可视化数据,给其他部门提供参考依据,所以对axure、spss、R等软件使用能力要求较高;而现在在微博,这里比较侧重的是商业数据接口,所以可能比较喜欢有技术背景、编程经验的。不同公司不同部门的数据产品经理是不一样的。

最后,仔细钻研公司招聘要求。做任何事情都不要盲目,要有目的性,找工作更是这样,不应冲着数据产品经理这个“噱头”去找工作,而是应该好好看看相关公司的招聘要求,看过之后你就明白大概数据产品经理是干什么的了,这个是最直观的了。

当然,实践是检验真理的唯一标准,“绝知此事要躬行”,找一份互联网公司的数据产品经理的相关(实习)工作,一切就会豁然开朗了。
【其他评论】------------------------------------------------------------------------
67

评论