什么是数据产品经理

我本科学就读的是计算机科学与技术,后来研究生毕业后开始做全栈开发,同时从事产品经理相关事务,并搭建了全美第一个餐饮分布分析系统。17年回国开始专职数据产品经理的工作。

记得回国的第一个礼拜,LXG问我回国的计划,是做产品经理还是做研发工程师,怀着改变世界的梦想,我选择了产品经理。同时希望,这个产品经理可以和技术沾边,所以就入了数据产品经理的行业。

入职后,也没有人和我说什么是数据产品经理,于是我单纯的理解为产品经理+数据。同时网上也大量的充斥着类似的答案,一遍又一遍地加深我对数据产品经理有歧义的理解。以至于后来,我逐渐缩小自己的定位,使自己的工作职能越来越偏离数据产品经理的方向。

过去的产品设计过程中,我总想着怎么去打通数据间的联系,怎么构建一个数据中台。其实产品经理的重要职能是连接数据与人,脱离了人的数据是没有价值的。

蹭着周末,梳理了一下我对数据产品经理的理解,欢迎大家留言交流。

用数据帮助用户决策

关于产品经理的定义,先说一个个人观点——用数据帮助用户决策。广义来看,数据产品是可以发挥数据价值去辅助用户更优的做决策(甚至行动)的一种产品形式。它在用户的决策和行动过程中,可以充当信息的分析展示者价值的使能者

人们的日常生活和商业活动都是围绕着「决策」和「行动」展开的。人们在开展一项行动之前,需要一个可靠的支持源(直觉,经验,数据)来支撑自己的决策。所有的决策以及行动中的子决策过程都是基于「某种参考」的,最简单的参考可以是自己的直觉,好一点会依赖「过来人」的主观经验,但拍脑袋决策越来越难;而最优的决策需要依靠「证据」,定量的证据即时数据,随着数学、统计学、计算机科学的普及,数据在决策优化过程中的价值越来越大,在大数据时代尤其如此。

决策的逻辑是:

设立决策目标 -> 收集决策依据 -> 构建决策逻辑 -> 采取决策行动 -> 检验决策数据是否逼近目标 ……

decision-circle

以天气预报为例子:

2000多年,由于农耕的需要,人们通过观察日、月、云、风、雾等自然现象的变化规律,反复总结出了一套天气的变化规律。

19世纪,由于战争的需要,在欧洲大西洋沿岸一带设气象站,及时把风暴的情况电告舰队,来避免损失。

过程 农耕时代 现代
决策目标 确定耕作周期 计划航海时间
决策依据 日、月、云、风、雾的变化 大气的运行轨迹
决策逻辑 经验 数据计算
决策行动 更新经验,促进农业发展 更新计算公式,帮助战争胜利

数据产品经理关注的3大方向应为:决策依据(数据本身),决策逻辑(数据服务),决策行动(数据产品)

关注 展示形式 例子
数据本身 数据的正确性和可靠性,发挥数据自身价值 数据报表 天气温度
数据服务 挖掘数据背后价值,提供数据方向性结论 服务、解决方案 是否会下雨
数据产品 完成决策闭环,协助决策者达到行动目标 产品、SAAS 达成目标(是否需要带雨伞)

1. 数据本身

a. 数据呈现

数据报表是最直接的数据呈现方式,也是最基本的数据需求。

最基本的报表呈现包括,固定报表和分析性报表。

  • 固定报表:最直白的数据展示,不做数据分析。如,文章阅读阅读数。

  • 分析性报表:面向专业的数据分析师,高灵活的数据查询功能。如,近七日的文章阅读情况。

百度统计

b. 数据质量

随着数据爆炸是增长,数据质量变得尤为重要,低质量的数据不仅使用不便,还会误导决策,甚至灾难性的结果,数据质量的好坏,决定了数据是否能够真正发挥价值。

数据质量是数据产品的基础,它会影响到数据仓库、商业智能、数据分析平台、数据应用等各个方面。同时,影响数据质量的因素又有很多,包括数据埋点质量、数据传输过程中出现的问题,数据口径是否一致等等。因此,为了保证数据质量,有资源和精力的公司会搭建自己的数据管理系统。

data-management-center

2. 数据服务

a. 数据呈现

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。

提到数据产品,最常见的是 百度,友盟等分析统计工具。这一类工具可以利用用户画像,漏斗分析,用户生命周期分析等工具协助客户达到用户增长的目的。

还有就是现在非常流行的Dashboard(数据仪表盘),可以实时获取数据信息,实时监控,数据预警等功能。

b. 数据运营 & 数据算法

对于数据产品的细分有面向运营和面向算法的方向:

运营类产品:

  • 流量分析:可以帮助产品经理进行页面设计、功能改进和改版评估等

  • 销售分析:可以帮助运营分析

运营类的产品和运营岗位紧密关联,协助运营的拉新促活。这个方向可以关注「GrowingIO」CEO「张溪梦」老师的《一个数据产品是怎麽设计出来的》。

GrowingIO 就是很典型的运营类产品,这类产品的核心就是帮助企业 Growth Hack、精益化运营、数据化运营等。

算法类产品:

  • 个性化推荐
  • 搜索
  • 用户画像

以「Google」、「今日头条」为代表的算法驱动的公司,会依赖算法进行数据分析,数据展示,数据预测。这一类的产品经理需要一定的算法能力和编程能力。

可以参考「今日头条」CEO「张一鸣」所定义的数据思维包含三个维度:

  • 收集数据。无偏,全面,客观。
  • 做出决策。根据数据做决策,抛弃主观经验,情感因素,做到客观解释。
  • 高效执行。3个方法论(归纳总结,A/B测试,双盲交叉验证)+ 高效A/B测试系统

c. 数据应用

数据工具产品主要在数据的角度通过工具产品来为公司赋能,为业务提供数据工具平台,提升获取数据的效率和决策速度,通过数据驱动公司精细化运营,主要包含数据分析平台、用户行为分析平台、用户画像工具等工具产品。

对于中大型的数据公司会有自己的数据仓库,通过聚合企业内部的数据及时反应企业在经营过程中的表现。并依托于数据仓库,将数据对外输出。

data-warehouse

3. 数据产品

a. 数据呈现

大屏、驾驶舱等是最具表现意义的数据呈现方式。数据产品的核心价值在于辅助决策者了解企业的经营状况,帮助使用者了解整体的生态环境。

b. 数据决策

数据的意义在于辅助使用者做出正确的决策,或者给予决策者预测未来的能力。

现有的大多数数据只是告诉你现在或未来的情况是怎样的,问题痛点出现在哪里,但却不能给出更完善的建议,甚至支持一个建议的执行。数据产品不仅可以告诉你,哪些用户流失的倾向性大,还可以直接引导用户展开后续补救的执行流程,哪些细分群体需要通过促销活动刺激,哪些需要服务关乎,哪些需要为他提供专享的VIP业务,哪些需要更好的互动等等。

这一类的数据产品经理的发展会更加的偏向于商业化,而不是聚焦于数据本身,或者数据服务。他需要更加聚焦于市场的宏观状况,了解整体的企业情况,使用数据辅助企业的成长。

让数据发挥价值

数据产品经理的职责就是如何让数据有意义,脱离业务的数据是没有任何价值的,只有将数据与数据关联,与业务关联,与人关联才赋予了价值给数据。不论是研究数据的本身,研究数据的服务,或者数据的产品,最终的意义都是让数据成为人们手中的工具,而不是冰冷的数值。

发挥数据价值去辅助用户更优的做决策。


推荐阅读:

The Why·Liam·Blog by WhyLiam is licensed under a Creative Commons BY-NC-ND 4.0 International License.

WhyLiam创作并维护的Why·Liam·Blog采用创作共用保留署名-非商业-禁止演绎4.0国际许可证

本文首发于Why·Liam·Blog (https://blog.naaln.com),版权所有,侵权必究。

本文永久链接:https://blog.naaln.com/2019/05/data-pm/

如果觉得我的文章对您有用,请随意打赏。您的支持将鼓励我继续创作!