數據產品經理，並不是數據＋產品經理的結合

作者：慕斯姑娘，生活中的小可愛，工作中的摩羯狂

全文共 3694 字 1 圖，閱讀需要 8 分鐘

———— / BEGIN / ————

互聯網產品經理經過近些年的發展，業內已經形成了相對一致的共識，對於產品經理的工作內容和成長路徑，不同階段有不同的側重點。

由於產品經理這個崗位在大學內並沒有真正的學科相對應，所以很多從其他方向轉行過來做產品的現象並不少見；也一度形成了“人人都是產品經理”的趨勢，這也形成了產品經理在人們心中門檻較低的印象；很多剛畢業的同學從產品助理或產品專員做起，基本在工作中不斷實踐歷練，就能在產品這條路上越走越遠 。

而近年來，隨著大數據、雲計算、人工智能等新興技術的火熱，“數據”一詞成為了業界寵兒。

其實數據領域由來已久，只不過以前大多是做傳統的數倉建設等；而大數據再一次引起人們重視，一方面由於是技術的發展，另一方面隨著數據量的增多，從數據中獲取商業價值，實現數據資產變現已然成為每個企業數據化轉型的關鍵路徑。

這種背景下，數據產品經理在各大招聘網站上變得十分搶手。

沒有做過數據產品經理的同學，可能不知道它和互聯網產品經理的區別，雖然說現在很多產品經理都要求會一點數據分析的技能，能夠通過數據表現來針對產品做改進優化。

但與專業的數據產品經理相比，這些數據技能顯得微不足道；更何況現在有很多第三方數據分析軟體，不需要會寫SQL，就能通過便捷可視化操作實現查數、獲取結果、分析比對；因此，數據產品經理不僅僅單純是數據+產品經理的結合。

一、數據領域的基本邏輯

當我本人初次從互聯網行業進入數據領域時，可以說是一無所知。

記得入職那天，在會議室遇見了一同來辦入職的同事，互相交流之後，他說是做開發的，我問是做哪方面的，他說ETL——當時我連這個崗位是做啥的都不知道，更別說ETL三個字母所分別代表的含義了；後來跟朋友講起，我還笑著說道：我們所說的開發不就是Java、PHP、iOS、Android什麽的，ETL又是幹啥的呢……

後來我發現，不光我不知道，問了很多同在互聯網公司的老熟人啥的，基本沒接觸過數據方面，都不知道裡面的具體內容。比如Hadoop、Kafka、Spark、Streaming、Hive等這些名詞，更是聽都沒聽過。

在數據領域對於數據的處理，基本有一個特定的邏輯圖，有可能是從下到上，有可能是從左到右；起初我以為是個別的這樣表示，後來網上看見過一個大公司的介紹（忘記是阿里還是百度了，裡面介紹他們的數據處理，也是那樣的圖），我才知道，原來基本都是這樣的邏輯，按照數據流向或者是處理流程分模塊表示，後來隨著接觸的越來越多，才逐漸領悟其中要義。

比如一般從左到右的數據流向會分為源系統、貼源層、數據倉庫、數據集市、數據應用等，不同公司根據業務不同，分層也會有所不同。

而之前我們接觸的互聯網產品，數據基本都是表面能看見的，多屬於應用部分，所以對於底層數據處理這塊，非專業人員接觸較少，而數倉裡面通常會有數據模型，關於建模型的意義曾經有個同事舉過一個很形象的例子。

把所有數據想象成一個儲物櫃，而數據模型相當於裡面的分隔分層；沒有建模型前，所有的衣物全在一個櫃子裡，不管是外套、褲子、襪子、圍巾等，而建模後，外套在一個格子裡；褲子裡一個地方、襪子在一個地方、圍巾在一個地方，這樣的對比，再次去拿的時候，肯定是分門別類存放之後，更容易找。

這也是數據建模的意義：把數據按模型落進去之後，能大大提升數據的處理、流轉和提取效率，節省時間，賦能業務。

數據建模的方法通常包括：星型、雪花型、Data Vault和3NF。

二、對於數據產品的認知

數據產品不同於互聯網產品，數據產品的一個重要作用就是：輔助決策。

當然隨著大數據興起，未來可能會有更多的輔助決策型數據產品往智能決策型轉變，而智能決策型數據產品的重點是相關算法知識——這個先不延展討論。

互聯網產品中常用到的需求分析是從用戶研究開始的，從定義用戶的特徵來發現用戶的需求，而數據產品的首要任務是幫助人們決策，而不是直接創造利潤。

另外，數據產品是一個分析數據和展示數據價值的工具；因此，數據產品的需求基本來自於兩方面：決策和數據。

一個常見的數據產品就是氣象預報 APP：

這屬於輕輔助決策類型的產品，也就是說這類決策所造成的後果不是那麽嚴重。比如由於沒有看氣象預報，導致出門沒有帶雨傘，那麽後果要麽是買一把傘，要麽被淋濕；這個後果相較於企業經營決策來說沒有那麽重要。

所以它的盈利能力也比較弱——只能通過導流量、賣廣告和推薦下載APP等方式盈利，而不是通過用戶為數據本身付費而盈利。

一般來說，哪裡有數據，哪裡就有潛在需求；手上有很多數據的企業特別適合在這個方向去開發數據價值。互聯網企業沉澱了很多數據，他們也知道怎樣利用這些數據，因此數據產品最先是在互聯網企業被廣泛應用的。

除此之外，政府也擁有大量數據，如果政府將擁有的數據開放並充分發掘其價值，那麽數據產品也會有用武之地。

比如自來水公司和電力公司有大量家庭每月的用電、用水數據，這些數據目前在水電行業可能沒有更好的應用之處；但是這些數據可以判斷房地產的空置率，可以為房地產行業的投資決策或政府徵收房屋空置稅提供一定的參考依據。

三、數據產品經理的工作

數據產品經理，多數會由數據分析師或數據挖掘工程師轉型過來。如果是數據挖掘工程師轉型為數據產品經理，學習曲線比較平緩；而由產品經理轉型為數據產品經理，學習曲線就比較陡峭；如果既不是產品經理也不是數據分析師，就要付出更大的努力了。

總之，成為一名優秀的數據產品經理不是那麽容易的。

我們公司目前的一些數據產品經理，起初都是在一些老牌的數據廠商比如聚源、萬得、財匯等地方從事了多年的數據工作，對於業務和數據以及相應的技術能力有一些儲備，所以對於產品經理不知曉的底層數據，他們相對更了解一些。

當然，不同公司根據業務不同，數據產品經理從事的工作內容也可能不同，但整體而言，個人覺得數據產品經理的工作會離數據更近一些，而互聯網產品經理通常離用戶更近一些。

數據產品經理是產品經理更細分的一個領域，需要具備的技能更專業化，有人說做產品的人不需要懂技術，但是做數據產品的人就需要懂技術了。

從一些大公司的招聘要求可以看出：數據產品經理基本上既要懂產品設計，又要懂數據技術，還要有團隊管理的能力，是綜合性的人才，要有產品化的思維才能為公司創造更大的價值。

四、數據產品的設計流程

數據產品的設計流程跟一般產品的大致框架基本相似，因為一些固定的設計步驟是必不可少的，大體上可分為前期規劃階段、中期設計階段和後期管理階段，不同階段，工作產出內容不同。

在《數據產品設計》一書中，作者艾達將數據產品設計流程分為了需求分析、數據指標設計、數據可視化設計、數據展現邏輯設計以及產品管理5個階段。

1.需求分析

這個步驟和互聯網產品設計的需求分析類似，是產品設計的首要過程，包括商業需求分析、市場需求分析、產品需求分析和產品規劃的過程。

2.數據指標設計

承接上一步需求分析的結果，制定出用戶最感興趣、易於理解，並且最能體現問題本質的數據指標。

3.數據可視化設計

根據上一步設計出來的數據指標，並且根據最終數據類型和表現目的，選擇最佳的數據可視化方案，將每一個數據指標美觀且直觀地呈現給用戶。

4.數據展現邏輯設計

包含數據指標展現邏輯設計、界面設計等過程，主要是根據各種已經實現了可視化方案的數據指標/圖表進行界面展現邏輯設計。

除了對數據指標進行分類展現外，還需要從多個角度設計數據的展現邏輯，將每一個指標都有邏輯地呈現出來，使用戶在看多個數據指標時清晰明了。

5.產品管理

包含研發管理、產品上線、後續維護、產品迭代更新或結束等過程，這個步驟和常規的產品經理對產品全生命周期負責的理念一致。

數據產品經理近幾年隨著大數據技術的成熟，逐漸受到重視和需要，但從介紹來看，想要做好數據產品經理並非易事，目前很多都是隻具備其中一部分能力，全面的能力需要在工作中逐步積累和提升。

一起加油！

———— / END / ————