工作总结：数据产品经理的点、线、面、体

一、单点切入

上一篇文章介绍了数据产品经理的分类，要想开始入门从事数据产品经理工作，需要结合自身优势来选择某一个点来切入。

比如，开发套件的目标用户多数为数据开发人员，非技术出身的同学，如果一开始就选择开发套件相关的领域，将会非常吃力，根本就不知道不同数据源同步配置参数、ETL开发过程、任务调度策略是什么，学习和适应过程非常困难。

建议是无技术背景的同学可以尝试从数据分析&应用型的产品入手，如数据可视化、精准营销平台等更贴近业务的模块。

毕业时拿到了汽车之家、搜狐、美团的校招offer，薪资相差不多，分别是做商业化产品、社区产品和数据产品,因为在校期间运营过一个3万+粉丝的公众号，每天对粉丝增长、阅读量、转发量等指标非常关注，最终选择了去美团做数据产品，主要是C端数据统计。

近两年的时间主要是做App数据分析产品，包括每个版本迭代功能的效果统计、主流程转化漏斗、流量入口及转化分析、渠道分析等。对接的主要业务方是C端产品经理、产品运营以及其他关注流量数据的分析及管理层。

在这个阶段，从职场小白、产品菜鸟逐步到可以独立负责流量数据产品体系，积累了最初的产品经理工作流程及基础能力、数据可视化产品实战经验、指标体系及埋点解决方案。

总结下来，数据可视化产品模块，需要了解业务场景和核心KPI，围绕KPI确定好指标、统计口径、分析维度，输出报表需求文档、产品可视化需求文档，推动开发变现和数据产品的日常运营。

需求缺口上，看数据是基本诉求，岗位需求量大，能力和技术要求上，相比其他模块的门槛也更低。

二、多点成线

因为家庭原因从北京辗转到了上海，从原来负责单一C端流量统计，到负责整个数据分析应用平台，是一次多点成线的转变。用户覆盖更多了，从管理层、产品、运营、销售、客服等多工种。

数据产品功能及应用场景如下：

KPI实时分析：业务核心指标的实时可视化展示，考虑实时数据存储和计算的资源成本，主要对核 心KPI进行实时监控，或作为公司形象公共的产品；

经营概况：为管理层提供业务运营健康度评价的数据可视化产品，指标维度粒度较粗但指标覆盖要全面，如覆盖交易、营收、供给、服务、营销等各个方面，具备从宏观到微观的数据评价（业务表现好与坏）以及联动和下钻分析能，便于发现问题，定位问题，找到目标责任人解决问题；

商品销售分析：主要服务于商务销售人员，提供销售目标达成、产品销量分析、地区分析等不同维度的日周月报及分析能力，辅助销售人员数据化管控工作过程；

流量分析：服务于产品及运营，提供App、PC、H5、小程序等不同终端的产品流量监控及用户行为分析能力，帮助产品发现流程问题，优化功能迭代或用户增长；

营销管理：用户画像（提供基于用户画像的人群权限能力，驱动精细化运营精准营销）、活动效果分析（活动流量、转化率、ROI、留存率）；

服务分析：产品售后服务统计，如投诉订单数、投诉率、投诉解决率、评价数据挖掘等；

竞争情报：基于爬虫爬取数据，进行相关功能产品化、可视化，如竞品业务量及增长趋势概况（市场占有率分析）、竞品资源分析（资源覆盖度、供给与动销、产品比价），辅助管理层及业务制定市场竞争战略。

三、连线成面

无论是点还是线更多的是聚焦于当前领域以及该领域更加全局的视角，随着工作年限的增加，对大数据的理解的深入，需要对当前领域的上下游有更多的认知。

如：数据可视化应用，数据的生产过程是什么，数据如何从业务系统产生后，清洗加工输出到前端的可视化界面展示。数据可视化常用数据查询解决方案有哪些？Hadoop生态动物园大家族到底有哪些物种，数据除了做可视化决策分析，还能发挥什么价值？

这一阶段，主要是从应用端开始下沉到底层的数据加工流程的平台化工具，近2年比较火的数据中台，核心思想是效率的提升和成本的降低，如何通过中台的产品体系，来降低数据开发过程的成本，提升业务快速获取和使用数据的效率？数据价值也会从决策支撑，到业务赋能，数据智能。

四、小结

数据产品经理工作过程的点线面，每个阶段都有不同的侧重点，点的阶段强调的是在垂直领域的深入，线的阶段是从点到线的延展，要具备更全面的视角和思维能力，面则强调的是系统上下游的联动与边界，更加注重系统化思考和不同形态产品实践的综合能力。

不断挑战自己，跳出舒适区，才能快速积累更加全面的大数据产品经验。

End.

作者：数据干饭人

本文为转载分享，如果涉及作品、版权和其他问题，请联系我们第一时间删除（微信号：lovedata0520）

更多文章前往首页浏览http://www.itongji.cn/