数匠专访 | 数据产品总监谈数据岗位知识与经验分享（上）

出品｜爱数据LoveData（ID：cntongji）

嘉宾｜贾海峰

采访｜夏天

编辑｜小数

 

本期《数匠访谈》的嘉宾是爱数据社区的贾海峰老师，目前是天眼查数据产品负责人，曾任新湃传媒、E代驾、途家、WiFi万能钥匙数据产品总监。

 

 

识别二维码预约

贾海峰老师分享直播

爱数据社区每周活动

开启"开课提醒"参加

↓

 

Q1：您可以谈一谈当时:选择数据产品发展方向的过程是怎样的？

贾海峰：与其说是我选择做数据产品，不是说是机缘巧合。当时我是做开发、做项目经理，同时也会做产品经理工作，因为那时候项目经理基本上会做产品经理的工作。后来我去面试的时候，他招后台产品经理，但是招进去之后才跟我说是需要做数据，因为当时在2011年，其实是没有招真正的数据产品经理的，只能从自己内部去培养，正好我研究生是学数据科学与教育管理的，其实就是统计学-教育方向，当时就觉得去试试吧，我就边学边做，才做起来了。

 

比较巧的是，当时的数据开发是我原来做开发时候的同事，就一起通过搭数仓、做BI报表，慢慢边学习，边搭边尝试最后来做的。因此算是一种机缘巧合吧。

 

十年前没有数据产品经理这个岗位明确的招聘需求，虽然有这个职位，但是这里人才很少，那基本上就相当于是企业发展到一定阶段，对岗位有需求会在现有一些岗位里去筛选人才。

 

当时是我去的是叫欢网科技，他是长虹、TCL、腾讯合资，专门做互联网电视的。互联网电视最开始是Linux系统，慢慢开始做安卓系统了，也就相当于跟手机端的app其实差不多。但是随着你量级起来，长虹和TCL加来，当时在11年的时候有1300万的量级用户，你的各种的app都在里面，电视端app使用情况、用户行为、用户信息等等，其实他们都是零散的也不关注的，但慢慢的开始精细化运营，就会关注这些了，那就要收集些数据，做数据的加工，最后给他们种报表及可视化的展现。都是从最初的开始慢慢去做的。

 

在市面上开始去招聘数据产品经理大概是在14年到15年那会，移动互联网比较火热的时候。最开始移动互联网没有起来，它更多的还是在pc端，基于后台的数据做一些简单的加工，那时候也叫BI系统，但真正大数据起来，或者说数据产品岗位起来是在移动互联网火起来以后。

 

 

Q2：老师谈一谈关于数据分析师、数据开发、数据产品，他们之间的联系和区别吗？

贾海峰：三个是完全不同的职位，交付的内容也是不同的。

【分析师】他交付的数据提取，以及专项的分析报告，以及他要做些数据的波动异常做相的分析。

 

【产品】是要把固话需求产品化，包括专门的数据产品。BI只是是其中一样，还包括和ABtest、DMP画像系统、标签系统，这些其实都是数据产品。作为数据产品经理，要在你的整个公司的不同数据阶段，把它规划好，迭代出来。

 

【数据开发】主要是来做数据的基础建设，你要有数据的埋点采集、内部数据的同步，外部数据的api接口，数仓的搭建，最后完成你数据产品。数据产品要有后端的数据开发来支持，数据开发是数据产品落地的能力体现。

 

其实，数据产品、数据分析，数据开发，它都是种相互协作的。数据分析，它会处理一些不是特别固定化的需求，或者一些临时的需求，但这些需求比较固化之后，由数据产品把它总结出来，把它产品化。所有的需求如果都产品的话，需要做开发以及排期，迭代周期就很长，一些更多临时需求就由数据分析师来做。

 

但是现在更多的数据产品，它要求要具备分析能力，包括数据的模型。产品和分析，有的公司分的不太清，但是开发跟产品和分析其实还是分挺清楚的。

 

Q3："好的数据产品经理，他一定是好的数据分析师。好的数据分析师不一定是好的数据产品经理。"这个观点贾老师你怎么看？

贾海峰：因为数据产品，它是要求你有分析能力，如果做的更好一些，会要求你有一些技术的背景，甚至说数据的架构设计，这样你是能跟数据开发做种交流，包括一起搭建数仓，因为数仓涉及到。底层就ODS、中间表、结果表，它会涉及到应用层的主题建设。举个例子，我们拿电商来说，比如淘宝，他其实会在应用层有几个域，或者叫主题，像流量的、用户的、订单的、支付的、物流的等等，它每一块其实都是相对应主题来建设它的域的。但是如果纯开发，他不了解么多的业务，就需要你跟产品去磨合把块做好了，不然的话就会非常的乱。

 

很多公司都是分析师自己去建，或者说数据产品自己建，或者开发自己去建，最后就会造成他的应用层特别的混乱，越做越乱，如果想搭建比较好的数据底层，数据仓库、数据集市，还是需要数据产品跟跟数据开发去配合的。

 

这就要求你数据产品要有一定的架构或者说模型的能力。分析师他其实并不具备产品的设计能力，因为分析师更多是跑个脚本、写个Python、用Excel做个报表。而且数据分析师能力参差不齐，从入行用Excel做个报表，到能做专业的分析，会用Python、Tableau等做一些负责的分析，他的层次结构是不一样的。但数据产品会要求高一些，你是分析师转的，或者开发转的。他要具备分析的能力，甚至说一些技术的能力。但是分析师的话没有么高要求，这也造成分析师的人很多，但是属于产品的人相对会少一些。

 

最后的结果，分析师没有数据产品同等能力，同学历下的工资高。

 

Q4：目前贾老师作为数据产品的负责人，你的工作内容有哪些？

贾海峰：我在天眼查的title是数据产品的负责人，但是我是负责数据产品和数据分析两部门。

 

【数据产品】

数据产品这块主要还是一些产品团队的管理，包括产品设计、需求对接、数据产品的规划。比如我们现在做的，要做一些。比如ABtest，之前都是人工来写，甚至说让开发来单独来写，那么这个时候，数据产品可以来建完整的ABtest系统。

 

简单介绍一下ABtest系统。Btest其实是说你要有一个ab的管理平台，来设置AB或者ABB ，主要是做这种上线前、上线后它的一个产品迭代或功能优化的各个版本的对照。

 

当把这个东西做完好以后，就是不同的参数设置，他会做这种实时的流量分发。就比如说你要做AB而不是ABB，那AB的话就是，一个是A，一个是B，一个用户进来了，到底是放多大的规模，然后是你让用户去A还是去B，用户去A或者B以后，它会有一个行为，因为每一个路径他针对的按钮都不一样，那就他就会做数据的采集，以及说ab的对照分析，它是一整套的，即包括AB管理、AB流量分发、AB对照效果评估，它是三个结合在一起的，集合到ABtest系统。主要还是给产品的迭代以及活动的投放来做种数据评估及效果评估。

 

除了ABtest系统，还做BI系统，是最常见的报表平台。还有在做DMP精准营销系统。

 

产品块其实更多的说你的需求的收集，沟通设计，排期，上线。包括种种种的测试。

 

【数据分析】

分析这块，团队工作比较细。有专门做流量的就流量跟渠道块的分析，有专门做产品的分析，包括产品的痒点、产品的功能。有做活动的分析，指不同的活动上线以后它的数据反馈。比如说，我们要做深度的分析，告诉他哪些用户在什么时间段你做活动能达到你预期的效果，因为你的效果可能是增加营收、增加续费、甚至说增加活跃，是不一样的。

 

另外营收分析，是指整个的营收预期有预估，那你会涉及到预估模型。预估之后，每天是不是达到预期效果？比如说，每天营收增长了或者下跌了，你要能迅速作出归因，到底是什么原因导致的，给出一定的解决方案。

 

另外一块是做数据支持。其实基本上大部分的在开会，碰各种的需求。

 

因为你要清楚的知道说每一块都有什么需求，他的进度是什么，以及你能不能做，结果大概交付成什么样，以及后续的一个跟踪。

 

其实慢慢做到管理层大部时间要做些管理规划些事情，细节其实做的不太多了。

识别二维码预约

贾海峰老师分享直播

爱数据社区每周活动

开启"开播提醒"参加

↓

 

Q5：数据分析和数据产品，他两块的工作是具体解决公司哪个环节的问题，他是如何为公司带来收益，或者是带来价值？

贾海峰：

【分析-渠道分析】

先说分析，我们目前是有五个方向的分析。每个方向分析承担的工作职责以及目标是不一样的。像渠道其实它更多的来是做渠道的质量评估，以及说渠道的收益评估。因为整个渠道的ltv，包括说整个渠道的贡献方向，比如是GMV多、还是贡献的激活多、或者是贡献的活跃用户多，它是不同的。针对不同的渠道，要采取不同的策略。

 

可以给你举个例子，就比如说渠道一块要预装机型。我们之前预装了P30机型万台，那500万台，他回收的周期是多少？多长时间能达到ROI等于1，预装一年三个月了，目前回收回报率是多少，通过P30的数据，以及其他的一些我们现在有机型，比如说小米10，以及新出的mate系列等，其实他在我们是有数据的，包括续费率、活跃用户数以及首次付费等。但是我们想去拓展其他的一些预装的机型，那我们就可以通过P30的数据加上我现有的数据，对新的渠道进行预估，我们价位去投投多少台？回收的周期是多少？一年两年以后，我能达到样的预期，是可以预估出来的，就相当于为投放在成本、在效益、结果能够最大化。

 

【分析-产品分析】

产品其实更多的是要知道我上线之后产品的使用情况，包括用户的留存，使用行为以及痒点。是否露出以及痒点的使用情况其实都是产品要做的。

 

【分析-活动分析】

活动其实他更多的聚焦"取得活动的最大效益"，那我次的活动是为了拉新，为了续费，那把那活动投了。投了之后要告诉活动的效果到底怎么样，续费率是多少等。同时，你要对他做深度的分析，分析活动对哪些人效果更好，哪些时间段更好？会把维度列出来。下次投的时候，就会针对于效果好的人去投。如果效果不好的人的话，你就会把批人圈出去，其实是为了你的活动能够对你目标最大效益化。

 

以上是分析主要的方向，但其中会掺杂着很多种细碎的些需求，比如取个数，取数基本上占到分之三四十。因为大都是一些临时的需求。并不会作为你固化的目标，但主要是为了提升效率吧，说他们来做数据的支撑，说我要做事情，我要把数据拉出来，看一下我是否能做，做前期的预估或预判。

 

【产品】

产品更多的来说是提升整个的运营、产品工作的效率。举个例子说，我们刚刚说ABtest，如果之前只能找研发。一次做1-2个对比就不错了，而且还要等开发、等上线，周期就会很长，需要等版本的迭代才能完成，而且很复杂。当你有ABtest系统，就可以随时来做种效果的对比，那对整个做产品的规划、活动的评估、活动都对比，其实效率提升很多。因为他会不断来测试各种活动对哪些人效果更好，来获取些数据，来做最后的精准推送。这些都属于提效，还包括DMP精准营销平台，那最开始做种活动的推送，比如说，我作为运营人员，我要给用户去发一个push，那我需要找分析师我跑一部分人群出来，我把标签给到分析师，把人群跑出来之后呢，他要把针对这部分人群要做活动告诉推送方，你要给我这一批人，给他们做这样push内容，最后你还要把100个人给到数据边，分析师要根据100人的案例去跑一下推送的效果，相当于它会很麻烦，都是需要一段一段去动。

 

但是如果基于DMP平台他会怎么做呢？一是他会基于数据的标签系统，根据标签建用户群，再建任务，任务包含哪几个用户群，他是交集还是并集，最后是做活动，活动可能是一个任务，也可能是两个任务。任务就会把相应内容去推送推到任务系统里，比如说推到短信平台、推到其他第三方广告，同时还把用户ID自动的同步到数据平台里面去，数据平台会根据他的一些固化的数据需求

 

数据产品在公司的价值，总的来说，是提高数据使用价值。

 

Q6：数据分析与数据产品的工作内容/流程是怎样的？

贾海峰：首先，需求会有两部分，一是自己通过数据发现的，或者说你通过数据来看到一些问题，主动去做的，就比如说你要做归因。比如说今天营收掉了，那数据变化很大的时候，是要主动来做归因，到发现原因以及后期要怎么做能够提升。不是说领导发现说你数据怎么掉么多，找你问，而是需要你主动来去做的。

 

还有很大一部分的需求方。比如说运营、增长、产品，其他的部门他都会给你提一些需求。这些临时的需求其实都是由分析来做的。

 

一些固化的或者共有的需求，我们把它做成产品，比如说线下的人比较多，那你就需要做移动BI，甚至说把CRM的数据拿过来给他们做种绩效，些其实都是数据产品能做的。

 

接到需求以后，你要跟他不断的去沟通是不是真的有需求？需求做完之后的价值是什么？做完需求确认之后，我们就要做产品的设计，产品设计出来之后就开始走评审，进入开发的评审周期以及测试。

 

大部分数据这边是没有专门的测试团队的，基本都是由数据产品和分析师、数据开发来做。做完之后测试，然后上线，上线之后要监控上线的反馈，以及上线后产品的使用情况。不断来迭代，基本上整个的工作流程。

 

 

数据产品在这个流程里，还承担了项目负责人和测试的角色。数据产品经理他不像业务产品，有的公司会设置PMO，数据产品的开发，就基本上都是由产品经理来做，包括产品测试。原来我们公司有过找专门测试来做数据测试，测一周人就不干了，说要么走，要么换岗位。因为数据的测试相对于说功能测试复杂得多，因为他要理解数据的模型，甚至说数据算法，他还有准备相应的数据。但是这些用一次就完了，你下一次的需求又是另外的数据指标，又是另外相应的数据案例，没办法流程和规范，所以一般测试都不愿意做。

 

所以说，对数据产品要求还挺高的，如果你只是基础的或者刚入行的，你做某一部分就行了，如果你想做独挡一面，基本上你的各个方向都要具备的。包括整个产品体系化的能力、整个数据产品的管理能力、需求理解能力、产品设计能力等，其实都是要求比较高的。就像你刚开始说的，为啥数据产品得是很好的分析师，但是好的分析师不一定是好的数据产品。

识别二维码预约

贾海峰老师分享直播

爱数据社区每周活动

开启"开播提醒"参加

↓

 

#直播话题讨论

1. 如何看待国家对教育培训行业的全面整顿？

2. 教育部2021工作部署将大力治理整顿校外培训机构，会对教育培训行业以及就业机会有哪些影响吗？

 

#直播内容

★在线教育行业现状分析

★教育大数据的数据平台基础建设★教育大数据的数据应用六大案例

1. 获取生源效果分析

2. 线索转化模型

3. 辅导老师合理分配及绩效模型

4. 学生学习效果分析及预测模型

5. 讲师讲课效果评估

6. 辅导老师绩效

 

 

数匠访谈介绍

爱数据社区《数匠访谈》旨在分享数据作为新的生产资料和驱动力的数字化时代背景下，数据从业人员如何发挥数据价值的见解和洞察，共同探讨数据应用与发展趋势等话题。

访谈嘉宾均来自：一线各行各业的资深数据分析师、数据产品经理、数据开发工程师、数据建模专家、算法工程师、数据仓库架构师、数据总监等，行业覆盖新零售、O2O、电商、互联网、教育、物流、金融、信息流、医药等。

 

《数匠访谈》通过深度访谈一线资深数据从业人员，整理发布数据嘉宾的实战工作经验、行业洞见和先进的数据技术，为入行数据从业者、数据爱好者提供宝贵意见，为行业发展起到积极促进作用，进而达到数据人才价值实现，推动数据产业发展。