数据产品经理入门必备：数据产品搭建全流程

       不同类型的数据产品在实现流程上，会略有差异，不同公司也会有自己具体的流程，在上手工作前可以找上级或前辈详细了解下，实操1个产品项目后，基本就能熟悉整个过程，然后分环节的逐步优化、补充知识和提升能力，就能快速地成长起来。

       数据产品有很多种分类方法，根据面向的用户和产生价值的形式，我把数据产品划分为三种：平台型数据产品、业务决策型数据产品、算法策略型数据产品。

       平台型数据产品，作为工具平台，为业务同学和技术同学提供数据的查询、管理和开发等各种基础服务，较为常见的是数据提取工具、报表工具、ETL开发平台等；

       业务决策型数据产品，作为决策辅助，通过数据可视化，为各层级管理者和业务同学提供数据洞察和分析工具，较为常见的是各类Dashboard、定制开发的复杂可视化产品等，像行业知名的阿里的生意参谋；

       算法策略型数据产品，常作为一种产品背后的算法逻辑存在，为产品提供价值增益，常见的有商品搜索、排序、推荐等。

       今天为大家介绍下业务决策型数据产品从立项到上线的全流程，作为数据产品经理入门必备的基础知识。

一、产品立项和需求调研分析

       此为产品的开始阶段，是流程第一步，也是决定产品定位、价值和建设方向的最重要环节，可以大致分为两小部分：

       立项：一般想法自上而下产生，产品BOSS和业务BOSS都有可能，在BOSS决定大力提升数据决策效率或解决某个业务问题时，产品即应运而生。在此阶段，一般会决定产品面向的用户群体，服务用户的方式，以及在提升业务收益上的产品定位和价值；

       需求调研：明确了用户群体和产品定位后，就需要花费大量精力做前期调研，发现用户痛点，了解用户看数的场景、要解决的问题、解决问题的思路和方式，分清共性问题和个性问题，以方便在产品设计时做取舍；需求分析：对调研内容进行分类归纳，分析用户的原始看数场景，用数据解决问题的通用方法等，需要一定的产品功底和数据分析功底。如果有业务对接方，则可以由业务方提供BRD文档进行详细描述；如果没有业务对接方，则可以由数据产品经理提供MRD文档详细描述。

二、数据产品方案设计

       此为流程第二部分，是需要花很多时间来思考和打磨的环节，也可以大致分为三小部分：数据指标体系设计、数据可视化设计、产品框架和交互设计。

       数据指标体系：是从业务需求到数据产品的转化过程，包含了发现问题、分析问题、解决问题的一套思路，并对各业务指标进行主题归类；

       数据可视化设计：是需要思考指标体系如何以图表形式合理地展现出来，信息简洁高效的传达给用户；       产品框架和交互设计：要根据产品页面的主题拆分和筛选项设计，进行层级结构、布局和交互的设计。

三、文档撰写和需求评审

       文档撰写：完成产品方案设计后，需要首先找需求方进行业务review，常常会有反复修改。确认满足用户需求后，要撰写PRD产品需求文档，不同的产品类型可能会包括：设计需求文档、数据指标需求文档、前端交互需求文档、后端逻辑需求文档；

       需求评审：完成文档后，进行产品内部评审、技术评审，此时会遇到来自产品leader、技术leader的各种拍砖和质疑，可能是帮忙完善方案，也可能是单纯砍需求。为了更好地推进产品项目，有很多可行的谈判技巧和方法，简言之就是坚持业务导向，坚持做正确的事而不是简单的事。

四、排期开发和跟进

       通过了产品评审、技术评审，就算正式进入开发阶段了，在技术团队确定技术方案后，会给出明确的排期，包括开发完成、联调、提测、上线预发系统、正式上线等阶段。之后产品经理的压力会减轻，只需要做好项目进度管理，与技术同学做好需求细节答疑即可，也可以开启下一个版本或项目的规划设计阶段，多线并行，高效产出。

五、产品测试、走查和验收

       待产品交付后，需要对产品进行测试和验收。如果有专业测试工程师，产品经理会省很大精力。如果没有，则需要对所有细节进行核验。最容易出差错的是前端页面，如果有专业设计师，可以进行专业的走查环节；其次是数据指标口径和准确性需要详细校验，可以拉测试工程师、业务团队一起来确认。

六、上线和推广运营

       产品正式上线后，如果风险较高可以进行试运行，在种子用户、天使用户之间进行试用。没问题后，就可以大规模宣传轰炸和上线推广了，形式不限，越多越好。随后用户的反馈和吐槽，也会扑面而来，也就开始了持续的、繁琐的修BUG、改善体验、答疑和解释口径了。

       运营工作之外，还需要一个合理的产品评估体系，用来衡量产品做得优劣，是否满足用户需要，是否解决了问题，是否创造了价值。

至此，一款业务决策型数据产品就实现了从需求到开发上线的全流程。

End.

作者：Data To Value

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/