数据产品经理生存指南第一条

最近两年，数据产品经理这个名词开始越来越多的出现在各公司的招聘列表中。也经常有朋友问我，有没有合适的数据产品经理介绍？

出于职业的习惯，我通常会问这么几个问题：

1、你们公司做什么业务的，处于什么发展阶段，目前多少人？

2、现在公司的决策流程如何，用什么分析工具，是否有专职的数据分析师？

3、目前数据团队产品加研发一共有多少人？

4、你希望数据产品经理解决什么问题？

遗憾的是，迄今为止，90%的公司都止步于第二个问题，还没有一家公司进入到第四个问题（除了我目前供职的公司，在面试的时候，我问过面试官）。

这四个问题直面公司对数据的需求，只有这四个问题都能够比较清晰的答案才代表这家公司真正的需要一名职业的数据产品经理。

数据产品经理是一种典型的平台型产品经理，他承担了整个公司数据信息的采集、分析和表达的产品化工作，决定了公司的决策效率。

基于这个定义，我们来模拟回答以上的问题：

1、你们公司做什么业务的，处于什么发展阶段，目前多少人？

初创公司不需要数据产品经理，因为养不起——这不是说这个职位的工资高，而是说这个职业消耗的资源很大。一个数据产品经理要能发挥作用需要从客户端、服务端、数据研发工程师到前端工程师的一整套研发资源，而且其中的服务端和数据研发工程师都不能只有一个人。围绕着数据这条业务的人员就少则4，5人，多则十多人，一个初创公司实在没必要去专门组建这么一个团队。

"可是我们的业务里面有大量的数据，我们也要积累大数据，做大数据分析怎么办？"有些朋友不依不饶的要继续讨论下去。"请自己做数据分析或者招一名1-3年经验的专职的数据分析师。"我通常都会好言相劝，因为基本上在初创公司提到大数据的，要么是不懂数据，要么就是被人忽悠了。

100人以下的公司基本上不太需要专职的数据产品经理，200人左右的公司可以边使用第三方的数据分析工具，边尝试搭建一套简单的内部数据处理系统，并开始有意识的积累数据。当公司开始从单业务往多业务发展，人员开始向着400人的方向发展的时候，此时可以开始专门搭建公司级的数据产品团队，招募数据工程架构师。以上对公司的描述，同样也适合大公司的业务线，但是不适合金融、互联网广告、独立数据服务供应商等以数据为生的行业。

2、现在公司的决策流程如何，用什么分析工具，是否有专职的数据分析师？

通常比较重视数据的CEO会PUSH手下的工程团队在产品早期的时候就开始采集数据，并使用一些第三方的数据分析工具——友盟、Talkingdata、小米统计等可以解决初创企业的KPI和简单的异常分析，Mixpanel、deltaDNA、Chartbeat等工具可以解决不同行业的精细化运营的分析需求，神策分析、Amazon Quicksight、Google Data Studio等系统可以满足一些对数据安全比较重视，且业务线比较多，需要大量多为分析的公司。

从第二类开始，专职的数据分析师是公司必不可少的职业，此时数据业务比较复杂和专业化，没有专门的分析师，很难进行有效的分析。工具的作用是帮助公司快速的集中精力在业务问题的解决上，而不需要浪费宝贵的时间在繁杂的原始日志的分析和处理上。

而进入第三类的公司，基本上都面临着多业务线并行的压力，此时公司业务产生的数据量大且维度多，瞬息万变的市场要求公司每天都要做大量的决策——更多的数据需要被提取，分析并表达给关键决策人。

好了，第二个问题回答完以后，我们可以正式的进入数据产品经理的生存指南了。

生存指南第一条：数据分析能力是生存的基础。所以你必须精通此道——记得是精通，不是会几门工具，会多少Excel快捷键。

数据产品经理，顾名思义是专门怼数据的产品经理，那么意味着他需要具备以下几个基础能力：

一、数据分析

数据分析不是在R Studio上做个炫酷的表格，也不是在Excel操作几次数据透视表，当然更不是写几个SQL提取几个数字。他是一套从公司商业竞争策略到一线业务运营的分析方法。基于这套方法，数据产品经理可以将公司从上至下不同的业务放进同一个模型中来分析，从而帮助决策层通过数据快速的定位问题。

这要求数据产品有非常强的数据敏感性，快速的业务学习和领悟能力以及行业信息的搜集能力。数据分析的哲学是大胆假设，小心求证。数据敏感性则决定了你假设的命中率。互联网行业的竞争非常激烈，公司经常会快速的开展新业务，扩张新业务。快速的业务学习能力能够让你快速为各个不同的行业搭建业务分析模型，而领悟能力则决定了你搭建模型的适应性。信息搜集能力决定了你的行业视野，是否能够看到行业的天花板。

二、产品设计

既然是产品经理，产品设计能力必不可少。其中需要特别注意的是市场分析能力与需求分析和理解能力，其次是用户体验的和数据可视化。同C端产品经理一样，写文档画原型做报表都是次要的工作，把准产品的市场定位，了解用户的本质需求才是产品设计的本质。

记得当时微信朋友圈的文章在第二次阅读的时候，可以自动定位到上次阅读的地方——可以说是对用户移动端碎片化的阅读时间特征把握的非常准。反观当时的微博文章还像网页一样得一页一页的点，而专门做阅读的知乎都没有类似的功能。可见好的产品设计并不是炫酷的交互，而是对用户行为特征一点一点的分析，对每一个功能都精益求精的打磨得到的。

三、项目管理

作为极为消耗工程资源的职业，良好的项目管理能力决定了整个数据项目的成败。数据产品面临的是极为复杂的数据流和业务流的集合。为了做出一张数据准备，系统稳定，查询快速的报表系统，产品经理需要从底层的日志开始整理，梳理各个数据处理过程。

因为处理逻辑的原因，数据系统的研发通常时间周期很长，而业务对数据的需求通常是要么没有，要么就是疾风骤雨般不讲道理的来了。为了保证系统时刻处于快速响应的状态，数据系统的研发通常会拆分为应用层和平台层双项推进——前者负责快速响应业务需求，以周或者双周为单位迭代，后者负责搭建稳定快速的数据平台，以月或者季度为单位迭代。

四、平台思维

数据产品经理最终的目标是让数据自我表达，为业务提供基于各类日志的，从报表到智能预测工具套件。一方面产品要不断的从各个业务汲取和整合各类数据，另一方面要将数据通过各种工具稳定、快速的表达出来，让业务方可以简单快速的从数据获取insight。为了做到这一点，产品经理必须具备平台思维，懂得如何将难懂的数据从相对封闭的业务中抽出来，以服务的形式向业务方开放，最终形成从数据供给到数据应用的闭环。

End.

作者：刘洋

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/