【轉載】如何一步步從數據產品菜鳥走到骨幹數據產品

【文章摘要】網上關於數據分析師的文章不少，可是關於數據產品經理的文章不多，因此常常有各個領域的垂直網站來和我交流，問我數據產品應該怎麼作，人怎麼培養，團隊應該怎麼建。因此我就把別人的問題、本身的回答，結合自身的成長經驗，作了一個課程。

　　

 

　　1、數據產品工做簡介：

　　1. 數據產品經理的概念和範圍：

　　首先，思考兩個問題：

　　你心中的數據產品都包括哪些?

　　你認爲數據產品經理是作什麼的?

　　至少，我每次介紹本身是數據產品經理的時候，常常收到別人問：

　　我有**問題，能幫我看看怎麼回事麼?這個數據爲何會變成這樣?

　　我：%￥……#%￥@;

　　好，你們一塊兒和我念：數據產品經理不是數據分析師，數據產品經理是產品經理的一種，數據分析是產品經理的核心能力之一，產品經理是數據產品經理的核心能力之一。

　　首先，數據產品經理必須瞭解不一樣的公司，在不一樣的階段，須要哪些數據產品，並可以製做出來，這是此職位的核心要求，也是我本系列文章重點介紹的部分。

　　其次，數據產品經理必須有足夠的數據分析能力，因此，我會講一些數據分析的基本思路和方法論。若是有了數據分析的思惟，再跟公司業務結合就會比較容易。

　　最後，數據產品經理是產品經理的一種，因此要同時具有產品經理的能力：瞭解用戶，需求調研，方案設計，協調技術、測試、設計等，不過這些網上有不少文章了，因此我只會講數據產品更須要注意的地方。

　　2. 數據產品的種類：

　　在公司中，可以發揮數據價值的產品，便是數據產品;

　　通常，主要從用途來分，分爲如下兩種：

　　一、 分析類產品：經過數據的計算和展示，幫助業務進行分析、決策的產品，大概包括如下幾類：

　　流量分析產品：能夠幫助產品經理進行頁面設計、功能改進和改版評估等

　　銷售分析產品：能夠幫助運營分析

　　這兩個產品都是公司的必備，對公司各部門都有較大幫助：

　　幫助產品經理進行頁面設計、功能改進和改版評估等;

　　幫助運營人員作用戶分析、活動分析等;

　　幫助市場人員作投放分析優化等;

　　當公司某一塊業務比較重要，又有專門的部門負責時，通常會把數據分析系統獨立出來，好比：

　　供應鏈分析系統;

　　客服分析系統;

　　會員分析系統;

　　二、 算法類產品：經過數據的計算，直接更改頁面的邏輯的產品，成爲算法類產品;

　　好比：

　　個性化推薦;

　　搜索;

　　用戶畫像;

　　程序化購買廣告;

　　等;

　　這兩種是根據公司的狀況來，區別並非很明顯，並且會不斷演變。

　　好比：對供應鏈支持的，可能最開始是銷售分析系統裏，一個庫存分析的報表而已;

　　後來，加入了各類補貨預警、成本分析等報表，就變得很複雜，獨立出來成爲系統。

　　再後來，選品和銷售預測，都是須要較強的算法支持，就變成了一個算法類產品。

　　在不少時候，咱們進入的都不是BAT，而是一個垂直領域的領頭公司，獨角獸公司，這是很不錯的選擇。可是這種公司都不會一上來就配備很大的數據團隊，可能也沒有很是懂的領導，這時候須要數據產品經理不斷規劃數據產品的將來，從而協調資源。

　　因此一個數據產品經理，不只要了解各個數據產品，還要了解，在公司什麼樣的狀況下，這個產品以什麼樣的形態出現。三個月後，公司可能會什麼樣，須要什麼樣的數據產品。

　　這樣，你才能夠去申請技術人員和其餘資源。

　　問題回覆：

　　今天收到了不少問題，只能先集中把問題解決一下。

　　1. 爲何會有這個崗位?

　　簡單說，就是公司已有數據，但願專業的人，來讓數據產生價值。

　　業務型的公司，通過一段時間飛速發展後(一般爲半年到一年)，通常會出現如下的狀況：

　　獲得資本方的承認，領導層會雄心勃勃，啓用數據方面的戰略。

　　公司自身，也會碰到很是多管理的問題，就會但願結束粗放式的增加和運營方式，轉向更精細化、更專業、更有效率、更能控制成本的增加。

　　各部門都按本身的需求提取數據，會出現口徑不統一的狀況，好比一個部門和另外一個部門的同一指標，出現不一樣解讀。

　　各部門本身提的數據需求，基本上老是會有漏的環節。

　　因此，這時候，須要有個懂的人，梳理各部門需求，彙總整理數據流程，將數據體系化，否則就亂了。

　　這種狀況下，對數據產品經理的要求是：

　　要懂分析，否則就會變成一個只出報表的傳話筒。

　　要懂數據的產生邏輯，要能創建一個業務模塊的數據指標體系，否則，出來的東西會比較亂，可能遲遲上不了線;

　　還有另外一種狀況就是大數據團隊招人。

　　這種通常是大數據團隊，有本身的技術和算法人員，已經作出必定的成果(好比推薦系統最開始上線時，即便團隊中沒有產品經理，只有算法工程師，也是很容易產生比較好的推薦結果)，獲得了領導高層的承認。可是如何將算法，更好的服務於公司的商業，產生直接的銷售結果，這是算法人員很難有精力去想的，就要招一個產品經理來。

　　這時候對產品經理的要求是：又要懂商業，人家就是找你來變現的，又要懂算法，又要懂產品，要求很是高。你們以爲大數據的產品經理比較貴，都是這種。

　　2. 如何入門：

　　我招過不一樣背景的人，因此總結下來：

　　基本要求：理工科背景，性格要溫順，要能沉下心來。數據指標實在是一個太繁瑣的事情，對性格的要求很是高。並且若是是數據分析，在一大堆數據裏刨來刨去，極可能半天也沒有結果，因此性格首要的。

　　如下是加分項：

　　一、 數據分析師出身。數據產品最好仍是要提供解決方案，並非說，業務人員告訴你他們碰到什麼問題，你就能作出好的產品的。要心中有商業模型，有不少解決方案，看到時候須要提供哪種。

　　這些方案累積的過程，大部分須要訓練，但是誰有時間去訓練呢，而數據分析人員的工做自己就是思考各類問題解決方案的過程，要想辦法把數據的問題找出來，而且可以做爲報告展示。因此招數據分析人員作產品經理是一個快速省事的辦法。

　　若是個人團隊中沒有分析經歷的，通常我都會讓其去作幾份分析報告，訓練思路。

　　二、 業務人員出身，作過產品經理的，通常知道產品經理須要哪些數據，才能優化頁面;作過市場的、運營的，知道哪些數據可以提高效果，有這種背景，咱們也會須要;

　　三、 數據提取員：每一個部門須要數據時，就會有一個提取人員，用sql從數據庫中提取數據。這種職位我會推薦應屆生去作，首先，瞭解公司後臺各大系統的關係和產生數據，其次，瞭解業務部門的狀況，還能夠了解公司的發展重點。最主要是，他了解每一個數據是怎麼產生的，這是其餘背景的產品經理沒有的優點，開發很喜歡這樣的人寫的prd，無論業務方向對不對，至少需求是不用改的。

　　四、 算法產品經理，通常我會要求有數學背景的碩士，帶起來很快，性價比高。

　　五、 其實仍是看我的，由於咱們如今的團隊每一個方向擅長的人都有，因此若是我以爲一我的比較有潛力，就招進來，讓他挨個職位作一遍，就培養出來了。

　　3. 其餘問題：

　　流量分析產品：能夠幫助產品經理進行頁面設計、功能改進和改版評估等

　　銷售分析產品：能夠幫助運營分析

　　這個幫助指的是什麼?

　　若是是經過產生的數據報表進行預判的話，那和數據分析師的角色會重疊。

　　如下是回答

　　分析類產品，不管報表仍是頁面，都是但願使用者能夠看到問題，或者獲得結論，這是幫助的意思。也就是說把數據分析師的思惟給固化成產品邏輯。

　　舉例：好比周報，以前多是分析師把全部的數據彙總在一塊兒，查看，分析，而後告訴你哪裏該改動了。

　　可是數據產品把分析師每次用的數據和思惟，圖形化展示出來，你本身作爲一個產品經理，看看就知道哪裏出問題了。

　　2、 分析類產品：

　　1. 定義和能力模型：

　　首先說定義：什麼是分析類產品。

　　能夠挖掘數據背後的價值，並經過數據的展現，爲使用者提供幫助，即數據產品。

　　一個數據產品經理的能力模型以下：

　　數據分析的能力;

　　商業模型的理解能力;

　　需求分析和調研的能力;

　　數據展示的能力，便可視化的能力;

　　2. 數據分析的能力：

　　在我年輕的時候，在團隊中處於打頭陣的狀態，基本上老大有什麼新的產品了，會先派我去作。等我作的把坑趟的差很少了，就交給別人，換下一個產品，因此我真是作過不少產品和頁面。後來總結出作分析產品的一個套路來，以下：

　　首先講一個數據分析框架，這基本上被我適用於公司不少業務上：

　　

 

　　這是一個數據分析師的經典的分析過程。首先，爲這個部門收集一些信息，幫助制定關鍵指標，其次，監測指標完成的好壞，並發現問題，而後，分析影響KPI完成的緣由。最後，給出解決方案。

　　數據產品經理要作的是什麼呢?就是把這個框架中的每一個過程總結出來，梳理清楚，每一步，都須要哪些數據、哪些指標，怎麼展現，用圖仍是用表，用什麼圖。而後，再綜合開發資源、上線時間等，最終決定產品是什麼樣。

　　我以淘寶給賣家作的一個產品爲例，來說解這個過程：這是一個給管理團隊和運營團隊看的日報:

　　

 

　　首先，平常監測：他們選的是訪客數、瀏覽量、實付金額、支付轉化率、客單價、退款金額、服務態度評分七個指標;

　　咱們給每一個部門作產品時，都須要首先制定核心指標。有不少時候，業務部門本身會提需求，但業務部門只能想到最直接的，極可能他們部門很嚴重的問題，會漏掉。

　　從部門價值上來考慮：

　　資本方給公司的要求是什麼?

　　哪些指標影響了估值?

　　你目前在分析的這個部門，能夠承擔哪些影響估值的指標?

　　哪些其餘指標能夠爲這個指標服務?

　　從用戶行爲來考慮：

　　用戶如何來到這個頁面/這個流程?

　　他都進行了哪些操做

　　都通過了哪些步驟

　　從哪一個環節流失?

　　總體流程上，用戶最關心什麼?他的時間?更好的服務?更多的選擇?

　　固然，還有不少維度能夠考慮。

　　這樣分析下來，該部門的核心指標就找到了。

　　對於部門來講，核心指標是比較好找的，能夠跟部門老大合計，看他側重哪方面便可。

　　對於爲管理層作決策來講，就相對難了一些，在國內如今的形勢下，能夠多瞭解資本市場的分析邏輯，多瞭解管理層的如今的關注重點。

　　由於即便管理人員，作企業時，也是摸着石頭過河，也在不斷的學習，可能這個階段學習的是一種商業理論，在另外一個階段學習的是另外一種商業理論。因此相關的商業理論要了解，才能給抽象成報表、甚至分析頁面。我爲此曾經學過不少，balabala的。

　　發現問題：達成狀況、狀況好壞;同比、環比、定基比;

　　繼續看這個頁面，數據分析方式怎麼用到頁面設計中。

　　

 

　　同比：較上週同期;

　　環比：較前一日;

　　定基比：將行業中全部的賣家分層，用和該店相似的賣家的核心數據，來作對比，從而知道本身的優缺點。

　　定基比中，我見過最好的，是淘寶的產品。我當時在代運營公司，確實賣家就想知道，哪些跟本身差很少的，比本身好一些的賣家，他們的一些核心數據是什麼樣的，個人數據到底改善空間有多大。

　　固然做爲平臺，能夠作的更好一點：好比，咱們同省市的賣家，大概的數據是多少。像咱們去山東談酒類企業，他們其實就很關注其餘山東的酒在網上的受承認程度。太大的品牌，給他們的借鑑意義畢竟小。

　　當指標和分析方式都比較多的時候，用戶看到頁面，就會看到不少數據，可是不知道看什麼。這時候就要用一些可視化的方式，突出重點。好比，用紅色歎號，將降低較多的指標標出來。

　　分析緣由：在產品設計中，一般要把影響指標達成的緣由，也列在這個頁面上，以供使用者參考。固然影響因素會不少，因此產品經理首先要收集齊全影響因素，而後再把關鍵的、核心的因素挑出來。

　　好比某個地區的月初退貨率突然增加，就要收集緣由，可能以下：

　　管理：

　　當地銷售人員刷單，爲了達成上月業務目標，月初退貨;

　　部門人員，有的比較能幹，有的比較弱，致使了總體數據的達成很差;

　　商品：新上的商品質量不過關;

　　促銷：郵費政策、價格政策的變更;

　　外部緣由：

　　京東作了一場大促，把價格給打下來了;

　　突然爆發了商品的替代品，原有的優點品類衰退;

　　天氣緣由：當地下了一場大雨，致使送貨速度下降，顧客不滿意;

　　廣告投放合做方臨時變化(可能)

　　這些緣由，哪些能夠量化呢?哪些發生的概率比較大，而如今並無這樣的數據可用查看?這些緣由，在產品設計中，就能夠作成數據下鑽的報表，以方便了解詳情;

　　

 

　　如上圖所示，拿紅圈圈起來的，就是緣由分析這一步在頁面上的展現。當你看到一款商品數據有問題時，既能夠進入商品溫度計，查看商品的每一個環節(標題、商品頁面設計等)到哪哪裏有問題，還可用進入單品分析，查看流量來源等。