【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。算法
1、數據產品工做簡介:sql
1. 數據產品經理的概念和範圍:數據庫
首先,思考兩個問題:併發
你心中的數據產品都包括哪些?框架
你認爲數據產品經理是作什麼的?學習
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:測試
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?大數據
我:%¥……#%¥@;優化
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。網站
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。