數據型產品經理的前世此生

 

互聯網是個製造流行概念的行業，「數據產品」也不幸免。其實，數據產品的「實」早就存在，只是「名」是後面幾年慢慢流行起來的。

我看到過不少討論數據產品的文章，但你們基本沒有統一的認識，對概念的理解也不太認同，因此這裏想簡單寫寫本身的觀點，主要內容也是不會在其它網文看到的一家之談。

一、什麼是數據產品

要談清楚數據產品，首先不可迴避的「俗套問題」即是數據產品的定義認知。個人理解是：廣義來看，數據產品是能夠發揮數據價值去輔助用戶更優的作決策(甚至行動)的一種產品形式。它在用戶的決策和行動過程當中，能夠充當信息的分析展現者和價值的使能者。從這個角度講，搜索引擎、個性化推薦引擎顯然也是數據產品，因爲產品形態已經比較成熟，因此不多被人劃分到數據產品的概念裏，另外，這類產品每每大都在數據外面穿了一層外衣，使非專業的用戶並不能直觀的感覺到數據的存在。

除此以外的，即是狹義範疇的數據產品，好比你們熟知的淘寶數據魔方、百度指數、電商的CRM平臺、各類公司內部的數據決策支持系統等都是數據產品，我後面會有個結構化的分類介紹。

二、爲何會有數據產品

人們平常的商業活動都是「決策」和「行動」的螺旋上升過程及交織在一塊兒的子過程(圖1)，主過程裏的決策表示心裏拿定一個主意要怎麼作，要達到什麼樣的目標，行動是具體的執行過程，好比用戶要解決出行不方便的問題，他的主決策多是「買一輛適合本身的轎車代步」，而在具體行動過程當中，立刻又會面臨「買什麼車」、「在什麼渠道買」等子決策問題。

全部的決策以及行動中的子決策過程都是基於「某種參考」的，最簡單的參考能夠是本身的直覺，好一點會依賴「過來人」的主觀經驗，但拍腦殼決策愈來愈難，所謂專家也屢屢被打假;而最優的決策須要依靠「證據」，定量的證據即時數據，隨着數學、統計學、計算機科學的普及，數據在決策優化過程當中的價值愈來愈大，在大數據時代尤爲如此。

決策過程當中，數據的價值能夠經過什麼來體現?不外乎三種：a.數據自己、b.數據服務、c.數據產品。舉個例子來講，若是某用戶想知道明天的天氣是否適合出行，他能夠直接看明天的氣溫數據，這個就是數據自己在發揮價值;他也能夠諮詢相關的數據分析師或諮詢顧問，由他們提供人工的數據服務或解決方案來斷定明天的天氣;第三種方式即是使用數據產品，它把數據、數據模型以及分析決策邏輯儘量多的固化到一個軟件系統中，以更自動化、更準確、更智能的方式來發揮數據的決策價值。

三、數據產品的分類

在狹義的範疇裏，從使用用戶來看，能夠是企業內部用戶，外部企業客戶，外部我的客戶等。從產品發展形態來看，從最初的報表型(如靜態報表、DashBoard、即席查詢)，到多維分析型(OLAP等工具型數據產品)，到定製服務型數據產品，再到智能型數據產品、使能型數據產品等。(如題圖所示)。

因爲報表型數據產品過於蒼白、可視化能力有限，而多維分析型數據產品更適合於專業的數據分析師而不是業務或運營人員，使用侷限性也愈來愈大，所爲將來的趨勢多是定製服務式和智能式的數據產品。

所謂定製服務型數據產品，是基於用戶的深層次需求，構建最適合當前業務痛點的數據模型、產品設計、可視化方案等。在這裏數據產品充當的更像是服務提供者，而不是一個通用的工具。

智能型數據產品則會更多的將大數據的智能性融入產品，並與決策邏輯結合起來，發揮做用。好比，你能夠有一套傳統的會員營銷系統，容許你按本身的規則篩選目標用戶;而也能夠在更智能的數據產品中這樣來實現：輸入你的營銷目標及參數，好比要開展雙十一母嬰市場的促銷活動，系統能夠基於以往海量數據計算出應該選擇什麼品類的商品，在什麼用戶羣中，以什麼形式開展活動效果會更佳。

現有的大多數數據只是告訴你如今或將來的狀況是怎樣的，問題痛點出如今哪裏，但卻不能給出更完善的建議，甚至支持一個建議的執行。使能型數據產品要作的就是這樣的工做，它不只能夠告訴你，哪些用戶流失的傾向性大，還能夠直接引導用戶展開後續補救的執行流程，哪些細分羣體須要經過促銷活動刺激，哪些須要服務關乎，哪些須要爲他提供專享的VIP業務，哪些須要更好的互動等等。

4.數據產品需求把握的特殊性

一個真正好的數據產品要首先把握一個核心——找到用戶的真正核心需求、痛點。這句話對於非數據產品的產品經理來講簡直就是天經地義的廢話。但對於一個數據產品經理而言，得來卻不那麼容易，有其特殊性。

第一個特殊性，是需求層次特殊性，數據產品的用戶中每每會有不少內部用戶，他們對數據、數據分享、數據處理的理解和熟練程度各有不一樣，所以會提出各類不一樣層次的需求，概況起來大體包括：1).業務/管理需求;2).分析需求;3).數據需求。舉例來講，某電商要改善全體用戶的訂單轉化效率，這個即是第一類需求;爲了完成此目標，會有不少工做要作，也會有不少分析需求隨之產生，好比分析商品詳情頁的跳出趨勢，即是第二列需求;而具體某某數據項的統計則屬於數據需求。最可怕的即是，需求方遇到了問題(第一類需求)，指定了錯誤的分析策略(第二類需求)，有提出了明確的數據需求(第三類需求)。而對於數據產品經理，從數據需求，引導出分析需求，進而介入反應具體痛點問題的業務/管理需求，是一門必修課。

第二個特殊性，是內部數據產品需求方的特殊性，企業內部的數據產品的用戶，既是是用戶，也是本身的同事、朋友、領導、下屬，他們自己就對產品經理的決策權有必定的干預能力，須要產品經理去平衡「理想與現實」，你懂的。這種狀況對於非最高決策者直屬的數據團隊而言，尤其嚴重。

5.數據產品的三個關鍵要素

我認爲，要成就一個數據產品，須要關注三個關鍵要素：1).數據、2).決策邏輯、3).行動流程。

數據的價值，毋庸置疑。它就像總體產品內部流淌的血液。具有什麼樣的數據類型、數據週期、數據粒度，每每會決定你的數據產品能夠提供什麼服務。

決策邏輯是不少平庸的數據產品所欠缺的，它們只是簡單的、響應式的展現了需求方的報表。好的數據產品，應該能夠幫助用戶思考，尤爲是將平時用戶遇到業務痛點是的決策邏輯，部分或所有融合到數據產品後，能夠可視化的、動態的、便捷的顯性化決策的過程，提升用戶的決策效率。

僅僅停留在發現問題、分析問題是不夠的，咱們還須要對問題的解決能力，這就涉及到第三個關鍵要素——行動流程。舉個例子，當數據產品分析某個細分用戶羣時，發現最近一個月其活躍度明顯下滑，那是否能夠自動觸發一個營銷流程，基於用戶的特徵，開展個性化的「行動流程」，並在流程中的各個環節發揮數據的價值。

6.數據產品與大數據的關係

很是不想寫這樣的踩着三俗概念的解釋性文字，由於大數據是一個被全部人提起，但幾乎全部人又不明白的概念。我在這裏寫什麼概念解釋都是錯的，徒增搜索引擎的「負荷」。

因此，仍是回溯到核心價值角度來看：前面提到數據產品最大的價值在於輔助使用者優化決策，以及輔助決策價值的實現。若是把數據產品比做一臺機器的話，那數據就像這臺機器運轉的原材料。「原材料」+「處理過程」+「結果展現與應用」≈數據產品。

而大數據固然也屬於數據的範疇，它比如是一種更高效的原材料，能夠提供更高效的價值(更多角度的、更深度的、更實時的信息與知識，尤爲是預測性的知識)，「高效的原材料」+「高級的處理過程」+「高級的展現與應用」結果也是數據產品，固然你也能夠土土稱之爲「大數據產品」。

再舉個不專業的例子來理解：你們熟悉的「天氣預報」就是一個典型的數據產品，它的原材料可能有很長時間段的溫度、溼度、風力、日光強度、紫外線強度、PM2.5值、位置信息、衛星上的採集的各類數據、其它地面設備的各類專業的氣象相關數據(示例而已，專業人士請自行補充);對這些數據的篩選、清洗、分析、挖掘等一系列「處理過程」能夠獲得將來幾日在幾個核心氣象特徵的數據值與機率(溫度、風力、陰晴雨雪等);而咱們看到的天氣預報這款數據產品，則是將上述核心信息綜合到一塊兒，賦予視頻+GIS的展現形式，以及複製大衆在「行動」方面的建議(出行建議、穿衣指數、洗車指數等)而成的。

而這種大數據結合數據產品發揮更大價值的例子身邊還有不少。試想，你若是可以準確預知明天某隻股票的漲跌趨勢，比費盡心思基於部分歷史信息總結出來的規律要有價值的多;你若是能夠知道下個月哪些用戶會忽然對母嬰類商品大宗採購，也會節省不少「千人一面」的傳統廣告費用。

而一個數據產品的產生過程，最合理的偏偏就是從價值驅動的角度出發的。而不是單純的從數據出發或者從技術出發。

最後：數據產品的6個方面寫下來，有概念，也有白話的示例，初衷是想從基本的生活常識和基本的邏輯角度出發去看待所謂的「新生事物」，而不是動輒各類專業術語，寫者高高在上，聽衆雲裏霧裏的感受。