數據產品經理的入門手冊:數據產品的工作本質是什么?

36 評論 30028 瀏覽 283 收藏 11 分鐘

本文筆者將對數據產品是什么?以及數據產品的工作本質是什么?進行分析,為數據產品經理小白答疑解惑。

對于很多公司來說,數據產品經理一職,主要的工作便是進行數據支持。

什么是數據支持?

老板說:“我明天要開戰略會,你把留存率的數據幫我跑一份?!?/p>

業務方說:“我們的交易額下降了,我想從城市、性別、年齡的維度看看,到底是什么原因導致交易額下降的,辛苦是否可以快速支持一下?”

業務產品說:“最近我們上線了一個feed流的新策略,我們想看一下新策略和已有策略的ab效果,可以幫我提取一下數據嗎?”

數據產品似乎每天都在面對諸如此類的需求,每天陷于接需求、對需求、出數據的怪圈循環。

可能一年下來,驀然回首,發現:燈火闌珊處沒有升職加薪,沒有學習成長。

反而,老板還會質問你:“數據產品的價值是什么?你這一年為團隊貢獻了什么?”

我想,這就是大多數數據產品在職場中面臨的困境。而對于自己,也在數據產品的職位上摸爬滾打了大概5年多,從創業公司到美團,從美團到騰訊;眼見他起高樓,眼見他樓塌了。

自己也在不斷問自己:到底數據產品是干嘛的?數據產品需要解決的本質問題到底是什么?數據產品的價值到底在哪里?

要回答數據產品是做什么的?首先,需要回歸一個本質的問題:產品是做什么的?

——產品是基于業務,通過產品化的方法解決業務場景的問題。

那么,對于數據產品來說,我認為核心是:

那么,數據產品解決的問題是什么?

結合不同的場景,我認為有如下四種:

數據產品的工作本質就是圍繞這四個問題進行展開的。

查詢指標

圍繞指標查詢場景,數據產品需要解決的第一個問題是:如何定義一個指標?

定義指標一般有如下兩個難題:

1. 指標歧義

對應我們的工作實際場景中,經常同一個指標有不同的統計口徑。

比如:指標訪購率,產品部門的定義是訪購率=訂單支付成功頁面的uv/首頁uv;而運營部門的定義是訪購率=訂單量/DAU。

這里由于統計口徑的不一致,會導致對應訪購率這同一個指標,會有兩套完全不一樣的數據,從而造成數據歧義。

2. 指標說明不清

我們有了指標定義,但是業務方或者技術方看不懂我們的指標定義到底說的是什么,比如續費學員數,定義是:續費的學員總和。

那么問題來了,請問這里的續費到底是如何計算?學員是否需要按學員ID去重?統計周期用學員創建時間還是訂單支付時間?

你看,一個指標,如果定義的不嚴謹,就形同虛設,起不到對應業務方和技術方的指標解釋作用。

所以,有關定義指標,我們必須找到一種規范,可以清晰明了的規范一個指標到底是什么。

經過這些年的摸索,總結了一套定義指標的方法;具體如下:

有了定義標準,我們就可以對業務中所有的指標進行定義,形成我們的指標字典。如果沒有線上化的指標管理工具,我們可以把指標維護在在線文檔中,并總結如下:

看,是不是這樣,關于一個業務的指標,就清晰了非常多?

之后,我們可以把我們的指標字典進行線上化;方便所有人快捷的查找每一個指標的定義。

這樣的另一個好處是:收斂所有指標的出口,一方面防止業務隨意定義指標,另一方面規范所有下游BI平臺的指標定義。

具體如下:

統計數據

在展開統計數據之前;我在想一個問題,統計的本質是什么?

統計,是對業務形成數量上的認知。

比如:500,這個數字沒有任何意義。但是,訂單數=500,這變形成了業務上對經營情況的一個數量認知,從而500這個數據賦有了業務意義。

那對于不同的業務場景,統計數據意義和目的也不盡相同。

我大概總結統計數據大致有如下三個方向:

我們在規劃數據產品的時候,一定要結合場景進行,切勿盲目。

比如:以數據看板為例,我們可以根據不同的服務對象,不同的使用場景,拆分為三個不同的數據看板。

具體如下:

一定要想清楚不同數據看板的定位和特性,才能便于我們接到每一個數據需求時,把每一個需求連城一條線,進行整合規劃。

效果評估

數據產品需要解決的第三個問題是效果評估,比如:我們上線了一個策略需要進行效果評估。

對于需求方來說,他的本質訴求不是要A方案或者B方案的曝光pv、頁面停留時長等等的數據。他的本質訴求是你告訴他一個結論,到底是A方案的效果好還是B方案的效果好,并且這個結論是有專業的統計學背景支撐的。

但是,這里會有一個很大的問題是:

我們來看一下以下的這個例子:

實驗組方案A和對照組方案B,分別各切20%的流量,呈現數據如上圖。

對于CTR指標,B優于A;對于頁面停留時長指標,B劣于A;

請問這種情況下,你如何評估到底是A方案好還是B方案好?

這時候,你會發現:數據產品不僅僅是要把數據提供出來,而是說要給與業務專業的評估方法。幫助業務解決效果評估,這個本質的問題。

我們可以借助統計學的方法評估如下:

最終,得出結論選取A方案。

在深入一步思考,我們是否可以把T檢驗封裝成一個小工具,放在數據平臺中,供各個需求方自主使用?

精準投放

數據產品需要解決的第四個問題是精準投放。

比如:我們該面向哪些用戶群體投放一個什么樣的活動?

通常的解決方案是用戶畫像。

一般來說,圍繞用戶畫像,作為數據產品可以提供如下三種服務:

  1. 畫像接入服務:畫像標簽作為底層支撐,以接口形式供各個業務系統調用。
  2. 畫像分群服務:基于標簽篩選用戶集合,進行活動投放。
  3. 用戶分析服務:對應不同人群,進行標簽分析。

有關用戶畫像,后續會專門找一期和大家進行詳細介紹,這里不多做展開。

這里,用兩個形象的應用場景,來說明用戶畫像是如何應用于業務的,具體如下:

總結

我們回顧一下今天所介紹的內容,圍繞數據產品的本質是什么進行展開,主要介紹了數據產品需要解決的業務場景問題。

所有的數據產品不是憑空產生的,一定是結合業務場景的。所以,我們一定要想清楚數據產品到底需要解決什么樣的問題,這才是我們數據產品發揮價值的關鍵。

愿本篇文章對各位小伙伴們有所幫助。小伙伴們有不懂的地方,或者想了解的部分,均可以留言,我會一一解答。

 

本文由 @ 羅大大 原創發布于人人都是產品經理。未經許可,禁止轉載

題圖來自Unspalsh, 基于CC0協議。

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 一款toBtoC的產品,之前在運營組,因數據方面的工作表現好,目前崗位編制調到產品組內,從事數據分析的工作(偏數據分析師方向),部門沒有專門的數據產品經理的崗位,也沒有系統的數據產品規劃解決業務場景數據問題,基本是產品運營除在核心指標上達成一致外,其他的數據需求各自為戰,數據需求分別提給大數據組,大數據組淪為數倉管理員和提數工具,領導又希望讓我也能解決產品的數據問題(偏數據產品經理方向),數據產品經理和數據分析師,在我的理解里工作內容及所需具備的技術棧有較大的不同,從職業發展上來說也是不同的方向,我自己雖然也不斷的學習關于數據產品經理和數據分析師方面的經驗、方法也去做一些實踐,但是做工作的時候容易在兩個方向上相互膠著撕扯著,不知道我到底是應該專注在一個方向上,還是基于現在業務情況兩者兼顧,如果兩者兼顧的話,如何可以更有效的兼顧呢?想請大大指點一二,感恩

    來自安徽 回復
    1. 我認為可以跳出職業劃分的思維來看這個問題。無論數據產品還是數據分析師,本質都是發現或解決某一個業務問題。
      一些淺見:數據產品的核心是把已知的問題看的更清楚(業務還原),數據分析師的核心是把未知的問題搞明白(業務洞察);前者的核心是提供效率和決策規?;膬r值,后者的核心是提供新的業務知識。當然二者是合作的關系。
      你可以按問題分類的邏輯再去思考你所遇到的每一個需求~
      如果是一個分析,我建議你把每一次的分析都當做自己未來求職路上的作品來看待;
      如果是一款產品;我建議你可以認真思考下產品做出來后,用戶以什么樣的動機在什么樣的場景里以什么樣的頻率去使用,這個本質上是你產品的核心收益

      來自北京 回復
    2. 跳出職業劃分的思維看待問題&按照問題分類邏輯思考需求,不因職業邊界的糾結浪費精力&基于當前的位置從每一個工作中鍛煉成長,謝謝羅大大~~

      來自安徽 回復
  2. 很想知道BI產品已經完善的公司,數據產品經理做什么

    來自浙江 回復
  3. 關于數據PM是什么,我這么理解:數據PM是用數據方案解決業務場景核心問題的產品經理。

    來自浙江 回復
  4. 棒,也說下自己對數據產品的理解
    數據產品是抽象出系統化的定性定量的思考框架,將之流程化、規范化、產品化。
    其所要解決的問題是,讓每個人都能定性定量的思考、分析、解決問題,及讓產品本身也擁有這種屬性。

    來自廣東 回復
  5. 大家期待已久的《數據產品經理實戰訓練營》終于在起點學院(人人都是產品經理旗下教育機構)上線啦!經過迭代優化,現在已經第7期開啟報名啦
    本課程非常適合新手數據產品經理,或者想要轉崗的產品經理、數據分析師、研發、產品運營等人群。
    課程會從基礎概念,到核心技能,再通過典型數據分析平臺的實戰,幫助大家構建完整的知識體系,掌握數據產品經理的基本功。
    學完后你會掌握怎么建指標體系、指標字典,如何設計數據埋點、保證數據質量,規劃大數據分析平臺等實際工作技能~
    現在就添加空空老師(微信id:anne012520),咨詢課程詳情并領取福利優惠吧!

    來自廣東 回復
  6. 您好,統計數據里面 20%長尾數據場景 是指什么?長尾怎么理解?

    來自北京 回復
    1. 需要判斷這個數據場景應用的普遍性;可以從使用的高頻和數據的核心程度判斷。
      比如:策略產品臨時要看某個AB策略的相關數據,目的是一次性分析評估策略的效果;考慮到這個場景的使用上是低頻;且數據內容是策略的特有的;則可以認為這是一個長尾數據場景。當然,這個需要結合業務情況而定

      來自北京 回復
  7. 微信公眾號是啥?

    來自廣東 回復
    1. 暫時有更新都會在這里發布,最近會有一篇新的文章發表,歡迎關注~

      來自北京 回復
  8. 您好,想轉載您的文章,請授權~會附帶來源作者原文鏈接!只作為分享

    來自黑龍江 回復
    1. 好的,可以,請帶上原文鏈接及作者姓名;
      分享后請把分享鏈接在這個回復下同步~

      來自北京 回復
    2. 感謝您的授權!

      來自黑龍江 回復
    3. 評論區鏈接回復不了,您可以搜索我們cntongji

      來自黑龍江 回復
    4. 1442350892有問題可以隨時與我溝通

      來自黑龍江 回復
  9. 大家期待已久的《數據產品經理實戰訓練營》終于在起點學院(人人都是產品經理旗下教育機構)上線啦!

    本課程非常適合新手數據產品經理,或者想要轉崗的產品經理、數據分析師、研發、產品運營等人群。

    課程會從基礎概念,到核心技能,再通過典型數據分析平臺的實戰,幫助大家構建完整的知識體系,掌握數據產品經理的基本功。

    學完后你會掌握怎么建指標體系、指標字典,如何設計數據埋點、保證數據質量,規劃大數據分析平臺等實際工作技能~

    現在就添加空空老師(微信id:anne012520),咨詢課程詳情并領取福利優惠吧!

    來自廣東 回復
  10. 大大,指標定義那部分的截圖可以再分享一下,最近在做數據分析這塊的需求,想了解更多一些~

    來自福建 回復
  11. 感謝大佬!干貨滿滿,非常有收獲~

    來自上海 回復
  12. 感謝分享,很有收獲,同問指標管理線上化的實現工具?

    來自廣東 回復
    1. tx有在線文檔

      來自上海 回復
  13. 大佬,請問那個線上化的指標管理工具叫啥?找了半天沒找到

    來自廣東 回復
  14. 專業 ?

    來自廣東 回復
  15. 作者現在是不是在好未來旗下的 大海1對1呀 ??

    來自上海 回復
  16. 作者寫的數據產品工作本質更多傾向于 分析類產品的工作本質,更具體來說應該是 營銷類分析數據產品的工作范疇。
    而“數據產品“本身的范疇特別廣,我的理解,所有數據服務的價值展現都屬于數據產品,它包括但不限于平臺工具類,分析策略類,算法模型類等,每類數據產品工作內容也有很大差別,但本質上 數據產品可以看成是 “數據服務的價值展現”,也很贊同作者的那句話“數據產品是解決業務核心場景數據問題的產品”

    鄙人拙見,歡迎指正。

    來自上海 回復
    1. 作者水平不錯,但是正如你所說 作者提到的數據產品應該更精確地描述為“營銷類分析數據產品”。以我所處的行業來說,我們的產品主要是提供給商業銀行使用,主要面對的大場景為:內部管理、監管要求(銀保監會),我們的大部分產品會涉及算法模型,很多指標都是產品經過算法模型計算后輸出的。這類產品沒有精準投放的使用場景,一般也不會關注單獨一些指標的查詢,但統計數據、評估效果確實是比較重的應用場景。

      來自浙江 回復
  17. 那要入行數據產品的話,最好是要有統計學的知識背景了

    來自廣東 回復
  18. 大佬威武,已關注!

    來自北京 回復
  19. 真心希望大佬放出公眾號之類的,很想跟蹤學習

    來自廣東 回復
  20. 大佬覺得數據產品更多的是解決效率問題,還是實現數據變現的問題?
    數據產品的發展方向呢? 解決效率?還是讓數據產生價值?

    來自廣東 回復
    1. 其實,我理解商業最本質的是賺錢,賺錢無非兩種途徑:1)擴大收益 2)降低成本。
      對應數據產品來說:
      1)基于數據賦能實現價值變現,比如DMP等等,是擴大收益的一種途徑;
      2) 搭建內部bi平臺,提升內部人員的分析效率,助力科學決策,本質上是省人的時間成本,省公司的薪資成本,是降低成本的一種途徑。
      所以,我理解數據產品一定要解決的是兩點:
      1)圍繞內部助力科學決策
      2)圍繞外部實現價值變現

      來自北京 回復
    2. 謝謝大佬指點 ?? 大佬有沒有公眾號之類的文章總結?多學習一下

      來自廣東 回復
    3. 哈哈,客氣啦,暫時沒有,后續在人人上更新會比較頻繁,歡迎關注~

      來自北京 回復
  21. 支持支持,寫的不錯,就是案例不鮮明

    來自北京 回復
  22. 辛苦,很有用!

    來自北京 回復
    1. 多謝支持~

      來自北京 回復