中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

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。