起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識數據產品！一文看懂！全網最細！
編輯導語：作為產品經理行業中的一個分支，你了解數據產品的內涵及崗位定義嗎？其實，數據產品的本質是結構化思維，數據產品經理需要利用結構化思維進行數據洞察，挖掘潛藏于數據背后的價值。本篇文章里，作者對數據產品究竟為何做出了自己的見解，一起來看一下。
本文適合 2 年以上產品經理閱讀食用。本篇文章是本人 6 個月來思考和實踐，希望對于你有用。
當互聯網時代，邁入大數據時代，數據產品作為新型的產品形態出現你我面前。
今天的文章，我想跟產品經理的你，科普“數據產品”。
一、數據產品，是什么？
對于很多產品經理來說，數據產品是一個很陌生的概念。
數據產品包含兩個關鍵詞：產品和數據，那，什么是產品？
產品，是企業跟用戶進行價值交換的媒介。
用戶永遠只關注得到什么，需要付出什么，企業關注解決用戶問題，從用戶獲取相等或超出的價值。
怎么進行他們價值互換？通過產品。
數據產品屬于一種產品類型，它是通過結構化數據，跟用戶進行價值交換的產品。
數據產品和其他類型產品的核心區別，它是通過數據來解決問題。
數據也能解決問題，很反直覺，我們舉個例子：數據看板。
產品經理日常工作除了按版本交付產品功能之外，還要考慮如何將產品背后的關鍵數據進行提升。
產品經理如何發現產品關鍵數據出現問題呢？
通過數據看板來解決這個問題。
數據看板通過將產品數據指標，加上時間、頁面等不同維度，實時動態展示產品數據，協助產品經理衡量新版本上線后數據優劣。
除了數據看板，我們常聽到大數據分析、數據中臺都屬于數據產品。
對一件事件，知其然遠遠不夠，還要知道數據產品的本質。
數據產品的本質是，結構化數據思維，也叫度量。
二、數據產品的本質
什么是結構化數據思維？
要理解什么是結構化數據思維，我們先了解什么是結構化數據。
結構化數據，指通過二維表結構，邏輯描述個體信息的數據。
我們都用過Excel描述過信息，例如我們登記員工信息，我們會在表格羅列，姓名，性別，年齡等，并在字段下方填寫員工的信息。
這樣的結構就是二維表結構，一行數據，就是一個個體信息數據。
結構化數據的好處在于清晰描述個體信息，且方便從數據上發現問題和解決方案。
假如要了解公司男女比例，通過結構化數據，篩選求和，很簡單得出答案。而不是需要一個一個清點公司男女生人數。
結構化數據思維，是指系統思考個體結構，用數據解讀個體特征的思維。
什么意思？
當遇到問題時，很多人都會陷入解題思維，即遇到問題，直接思考解決方案的思維。就是芒格說的，拿著錘子的人，看啥都像釘子。
解題思維最大的問題在于，我們容易被自己自己現有的工具迷惑，而忽視問題本身的需求，忘了更好地解決問題才是目的，甚至為了使用工具而去制造問題。
如果我們用結構化數據思維，該如何解決問題呢？
結構化數據思維，第一思考，是誰的結構化？即需要找對問題，或需求的主體。
如果我們找錯主體，后續結構化數據做得再成功，無法解決問題。
第二思考，主體結構是怎么樣？即包含幾個核心特征和非核心特征。
個體結構由核心特征和非核心特征組成。核心特征，是能確定一類用戶的關鍵屬性。
比如性別和身體殘疾度是區分公共廁所的用戶核心特征，所以公共廁所有男女廁所，殘疾人廁所。
如果按年齡設計，就會造成公共廁所使用的混亂和各種問題。
第三思考，個體特征形成二維表結構，填充數據。
當問題或者需求被我們結構化，數據化后，問題的本質繼而被清晰化、簡單化，解決方案就成一件簡單的事情。
三、數據產品的價值
對于非數據產品經理，數據產品的價值在哪里？它能帶來什么？有什么用？
數據產品，有三個關鍵價值：
1. 挖掘問題背后的本質
挖掘問題背后的本質，這一點在數據產品的本質有很好展示，數據產品對于問題的描述，一定是以數據進行輸出結果。
使用數據產品解決問題過程中，我們會不斷被要求對問題的個體進行結構化，數據化，挖掘其真正的本質。
俞軍大佬曾拋出一個問題：“如何讓用戶更多地使用拼車功能？”
如果你是滴滴產品經理，你該如何解決你老板的問題？
直接上線拼車促銷活動？還是直接將拼車放在滴滴流量最大的入口，增大曝光？
但問題是，我們怎么判斷自己的方案是正確的？
解題思維帶給我們壞處，往往是解決方案沒有從本質上解決用戶需求，忽略問題背后的陷阱和風險，當冒出問題時，只能通過打補丁解決，導致產品功能復雜程度增加和糟糕的產品體驗。
如果我們用數據產品，該如何解決這個問題呢？
整體分三步走：找個體 ?? 抓特征 ?? 填數據。
第一，要找到問題中的個體。
如何讓用戶更多地使用拼車功能？那么：這個問題中用戶是誰？
要知道用戶是誰，我們可以從需求側推導用戶，打車核心需求是更快、更舒服抵達目的地。
與打車相反的是，公共交通。因為價格便宜，但時間長，下上車區域固定。
到這里，目標用戶浮出水面，拼車用戶是依舊使用公共交通，但不想使用公共交通，又想低成本出行的用戶。
第二，抓取個體的特征。
拼車用戶有 2 個核心特征：價格和時間。對價格不同敏感程度和時間不同敏感程度，會形成多種用戶類型。
通過核心特征抓住核心用戶，用非核心特征豐富核心用戶，比如性別、年齡、打車地點等，形成一個結構化數據表格。
第三，補充個體數據。
個體數據可以從存量用戶中提取，如果沒有或存量用戶數量太少，可以對核心類型用戶做用戶調研獲取數據。
核心用戶可能會分出很多類型，所以需要統計各個用戶量的占比，以此篩選出我們P0-P1級別的用戶，作為種子用戶。
問題可以通過到數據描述時，這個問題本質變成：“通過什么方案可以使敏感價格xxxxx類型的用戶嘗試使用或者持續使用拼車功能？”
挖掘到問題本質，問題隨之變簡單了，解決方案同樣變簡單，對解決方案正確性，就有了判斷，才有把握能解決俞軍大佬的問題。
2. 不確定性的問題定量成確定性的問題
數據產品的價值，不單單在于它在追求問題本質，而且它能將不確定性的問題定量成確定性的問題。
在俞軍大佬的問題里，“如何讓用戶更多地使用拼車功能”，這是一個典型的不確定性的問題。
這樣的不確定性問題，在我們日常工作，企業決策都會遇到。例如：如何快速增長？如何完成KPI？等等。
基于不確定性問題思考的解決方案，能否解決問題，也是不確定性的。
解決方案結果的不確定性，大概率沒法有效解決問題，持續浪費公司資源，解決新的問題，這對產品經理后續發展是不利的。
如果我們解決方案復雜，大部分情況下，是我們沒有找到真正的需求或問題。
通過數據產品，我們可以確定真正的問題時，將不確定性的問題定量成確定性問題。
例如：如何讓用戶更多地使用拼車功能？通過數據產品思維，我們可以定量成：
- 通過什么方案可以使白領A類型的用戶嘗試使用拼車功能？
- 通過什么方案可以使大學生B類型的用戶持續使用拼車功能？
- ·······
當不確定性問題可以定量成確定性問題時，意味問題簡單化、結構化、數據化，從而解決方案也變得簡單、可控。
3. 產品經理未來的核心競爭力
看到問題或者需求，每個產品經理都會輸出解決方案。
核心的區別，是能不能解決問題或需求，以及解決方案的效率高低。
所以，能否快速找對問題，然后發現問題本質，成了解決方案關鍵因素。
擁有數據產品思維，就是我們和其他產品經理的差異化。在解決問題上，與解題思維的產品經理相比，我們擁有優勢。
我們不斷使用數據產品思維去解決遇到問題，積累的經驗和效率會成為我們天然的護城河，別人很難復制。
通過差異化+優勢+護城河，數據產品成為了我們核心競爭力。是我們自身能力一項資產。
這項資產可以在未來，幫助我們在職業發展中獲取優勢，且不容易被時代淘汰。
四、數據產品的核心三要素
數據產品由核心三要素組成，即：指標、維度、口徑。
1. 指標
數據產品的第一個核心要素，叫指標。指標是構建數據產品的線。
指標，是指個體可量化衡量的客觀標準。
個體的標準分為兩類，主觀標準和客觀標準，主觀標無法充當指標，因為主觀標準在每個人的量化值不一樣。
比如顏值，一個人顏值在1000個人可能就有1000中數值，無法形成一致認知。
客觀標準，客觀存在，不以主觀意志而改變，可定性定量的標準。比如身高，一個人身高180cm，不管多少人，都能形成一致認知。
客觀標準，又分為定性客觀標準，和定量客觀標準。
定性客觀標準，指通過非量化可定義的客觀標準，比如性別、學校等。定量客觀標準，指可量化的客觀標準，比如身高、體重等。
指標，是指定量客觀標準，定性客觀標準，我們常用作維度使用。
為什么？
因為數據產品的核心是結構化數據，能夠進行數據加工，結合模型，輸出結果。
定性客觀標準，并不能進行數據加工計算，所以指標必須是定量客觀標準。
比如：性別無法做指標，男女兩個值無法運算，但是男性人數，女性人數是輸出可運算的數值，所以男性人數/女生人數是指標。
掌握指標概念，是我們通過數據，描述個體或問題的關鍵之一，而另一關鍵，是找對指標。
數據產品其中一個重要作用，是提供決策分析判斷，找錯指標，找少指標，或過多指標，都會給數據產品帶來決策判斷錯誤的風險。
- 找錯指標，我們對問題認知從開始就是錯誤的，后續的判斷也是錯誤，解決方案自然無法解決問題，浪費公司資源。
- 找少指標，會使我們視野變得狹隘，沒有辦法全面看清問題，對問題認知是片面，解決方案也只能解決部分問題，后續引發的問題，需要通過不斷打補丁，來解決引發問題。
- 過多指標，雖然讓我們全面看待問題，但將問題邊界擴大化，問題邊界擴大化會帶來2個問題：迷惑我們看清解決問題核心關鍵點，以及對擴大化問題，解決資源的投入產出比不佳。
找對指標，只需要2步：
第一，找到問題的核心個體，盡可能羅列個體相關的指標，直至想不到為止。
這個過程，我們盡可能獲取指標，以解決「找少指標」帶來的問題，同時將指標的選擇范圍擴大，讓我們擁有更多選項提供選擇，更好的視野來審視問題。
第二，按特定邏輯梳理指標，砍掉多余指標。
第一步羅列所有指標并不都可以用，而太多指標會迷惑我們看清問題，所以我們要砍掉多余的指標。
特定邏輯，指具體的業務場景，或者系統流程、業務流程等，與邏輯不符合的指標，直接砍掉，保留相關指標。
通過這一步，避免了「找錯指標」和「過多指標」帶來的問題，給我們找對指標提供依據。
當我們找對了指標，我們需要給它加上另一個核心元素：維度。
2. 維度
數據產品的第二個核心元素，是維度，維度是構建數據產品的面。
維度，指度量個體的可定義描述性信息的屬性，而可定義描述性信息，是指規范化術語信息，比如性別和男女，城市和廣州，上海等城市值。
維度和指標都是度量個體客觀標準，兩者區別在于指標用于運算，所以必須是可量化客觀標準，維度用于描述，是我們度量個體的角度，通常采用可定義客觀標準。
我們通過一個例子來加深理解，「 4 月 9 日上海新增本土確診病例 1006 例、無癥狀感染者 23937 例。」
在案例里，新增本土確診病例，無癥狀感染者是指標，因為它們都是用數值量化表示的標準，能夠作為后續運算。
城市，日期是維度，上海，4月9日都是規劃化術語信息，且屬于客觀標準，任何人對于維度值不會有歧義。
維度，對于數據產品有什么作用呢？
在數據里，字段是點，把字段串起來的指標是線，如果只有點線，我們在度量個體時，永遠只有一面，像盲人摸象，摸到什么就是什么。
維度可以將指標組建成面，而且不同的維度就是不同的面，多個維度組合，我們將會看到一個立體的個體，或者問題。
比如公司的銷售情況，如果我們只看指標，只是一個個數值，我們不能看出發展好壞，怎么辦？
加維度，加時間維度，我們可以看到不同季度，年份銷售情況，以及漲跌，加地區維度，我們可以看到不同地區銷售情況，以及對比。
當視角可以多維度度量個體時，產品經理的眼睛就能看到問題的本質，好的解決方案并不難輸出。
3. 口徑
數據產品的第三個核心元素，是口徑?？趶绞菢嫿〝祿a品的體。
口徑是統計學的用語，在數據產品上，是指取數邏輯，即依據什么維度，選擇什么指標，用數據描述度量個體。
口徑是將度量個體通過維度和指標組合，形成標準化數據輸出，讓上下游產品達成統一，是數據產品基礎形態。
舉個簡單例子：假設你要托七大姨，八大姑找對象，你應該怎么做？
你要輸出擇偶標準給七大姨八大姑，比如：
- 車=1輛；
- 房=1個；
- 婚育=未婚未育；
- 工資= 10000+；
- 身高=175cm；
- 區域 = 老家；
- ·····
車、房、工資、身高都是指標，婚育、區域是維度，通過指標和維度組成的擇偶標準是口徑。
當我們將清晰的擇偶標準輸出給七大姨，八大姑，她們可以快速尋找合適的對象。反之，類似下方案例：
作為口徑輸出，不清晰，七大姨八大姑無法知道擇偶標準，自然很難幫我們找到對象。
這是數據產品的解決問題的方式。這也是數據產品能輔助用戶進行決策的原因。
將復雜的問題，通過數據產品，簡化成是否符合標準，符合執行，不符合放棄，協助用戶快速決策。
五、最后的話
文章很長，我們總結一下：
1）數據產品是通過結構化數據，跟用戶進行價值交換的產品。
2）數據產品的本質是結構化數據思維，也叫度量。
3）結構化數據思維的價值，在于
- 挖掘問題的本質；
- 將把不確定性的問題定量成確定性的問題；
- 成為產品經理的未來核心競爭力。
4）數據產品核心組成要素是：指標、維度、口徑。
普通的產品思維拆解業務的邏輯關系，數據產品思維通過數據解構業務，再反向輸出標準，解決問題。
數據產品思維洞察問題的根本，在于它用結構化數據思維來思考真正的問題。
感謝你看到這里，希望本文對你，有億丟丟幫助。
作者：曉東同學，練習時長 3 年的產品練習生，希望和大家一起探索產品的價值，可用性，可行性；公眾號：在地球的產品筆記
本文由 @曉東同學 原創發布于人人都是產品經理，未經作者許可，禁止轉載。
題圖來自Unsplash，基于CC0協議
拼車用戶是依舊使用公共交通，但不想使用公共交通，又想低成本出行的用戶?！易x不懂
用戶出行的需求是更快達到目的地，這是其中一種本質需求。阻礙用戶使用更好方式實現的目的原因是價格。
選擇使用公共交通的原因有很多種，但是有一部分用戶是因為價格原因阻礙了他們的真實需求，所以拼車可以通過降低價格爭取到這部分用戶。
感謝分享
用產品經理的思考方式思考維度指標
我是從統計學的角度，思考維度指標，用產品經理理解方式進行闡述，而不是數據庫設計角度