数据型产品经理的前世此生

 

互联网是个制造流行概念的行业，“数据产品”也不幸免。其实，数据产品的“实”早就存在，只是“名”是后面几年慢慢流行起来的。

我看到过不少讨论数据产品的文章，但你们基本没有统一的认识，对概念的理解也不太认同，因此这里想简单写写本身的观点，主要内容也是不会在其它网文看到的一家之谈。

一、什么是数据产品

要谈清楚数据产品，首先不可回避的“俗套问题”即是数据产品的定义认知。个人理解是：广义来看，数据产品是能够发挥数据价值去辅助用户更优的作决策(甚至行动)的一种产品形式。它在用户的决策和行动过程当中，能够充当信息的分析展现者和价值的使能者。从这个角度讲，搜索引擎、个性化推荐引擎显然也是数据产品，因为产品形态已经比较成熟，因此不多被人划分到数据产品的概念里，另外，这类产品每每大都在数据外面穿了一层外衣，使非专业的用户并不能直观的感觉到数据的存在。

除此以外的，即是狭义范畴的数据产品，好比你们熟知的淘宝数据魔方、百度指数、电商的CRM平台、各类公司内部的数据决策支持系统等都是数据产品，我后面会有个结构化的分类介绍。

二、为何会有数据产品

人们平常的商业活动都是“决策”和“行动”的螺旋上升过程及交织在一块儿的子过程(图1)，主过程里的决策表示心里拿定一个主意要怎么作，要达到什么样的目标，行动是具体的执行过程，好比用户要解决出行不方便的问题，他的主决策多是“买一辆适合本身的轿车代步”，而在具体行动过程当中，立刻又会面临“买什么车”、“在什么渠道买”等子决策问题。

全部的决策以及行动中的子决策过程都是基于“某种参考”的，最简单的参考能够是本身的直觉，好一点会依赖“过来人”的主观经验，但拍脑壳决策愈来愈难，所谓专家也屡屡被打假;而最优的决策须要依靠“证据”，定量的证据即时数据，随着数学、统计学、计算机科学的普及，数据在决策优化过程当中的价值愈来愈大，在大数据时代尤为如此。

决策过程当中，数据的价值能够经过什么来体现?不外乎三种：a.数据自己、b.数据服务、c.数据产品。举个例子来讲，若是某用户想知道明天的天气是否适合出行，他能够直接看明天的气温数据，这个就是数据自己在发挥价值;他也能够咨询相关的数据分析师或咨询顾问，由他们提供人工的数据服务或解决方案来断定明天的天气;第三种方式即是使用数据产品，它把数据、数据模型以及分析决策逻辑尽量多的固化到一个软件系统中，以更自动化、更准确、更智能的方式来发挥数据的决策价值。

三、数据产品的分类

在狭义的范畴里，从使用用户来看，能够是企业内部用户，外部企业客户，外部我的客户等。从产品发展形态来看，从最初的报表型(如静态报表、DashBoard、即席查询)，到多维分析型(OLAP等工具型数据产品)，到定制服务型数据产品，再到智能型数据产品、使能型数据产品等。(如题图所示)。

因为报表型数据产品过于苍白、可视化能力有限，而多维分析型数据产品更适合于专业的数据分析师而不是业务或运营人员，使用局限性也愈来愈大，所为将来的趋势多是定制服务式和智能式的数据产品。

所谓定制服务型数据产品，是基于用户的深层次需求，构建最适合当前业务痛点的数据模型、产品设计、可视化方案等。在这里数据产品充当的更像是服务提供者，而不是一个通用的工具。

智能型数据产品则会更多的将大数据的智能性融入产品，并与决策逻辑结合起来，发挥做用。好比，你能够有一套传统的会员营销系统，容许你按本身的规则筛选目标用户;而也能够在更智能的数据产品中这样来实现：输入你的营销目标及参数，好比要开展双十一母婴市场的促销活动，系统能够基于以往海量数据计算出应该选择什么品类的商品，在什么用户群中，以什么形式开展活动效果会更佳。

现有的大多数数据只是告诉你如今或将来的状况是怎样的，问题痛点出如今哪里，但却不能给出更完善的建议，甚至支持一个建议的执行。使能型数据产品要作的就是这样的工做，它不只能够告诉你，哪些用户流失的倾向性大，还能够直接引导用户展开后续补救的执行流程，哪些细分群体须要经过促销活动刺激，哪些须要服务关乎，哪些须要为他提供专享的VIP业务，哪些须要更好的互动等等。

4.数据产品需求把握的特殊性

一个真正好的数据产品要首先把握一个核心——找到用户的真正核心需求、痛点。这句话对于非数据产品的产品经理来讲简直就是天经地义的废话。但对于一个数据产品经理而言，得来却不那么容易，有其特殊性。

第一个特殊性，是需求层次特殊性，数据产品的用户中每每会有不少内部用户，他们对数据、数据分享、数据处理的理解和熟练程度各有不一样，所以会提出各类不一样层次的需求，概况起来大体包括：1).业务/管理需求;2).分析需求;3).数据需求。举例来讲，某电商要改善全体用户的订单转化效率，这个即是第一类需求;为了完成此目标，会有不少工做要作，也会有不少分析需求随之产生，好比分析商品详情页的跳出趋势，即是第二列需求;而具体某某数据项的统计则属于数据需求。最可怕的即是，需求方遇到了问题(第一类需求)，指定了错误的分析策略(第二类需求)，有提出了明确的数据需求(第三类需求)。而对于数据产品经理，从数据需求，引导出分析需求，进而介入反应具体痛点问题的业务/管理需求，是一门必修课。

第二个特殊性，是内部数据产品需求方的特殊性，企业内部的数据产品的用户，既是是用户，也是本身的同事、朋友、领导、下属，他们自己就对产品经理的决策权有必定的干预能力，须要产品经理去平衡“理想与现实”，你懂的。这种状况对于非最高决策者直属的数据团队而言，尤其严重。

5.数据产品的三个关键要素

我认为，要成就一个数据产品，须要关注三个关键要素：1).数据、2).决策逻辑、3).行动流程。

数据的价值，毋庸置疑。它就像总体产品内部流淌的血液。具有什么样的数据类型、数据周期、数据粒度，每每会决定你的数据产品能够提供什么服务。

决策逻辑是不少平庸的数据产品所欠缺的，它们只是简单的、响应式的展现了需求方的报表。好的数据产品，应该能够帮助用户思考，尤为是将平时用户遇到业务痛点是的决策逻辑，部分或所有融合到数据产品后，能够可视化的、动态的、便捷的显性化决策的过程，提升用户的决策效率。

仅仅停留在发现问题、分析问题是不够的，咱们还须要对问题的解决能力，这就涉及到第三个关键要素——行动流程。举个例子，当数据产品分析某个细分用户群时，发现最近一个月其活跃度明显下滑，那是否能够自动触发一个营销流程，基于用户的特征，开展个性化的“行动流程”，并在流程中的各个环节发挥数据的价值。

6.数据产品与大数据的关系

很是不想写这样的踩着三俗概念的解释性文字，由于大数据是一个被全部人提起，但几乎全部人又不明白的概念。我在这里写什么概念解释都是错的，徒增搜索引擎的“负荷”。

因此，仍是回溯到核心价值角度来看：前面提到数据产品最大的价值在于辅助使用者优化决策，以及辅助决策价值的实现。若是把数据产品比做一台机器的话，那数据就像这台机器运转的原材料。“原材料”+“处理过程”+“结果展现与应用”≈数据产品。

而大数据固然也属于数据的范畴，它比如是一种更高效的原材料，能够提供更高效的价值(更多角度的、更深度的、更实时的信息与知识，尤为是预测性的知识)，“高效的原材料”+“高级的处理过程”+“高级的展现与应用”结果也是数据产品，固然你也能够土土称之为“大数据产品”。

再举个不专业的例子来理解：你们熟悉的“天气预报”就是一个典型的数据产品，它的原材料可能有很长时间段的温度、湿度、风力、日光强度、紫外线强度、PM2.5值、位置信息、卫星上的采集的各类数据、其它地面设备的各类专业的气象相关数据(示例而已，专业人士请自行补充);对这些数据的筛选、清洗、分析、挖掘等一系列“处理过程”能够获得将来几日在几个核心气象特征的数据值与几率(温度、风力、阴晴雨雪等);而咱们看到的天气预报这款数据产品，则是将上述核心信息综合到一块儿，赋予视频+GIS的展现形式，以及复制大众在“行动”方面的建议(出行建议、穿衣指数、洗车指数等)而成的。

而这种大数据结合数据产品发挥更大价值的例子身边还有不少。试想，你若是可以准确预知明天某只股票的涨跌趋势，比费尽心思基于部分历史信息总结出来的规律要有价值的多;你若是能够知道下个月哪些用户会忽然对母婴类商品大宗采购，也会节省不少“千人一面”的传统广告费用。

而一个数据产品的产生过程，最合理的偏偏就是从价值驱动的角度出发的。而不是单纯的从数据出发或者从技术出发。

最后：数据产品的6个方面写下来，有概念，也有白话的示例，初衷是想从基本的生活常识和基本的逻辑角度出发去看待所谓的“新生事物”，而不是动辄各类专业术语，写者高高在上，听众云里雾里的感受。