2个案例，带你深入认识数据产品
疫情期间，武汉人流都迁移到哪里去了？
上图是百度迁移这款数据产品，基于百度地图定位大数据，播报国内人口迁徙情况，主要包含人口迁徙来源地、目的地、迁徙规模指数、迁徙规模趋势、城市出行强度等数据指标查询。在疫情期间，保障了用户准确、高效、安全地出行。
通过百度迁移这款数据产品，可以看到，在武汉封城前期，人流比去年同期还要多，出现一段波峰，形成了大规模的迁出。而封城之后，人流急剧下降。同时，在武汉迁出目的地中，黄冈市、孝感市占据了大部分人流，这也验证了后期黄冈等地出现大规模疫情的原因，这些信息能帮助对疫情有准确的认知。
疫情期间，如何更安全地出行？
疫情期间，同程艺龙上线了新型肺炎确诊同行程这款数据产品，整合了全国疫情播报数据及同程艺龙平台出行大数据，向公众提供疫情动态播报、出行热点等信息。
在确诊患者同行程查询服务和短信提醒功能方面，用户可输入日期、车次/航班/城市地铁、公交线以及城市等出行信息查询，以便于及时采取居家隔离等防范措施。若某个航班或某趟列车、长途巴士、地铁、公交等发现了新型肺炎确诊患者，同程艺龙将通过平台大数据筛选自动向患者同行程用户推送提示短信，提醒相关用户按要求居家隔离或到所在地定点医疗机构接受观察。
他们到底做对了什么？
在疫情期间，各互联网公司响应速度如此之快，得益于过去这十来年大数据的沉淀，以及各大公司在数据/算法模型上的挖掘和积累，包括很多的产品在疫情之前都已有成型，只是在这次特殊的环境之下大放异彩。那么，他们到底做对了什么？我觉得主要做对了以下四点：
数据积累与沉淀
数据清洗与建模
用数据说话的意识
数据产品化传播
现在，你还认为数据只是一堆冰冷的数字吗？
当然不是！在大数据时代，数据的价值越来重要，更多的企业希望能够通过数据驱动业务发展，在这个大背景下，数据产品的作用也越来越大，它会让每个想基于数据做决策的人能够更高效的获取自己想要的数据，并且让决策更正确和科学，促进业务不断发展，这也是数据产品的价值与定位。
刚才提到了数据产品，那，到底什么是数据产品呢？
为了充分发挥数据的价值，要通过产品化的方式，形成数据产品。因此，应用场景+数据+产品化=数据产品，简单来说，就是产品化+数据价值。
在实际的工作过程中，很多数据产品经理在实现数据产品的时候都会忽略应用场景这一块，导致用户不会用，或者不接地气，只有炫酷的界面，实际却起不到任何作用，既浪费了人力去实现产品，又带来不了任何价值。因此，大家在实现数据产品的时候，千万不要忘了“应用场景”这一点。
大家是不是比较好奇，对于一个成熟的公司，它的数据产品应该具备哪些产品矩阵，每个产品应该有哪些功能？让我们来看一下成熟公司应该具备的数据产品架构。
首先整个架构采用自底向上的角度来看，之所以最先讲数据质量层，因为它是一切数据产品的基础。只有提供准确稳定安全的数据质量，才能为数据工具产品、数据应用型数据产品提供更准确的数据，做的决策才会更正确。否则如果连数据都不可靠，那么通过数据产品做出决策是错的，就没有价值和意义。
再往上一层，对于数据工具层的数据产品，主要在数据的角度，通过数据工具为公司赋能，为业务提供数据工具平台，提升数据的获取效率和决策速度，通过数据工具产品来驱动公司的精细化运营，主要包含大数据分析平台、用户行为平台、实验平台等数据工具产品。
最后来看一下数据应用层的数据产品。它会为业务提供一些数据产品和数据变现类的项目，会基于业务产生的数据整合加工，输出可以为业务提供指导、对用户产生价值或者是支持公司决策的一款数据产品。对于应用型的数据产品，它可以是to B的，也可以是to C的。to C的数据产品主要是面向普通用户的，它主要是为用户提供描述性分析预测或者指导性分析，为用户决策提供更多的数据支持，解决用户的某个痛点。而to B的数据产品主要为企业级或者商家提供数据服务，为客户决策提供数据洞察或者是策略支持。它主要是公司利用自己的数据资产，形成针对某个行业或者某个客户制定方案，形成数据服务，来辅助用户决策去拓展业务。
聊完数据的价值和数据产品，再让我们来聊一下数据产品经理。
经过和众多公司的数据产品经理交流，发现，虽然大家都是数据产品经理这个Title，但是在不同的公司，数据产品经理们从事的工作还是有一些差别的，有些公司的数据产品经理主要负责实现数据产品工具，而有的公司的数据产品经理却要从事更多的数据相关类工作。所以，可以从狭义和广义两个角度去认识数据产品经理。
从狭义上讲，数据产品经理是负责实现数据产品工具，并用它去满足特定数据使用需求的一个岗位。狭义的数据产品经理主要承担的责任以及工作主要有三类：
数据质量产品。例如实现数据质量管理平台，为上游提供可靠准确的数据；
数据工具产品。例如建设大数据分析平台等形式的数据产品，提高数据获取效率；
数据应用产品。例如实现某个场景下的数据产品解决方案，驱动业务发展或者实现数据变现；
从广义上讲，数据产品经理不仅限于实现数据产品工具，还要完成数据分析、运营等数据相关工作，负责公司的数据服务。广义的数据产品经理主要承担的责任以及工作还包括以下四类：
数据生产。例如写一些数据生产脚本，产出数据表，甚至维护数据生产流程；
数据提取。例如负责对业务提出的数据需求提取数据，交付准确可靠的数据；
数据分析报告。例如分析日常业务，产出分析报表，形成业务结论；
数据运营。例如建设指标字典，运营指标字典和数据产品，运营数据，排查数据问题等；
优秀数据PM必备的6大思维+能力模型
讲完了什么是数据产品、数据产品经理，接下来看一下游戏数据PM必备的6大思维+能力模型。主要分思维和技能两个方面来看，首先看一下思维层面。
归纳法与演绎法
归纳法与演绎法是在写作过程中逻辑思维的两种方式。人类社会活动，总是先接触到个别事物，而后推及一般，又从一般推及个别，如此循环往复，使认识不断深化。归纳就是从个别到一般，演绎则是从一般到个别。
归纳：
总而言之，归纳就是从已知信息推理出一个结论。要注意的是，从已知信息的共同属性推导出结论，如图所示，通过已知信息可以归纳出结论。
举个归纳法的例子：
条件：我养的一只叫“一条”的猫喜欢吃鱼；邻居家养的一只叫“二饼”的猫喜欢吃鱼；叫“三万”的猫喜欢吃鱼；叫“红中”的猫喜欢吃鱼；……
结论：猫喜欢吃鱼。
演绎法就是发散，类似于我们在画思维导图的时候，从一点出发，发散出很多相互独立、不相关的点，再一步步发散出去，不断穷举出尽可能想到的点。演绎法从一般到个别，即以一般的原理为前提论证个别事物，从而推导出一个新的结论。
举个演绎法的例子：
条件：猫喜欢吃鱼，我家养的“一条”是一只猫。
结论：“一条”这只猫喜欢吃鱼。
数据、信息和知识
我们看一下数据、信息和知识这三个概念。
数据就是数值，是一种客体存在，是通过观察、实验和计算得出的结果，并随着社会的发展而不断扩大和变化。特别是在现在的移动互联网时代，数据不再是仅仅限于字面上的数字，图片和视频都是数据，我们开车或者骑行中的轨迹也是数据，甚至身体的健康状态信息等也都属于数据的范畴。
信息是对这个世界中人或者事的描述，泛指人类社会传播的一切内容，它比数据更加抽象。1948年，数学家香农在题为《通讯的数学理论》的论文中指出：“信息是用来消除随机不定性的东西”。信息是被组织起来的数据，是为了特定的目的，对数据进行有关联的组织和处理，赋予数据以具体意义，从而可以用来回答5W2H中的谁（Who）、什么（What）、哪里（Where）、什么时候（When）的问题，以2018年10月23日通车的珠港澳大桥为例，它是建立在中国境内，连接香港、珠海和澳门的大桥，桥隧全长为55千米，其中主桥为29.6千米、香港口岸至珠澳口岸为41.6千米，这便是由数据表述的有关珠港澳大桥的信息。
知识是通过数据和信息处理以后，被验证过的，而且是绝对正确的。可见，知识是数据和信息之上的，更加高级和抽象的概念，是基于信息之间的联系，总结出来的规律和方法论。知识具有系统性、规律性和可预测性，主要用于回答为什么（Why）和怎么做（How）的问题，而得到的知识，能够使我们更加清晰地了解世界和生活，还能够通过知识不断改变我们周围的世界。所有的一切的基础就是数据。
用户思维、工程思维与产品思维
用户思维是指站在用户的角度考虑问题，从用户的问题出发。产品经理要随时能够切换自己的思维方式，能够随时从“专业模式”切换到“傻瓜模式”，这就是用户思维的体现。产品经理要能够忘掉自己的行业背景和知识积累，以及产品逻辑和实现原理，变成对这个产品一无所知的“小白”。
以大数据分析平台为例，用户的思维的体现可以看这个例子：昨天上线了一个活动，我打开大数据分析平台，我就想看活动的数据情况。
在这个思维模型里，用户的预期是直接获取上线后活动数据的情况，让他快速了解活动效果，尽快做出决策。所以在这个过程中，我们所做的任何工作都是从用户的这个核心需求出发的，并且，实现这个核心需求的目的路径越短越好，用户的整个思维体现可以用上图表示。
工程思维主要关注的是项目实现的过程，包括项目的方案、项目排期、项目进度跟进、项目执行等，是一种更加关注细节逻辑、更加严谨的思维方式。比如，要开发一个大数据分析平台，如果单纯以用户思维来看，那么很可能只关注表面的功能，其实这只是项目中很小的一部分，还要关注系统架构选型、后端功能实现、系统的适配性、服务的稳定性、查询速度等一系列问题，它还原了产品具体实现的本质。
以大数据分析平台报表展示功能为例。如果只有用户思维，那么只会关心报表展示哪些单图内容、都有哪些筛选条件。可是，如果用工程思维来看，就要考虑这个功能具体是如何实现的，要能够知道大概的步骤和方式，就会考虑如下步骤实现：
(1) 根据页面ID获取Dashboard配置；
(2) 根据Dashboard页面配置渲染页面；
(3) 根据图表ID获取图表配置项；
(4) 创建报表中的自定义图表，并进行渲染展示。
数据产品经理如果有很好的工程思维，那么会更容易和研发人员沟通，并确保项目在合理可控的基础上顺利进行。
用户思维只关注产品功能，会把需求简单化，而工程师的工程思维会关注工程实现，就会想到具体的实现细节问题，所以如果让用户思维的人和工程思维的人直接沟通，经常会看到吵得不可开交的场面，最后争得面红耳赤，仍然不能解决问题。这种情况导致的最终结果要么就是无休止的无效沟通，项目很难实施，要么就是交付的产品很难用，不能满足用户的需求。这时候就需要具有产品思维的人，也就是产品经理，在需求上进行把控，在表现层尽量向用户思维靠拢，又要尽可能地考虑工程实现，把需求具体化成严谨的逻辑表达出来。这样，就弥补了用户思维和工程思维之间的鸿沟，在用户思维和工程思维之间构建了一个桥梁，保证了产品的顺利实现。
5W2H
通过多年的数据产品工作经验总结，并结合5W2H分析法，在做一款数据产品前，我总结了下面四个步骤来回答如何做的问题。
讲完了思维方式，再让我们来看下数据产品经理的能力模型。
数据产品经理能力模型
针对数据产品经理的能力模型，总结如下：
针对初阶：
•掌握产品设计基本方法
•具备项目管理经验
•具备基本逻辑能力和数据技能
•掌握数据产品工具的使用
针对高阶：
•深刻理解业务和行业，挖掘数据应用场景
•规划数据产品方向
•带领团队完成驱动业务发展的数据应用型和数据智能型产品
*加分项：有数据开发经验、数据分析经验
如何制定自己的转岗求职&进阶计划
对于新手来说，主要目的是求职。
在校生
优势：有很好的学习能力和可培养潜力，劣势：缺少数据产品项目经验
产品运营
优势：有业务相关经验，劣势：缺少数据技能和产品项目管理经验。
研发工程师
优势：逻辑能力和数据处理经验，劣势：确守产品技能，以及项目实战管理经验
互联网产品经理
优势：项目管理经验，劣势，缺少数据技能
数据分析师
优势，具有数据分析经验和数据处理技能，劣势：确实产品经验和项目管理能力
对于在职来说，主要目的是扩大视野，建立方法论。
这里主要给大家推荐IPO方法论，IPO主要是指：
Input：从外界的状态获取输入，给自己提供新鲜的经验和思考角度。
Process：处理输入，通过行动来验证。
Output，实践输出总结，形成方法论。
Input：**保证质和量的输入**
Process：**构建思考框架**
Output:以输出逼迫自己沉淀
以上就是数据产品经理核心技能全解析，希望能够给那些想转行数据产品经理，或者已经在岗位从事一段时间的同学，带来一些帮助。
一个数据人的自留地是一个助力数据人成长的大家庭，帮助对数据感兴趣的伙伴们明确学习方向、精准提升技能。
扫码关注我，带你探索数据的神奇奥秘
发表评论 取消回复