数据产品经理的前世今生-国土报中文版

本篇文章3903字，读完约10分钟

首先，什么是数据产品

要清楚地谈论数据产品，第一个不可避免的“常规问题”是对数据产品的定义认知。我的理解是，从广义上讲，数据产品是一种产品形式，它可以充分发挥数据的价值，帮助用户做出更好的决策(甚至行动)。在用户的决策和行动过程中，它可以作为信息的分析展示和价值的实现者。从这个角度来看，搜索引擎和个性化推荐引擎显然也是数据产品。因为产品是成熟的，它们很少被归类到数据产品的概念中。此外，这些产品经常在数据之外穿外套，这样非专业用户就不能直观地感觉到数据的存在。

数据产品经理的前世今生

此外，还有狭义的数据产品，如淘宝数据魔方、百度指数、电子商务crm平台、各种公司内部数据决策支持系统等。，所有这些都是数据产品。稍后我将介绍结构化分类。

第二，为什么有数据产品

人们的日常经营活动是一个“决策”和“行动”的螺旋过程，是一个相互交织的子过程。主要过程中的决策表明，内心已经对要做什么和要实现什么样的目标有了一个想法，而行动是一个具体的实施过程。例如，如果用户想解决出行不便的问题，他的主要决定可能是“买一辆适合他的车”，而在具体的行动过程中，他会马上面对“买什么车”

数据产品经理的前世今生

行动中的所有决策和次级决策过程都基于“某种参考”。最简单的参考可以是你自己的直觉。更好的是，你将依靠“过来的人”的主观经验，但是用你的头脑做决定越来越困难。所谓的专家也被多次造假；最佳决策需要依靠“证据”，定量证据意味着即时数据。随着数学、统计学和计算机科学的普及，数据在决策优化过程中的价值越来越大，尤其是在大数据时代。

数据产品经理的前世今生

在决策过程中，数据的价值能体现在哪里？最多有三种类型:a .数据本身，b .数据服务和c .数据产品。例如，如果用户想知道明天的天气是否适合旅行，他可以直接查看明天的温度数据，这意味着数据本身正在发挥作用；他还可以咨询相关的数据分析师或顾问，提供人工数据服务或解决方案，以确定明天的天气；第三种方式是使用数据产品，它将数据、数据模型和分析决策逻辑尽可能地固化到一个软件系统中，以更加自动化、精确化和智能化的方式充分发挥数据的决策价值。

数据产品经理的前世今生

第三，数据产品的分类

从狭义上讲，从用户的角度来看，他们可以是内部用户、外部企业客户、外部个人客户等。从产品开发的角度来看，从初始报告类型(如静态报告、仪表板、临时查询)，到多维分析类型(olap和其他基于工具的数据产品)，到定制的面向服务的数据产品，再到智能数据产品和已启用的数据产品。

由于基于报表的数据产品过于苍白，可视化能力有限，而基于多维分析的数据产品更适合专业数据分析师，而不是企业或运营商，其使用局限性也越来越大，因此未来的趋势可能是定制化的基于服务的智能数据产品。

所谓定制的面向服务的数据产品是基于用户的深层需求，构建数据模型、产品设计、可视化方案等。最适合当前业务难点的解决方案。在这里，数据产品更像一个服务提供商，而不是一个通用工具。

智能数据产品将更多地将大数据的智能集成到产品中，并与决策逻辑结合起来发挥作用。例如，你可以有一个传统的会员营销系统，允许你根据自己的规则筛选目标用户；它也可以通过输入你的营销目标和参数在更智能的数据产品中实现。例如，如果你想在双十一妇幼市场开展促销活动，系统可以根据过去的海量数据计算出应该选择什么样的产品，以什么样的用户群体，以什么样的形式活动会更好。

数据产品经理的前世今生

大多数现有的数据只告诉你现在或未来的情况，以及哪里的问题是痛苦的，但他们不能给出更完美的建议，甚至支持一个建议的实施。这是已启用的数据产品应该做的。它不仅可以告诉你哪些用户有很大的流失倾向，还可以直接指导用户进行后续补救的实施过程，哪些子群体需要促销活动的刺激，哪些需要服务，哪些需要为他们提供专属的vip服务，哪些需要更好的互动等等。

数据产品经理的前世今生

第四，把握数据产品需求的特殊性

一个真正好的数据产品必须首先抓住核心——找到用户真正的核心需求和痛点。这句话对于非数据产品的产品经理来说是一句自然的废话。但是对于一个数据产品经理来说，获得它并不容易，它有其特殊性。

第一个特殊性是需求水平的特殊性。数据产品的用户中通常有许多内部用户。他们对数据、数据共享和数据处理有不同的理解和熟练程度，因此他们会提出不同层次的需求。一般来说，它们包括:1)。业务/管理要求。2)。分析需求；3)数据要求。例如，电子商务公司需要提高所有用户的订单转换效率。这是第一种需求；为了实现这个目标，将有大量的工作要做，并且将有大量的分析需求。例如，跳出产品详细信息页面的趋势是第二列需求；然而，特定数据项的统计属于数据需求。最可怕的是，需求方遇到了问题(第一种需求)，指定了错误的分析策略(第二种需求)，并提出了明确的数据需求(第三种需求)。对于数据产品经理来说，从数据需求中引导分析需求，然后介入反映具体难点的业务/管理需求是一门必修课。

数据产品经理的前世今生

第二个特殊性是内部数据产品需求方的特殊性。内部数据产品的用户不仅是用户，也是他们的同事、朋友、领导和下属。他们自己有一定的能力干预产品经理的决策权，他们需要产品经理来平衡“理想和现实”，你知道。对于不直接隶属于最高决策者的数据团队来说，这种情况尤其严重。

V.数据产品的三个关键要素

在我看来，要实现一个数据产品，我们需要关注三个关键要素:1)数据，2)决策逻辑，3)行动流程。

数据的价值是毋庸置疑的。这就像血液在整个产品中流动。您拥有的数据类型、数据周期和数据粒度通常将决定您的数据产品能够提供什么服务。

决策逻辑在许多平庸的数据产品中是缺乏的，这些数据产品简单而响应性地显示需求侧报告。好的数据产品应该帮助用户思考，尤其是当用户经常遇到的业务痛点的决策逻辑被部分或全部集成到数据产品中时，决策过程可以可视化、动态化、便捷化，提高用户的决策效率。

仅仅发现和分析问题是不够的。我们还需要解决问题的能力，这涉及到第三个关键要素——行动流程。例如，当一个数据产品分析一个细分的用户群时，发现其活动在上个月明显下降。它能自动触发一个营销过程，根据用户的特点开发一个个性化的“行动过程”，并在过程的每个环节充分发挥数据的价值吗？

6.数据产品和大数据之间的关系

我真的不想写这样一篇关于三个习惯概念的解释性文章，因为大数据是一个每个人都提到但几乎每个人都不理解的概念。我在这里写的概念解释是错误的，这只会增加搜索引擎的“负载”。

因此，我们应该回到核心价值的角度:上述数据产品的最大价值在于帮助用户优化决策，实现辅助决策的价值。如果将数据产品比作一台机器，那么数据就像这台机器的原材料。“原材料”+“加工过程”+“结果显示与应用”《数据产品》。

当然，大数据也属于数据的范畴。它就像一种更高效的原材料，可以提供更高效的价值(更多的角度、更深更实时的信息和知识，尤其是预测知识)。“高效原材料”+“先进加工”+“先进显示和应用”的结果也是一种数据产品。当然，你也可以称它为“大数据产品”。

再举一个不专业的例子来理解:大家熟悉的“天气预报”是一个典型的数据产品，它的原材料可能有温度、湿度、风力、日照强度、紫外线强度、长期的pm2.5值、位置信息、卫星上采集的各种数据，以及其他地面设备的各种专业气象相关数据(仅供举例，专业人员应自行补充)；对这些数据进行筛选、清理、分析和挖掘等一系列“处理过程”，可以得到未来几天几个核心气象特征(温度、风力、雨雪等)的数据值和概率。)；我们看到的数据产品天气预报是上述核心信息的组合，给出视频+gis的显示形式，并复制公众对“行动”的建议(出行建议、着装指数、洗车指数等)。)。

数据产品经理的前世今生