數據產品經理生存指南第一條 - 知乎專欄 https://zhuanlan.zhihu.com/p/24180737\

最近兩年，數據產品經理這個名詞開始越來越多的出現在各公司的招聘列表中。也經常有朋友問我，有沒有合適的數據產品經理介紹？

出于職業的習慣，我通常會問這么幾個問題：

你們公司做什么業務的，處于什么發展階段，目前多少人？
現在公司的決策流程如何，用什么分析工具，是否有專職的數據分析師？
目前數據團隊產品加研發一共有多少人？
你希望數據產品經理解決什么問題？
遺憾的是，迄今為止，90%的公司都止步于第二個問題，還沒有一家公司進入到第四個問題（除了我目前供職的公司，在面試的時候，我問過面試官）。

這四個問題直面公司對數據的需求，只有這四個問題都能夠比較清晰的答案才代表這家公司真正的需要一名職業的數據產品經理。

數據產品經理是一種典型的平臺型產品經理，他承擔了整個公司數據信息的采集、分析和表達的產品化工作，決定了公司的決策效率。

基于這個定義，我們來模擬回答以上的問題：

你們公司做什么業務的，處于什么發展階段，目前多少人？

初創公司不需要數據產品經理，因為養不起——這不是說這個職位的工資高，而是說這個職業消耗的資源很大。一個數據產品經理要能發揮作用需要從客戶端、服務端、數據研發工程師到前端工程師的一整套研發資源，而且其中的服務端和數據研發工程師都不能只有一個人。圍繞著數據這條業務的人員就少則4，5人，多則十多人，一個初創公司實在沒必要去專門組建這么一個團隊。

“可是我們的業務里面有大量的數據，我們也要積累大數據，做大數據分析怎么辦？”有些朋友不依不饒的要繼續討論下去。“請自己做數據分析或者招一名1-3年經驗的專職的數據分析師。”我通常都會好言相勸，因為基本上在初創公司提到大數據的，要么是不懂數據，要么就是被人忽悠了。

100人以下的公司基本上不太需要專職的數據產品經理，200人左右的公司可以邊使用第三方的數據分析工具，邊嘗試搭建一套簡單的內部數據處理系統，并開始有意識的積累數據。當公司開始從單業務往多業務發展，人員開始向著400人的方向發展的時候，此時可以開始專門搭建公司級的數據產品團隊，招募數據工程架構師。以上對公司的描述，同樣也適合大公司的業務線，但是不適合金融、互聯網廣告、獨立數據服務供應商等以數據為生的行業。

現在公司的決策流程如何，用什么分析工具，是否有專職的數據分析師？

通常比較重視數據的CEO會PUSH手下的工程團隊在產品早期的時候就開始采集數據，并使用一些第三方的數據分析工具——友盟、Talkingdata、小米統計等可以解決初創企業的KPI和簡單的異常分析，Mixpanel、deltaDNA、Chartbeat等工具可以解決不同行業的精細化運營的分析需求，神策分析、Amazon Quicksight、Google Data Studio等系統可以滿足一些對數據安全比較重視，且業務線比較多，需要大量多為分析的公司。

從第二類開始，專職的數據分析師是公司必不可少的職業，此時數據業務比較復雜和專業化，沒有專門的分析師，很難進行有效的分析。工具的作用是幫助公司快速的集中精力在業務問題的解決上，而不需要浪費寶貴的時間在繁雜的原始日志的分析和處理上。

而進入第三類的公司，基本上都面臨著多業務線并行的壓力，此時公司業務產生的數據量大且維度多，瞬息萬變的市場要求公司每天都要做大量的決策——更多的數據需要被提取，分析并表達給關鍵決策人。

好了，第二個問題回答完以后，我們可以正式的進入數據產品經理的生存指南了。

生存指南第一條：數據分析能力是生存的基礎。所以你必須精通此道——記得是精通，不是會幾門工具，會多少Excel快捷鍵。

數據產品經理，顧名思義是專門懟數據的產品經理，那么意味著他需要具備以下幾個基礎能力：

數據分析

數據分析不是在R Studio上做個炫酷的表格，也不是在Excel操作幾次數據透視表，當然更不是寫幾個SQL提取幾個數字。他是一套從公司商業競爭策略到一線業務運營的分析方法。基于這套方法，數據產品經理可以將公司從上至下不同的業務放進同一個模型中來分析，從而幫助決策層通過數據快速的定位問題。

這要求數據產品有非常強的數據敏感性，快速的業務學習和領悟能力以及行業信息的搜集能力。數據分析的哲學是大膽假設，小心求證。數據敏感性則決定了你假設的命中率。互聯網行業的競爭非常激烈，公司經常會快速的開展新業務，擴張新業務。快速的業務學習能力能夠讓你快速為各個不同的行業搭建業務分析模型，而領悟能力則決定了你搭建模型的適應性。信息搜集能力決定了你的行業視野，是否能夠看到行業的天花板。

產品設計

既然是產品經理，產品設計能力必不可少。其中需要特別注意的是市場分析能力與需求分析和理解能力，其次是用戶體驗的和數據可視化。同C端產品經理一樣，寫文檔畫原型做報表都是次要的工作，把準產品的市場定位，了解用戶的本質需求才是產品設計的本質。

記得當時微信朋友圈的文章在第二次閱讀的時候，可以自動定位到上次閱讀的地方——可以說是對用戶移動端碎片化的閱讀時間特征把握的非常準。反觀當時的微博文章還像網頁一樣得一頁一頁的點，而專門做閱讀的知乎都沒有類似的功能。可見好的產品設計并不是炫酷的交互，而是對用戶行為特征一點一點的分析，對每一個功能都精益求精的打磨得到的。

項目管理

作為極為消耗工程資源的職業，良好的項目管理能力決定了整個數據項目的成敗。數據產品面臨的是極為復雜的數據流和業務流的集合。為了做出一張數據準備，系統穩定，查詢快速的報表系統，產品經理需要從底層的日志開始整理，梳理各個數據處理過程。

因為處理邏輯的原因，數據系統的研發通常時間周期很長，而業務對數據的需求通常是要么沒有，要么就是疾風驟雨般不講道理的來了。為了保證系統時刻處于快速響應的狀態，數據系統的研發通常會拆分為應用層和平臺層雙項推進——前者負責快速響應業務需求，以周或者雙周為單位迭代，后者負責搭建穩定快速的數據平臺，以月或者季度為單位迭代。

平臺思維

數據產品經理最終的目標是讓數據自我表達，為業務提供基于各類日志的，從報表到智能預測工具套件。一方面產品要不斷的從各個業務汲取和整合各類數據，另一方面要將數據通過各種工具穩定、快速的表達出來，讓業務方可以簡單快速的從數據獲取insight。為了做到這一點，產品經理必須具備平臺思維，懂得如何將難懂的數據從相對封閉的業務中抽出來，以服務的形式向業務方開放，最終形成從數據供給到數據應用的閉環。