数据产品经理，并不是数据+产品经理的结合

互联网产品经理经过近些年的发展，业内已经形成了相对一致的共识，对于产品经理的工作内容和成长路径，不同阶段有不同的侧重点。

由于产品经理这个岗位在大学内并没有真正的学科相对应，所以很多从其他方向转行过来做产品的现象并不少见；也一度形成了“人人都是产品经理”的趋势，这也形成了产品经理在人们心中门槛较低的印象；很多刚毕业的同学从产品助理或产品专员做起，基本在工作中不断实践历练，就能在产品这条路上越走越远 。

而近年来，随着大数据、云计算、人工智能等新兴技术的火热，“数据”一词成为了业界宠儿。

其实数据领域由来已久，只不过以前大多是做传统的数仓建设等；而大数据再一次引起人们重视，一方面由于是技术的发展，另一方面随着数据量的增多，从数据中获取商业价值，实现数据资产变现已然成为每个企业数据化转型的关键路径。

这种背景下，数据产品经理在各大招聘网站上变得十分抢手。

没有做过数据产品经理的同学，可能不知道它和互联网产品经理的区别，虽然说现在很多产品经理都要求会一点数据分析的技能，能够通过数据表现来针对产品做改进优化。

但与专业的数据产品经理相比，这些数据技能显得微不足道；更何况现在有很多第三方数据分析软件，不需要会写SQL，就能通过便捷可视化操作实现查数、获取结果、分析比对；因此，数据产品经理不仅仅单纯是数据+产品经理的结合。

一、数据领域的基本逻辑

当我本人初次从互联网行业进入数据领域时，可以说是一无所知。

记得入职那天，在会议室遇见了一同来办入职的同事，互相交流之后，他说是做开发的，我问是做哪方面的，他说ETL——当时我连这个岗位是做啥的都不知道，更别说ETL三个字母所分别代表的含义了；后来跟朋友讲起，我还笑着说道：我们所说的开发不就是Java、PHP、iOS、Android什么的，ETL又是干啥的呢……

后来我发现，不光我不知道，问了很多同在互联网公司的老熟人啥的，基本没接触过数据方面，都不知道里面的具体内容。比如Hadoop、Kafka、Spark、Streaming、Hive等这些名词，更是听都没听过。

在数据领域对于数据的处理，基本有一个特定的逻辑图，有可能是从下到上，有可能是从左到右；起初我以为是个别的这样表示，后来网上看见过一个大公司的介绍（忘记是阿里还是百度了，里面介绍他们的数据处理，也是那样的图），我才知道，原来基本都是这样的逻辑，按照数据流向或者是处理流程分模块表示，后来随着接触的越来越多，才逐渐领悟其中要义。

（差不多类似这样概貌的图）

比如一般从左到右的数据流向会分为源系统、贴源层、数据仓库、数据集市、数据应用等，不同公司根据业务不同，分层也会有所不同。

而之前我们接触的互联网产品，数据基本都是表面能看见的，多属于应用部分，所以对于底层数据处理这块，非专业人员接触较少，而数仓里面通常会有数据模型，关于建模型的意义曾经有个同事举过一个很形象的例子。

把所有数据想象成一个储物柜，而数据模型相当于里面的分隔分层；没有建模型前，所有的衣物全在一个柜子里，不管是外套、裤子、袜子、围巾等，而建模后，外套在一个格子里；裤子里一个地方、袜子在一个地方、围巾在一个地方，这样的对比，再次去拿的时候，肯定是分门别类存放之后，更容易找。

这也是数据建模的意义：把数据按模型落进去之后，能大大提升数据的处理、流转和提取效率，节省时间，赋能业务。

数据建模的方法通常包括：星型、雪花型、Data Vault和3NF。

二、对于数据产品的认知

数据产品不同于互联网产品，数据产品的一个重要作用就是：辅助决策。

当然随着大数据兴起，未来可能会有更多的辅助决策型数据产品往智能决策型转变，而智能决策型数据产品的重点是相关算法知识——这个先不延展讨论。

互联网产品中常用到的需求分析是从用户研究开始的，从定义用户的特征来发现用户的需求，而数据产品的首要任务是帮助人们决策，而不是直接创造利润。

另外，数据产品是一个分析数据和展示数据价值的工具；因此，数据产品的需求基本来自于两方面：决策和数据。

一个常见的数据产品就是天气预报 APP：

这属于轻辅助决策类型的产品，也就是说这类决策所造成的后果不是那么严重。比如由于没有看天气预报，导致出门没有带雨伞，那么后果要么是买一把伞，要么被淋湿；这个后果相较于企业经营决策来说没有那么重要。

所以它的盈利能力也比较弱——只能通过导流量、卖广告和推荐下载APP等方式盈利，而不是通过用户为数据本身付费而盈利。

一般来说，哪里有数据，哪里就有潜在需求；手上有很多数据的企业特别适合在这个方向去开发数据价值。互联网企业沉淀了很多数据，他们也知道怎样利用这些数据，因此数据产品最先是在互联网企业被广泛应用的。

除此之外，政府也拥有大量数据，如果政府将拥有的数据开放并充分发掘其价值，那么数据产品也会有用武之地。

比如自来水公司和电力公司有大量家庭每月的用电、用水数据，这些数据目前在水电行业可能没有更好的应用之处；但是这些数据可以判断房地产的空置率，可以为房地产行业的投资决策或政府征收房屋空置税提供一定的参考依据。

三、数据产品经理的工作

数据产品经理，多数会由数据分析师或数据挖掘工程师转型过来。如果是数据挖掘工程师转型为数据产品经理，学习曲线比较平缓；而由产品经理转型为数据产品经理，学习曲线就比较陡峭；如果既不是产品经理也不是数据分析师，就要付出更大的努力了。

总之，成为一名优秀的数据产品经理不是那么容易的。

我们公司目前的一些数据产品经理，起初都是在一些老牌的数据厂商比如聚源、万得、财汇等地方从事了多年的数据工作，对于业务和数据以及相应的技术能力有一些储备，所以对于产品经理不知晓的底层数据，他们相对更了解一些。

当然，不同公司根据业务不同，数据产品经理从事的工作内容也可能不同，但整体而言，个人觉得数据产品经理的工作会离数据更近一些，而互联网产品经理通常离用户更近一些。

数据产品经理是产品经理更细分的一个领域，需要具备的技能更专业化，有人说做产品的人不需要懂技术，但是做数据产品的人就需要懂技术了。

从一些大公司的招聘要求可以看出：数据产品经理基本上既要懂产品设计，又要懂数据技术，还要有团队管理的能力，是综合性的人才，要有产品化的思维才能为公司创造更大的价值。

四、数据产品的设计流程

数据产品的设计流程跟一般产品的大致框架基本相似，因为一些固定的设计步骤是必不可少的，大体上可分为前期规划阶段、中期设计阶段和后期管理阶段，不同阶段，工作产出内容不同。

在《数据产品设计》一书中，作者艾达将数据产品设计流程分为了需求分析、数据指标设计、数据可视化设计、数据展现逻辑设计以及产品管理5个阶段。

1.需求分析

这个步骤和互联网产品设计的需求分析类似，是产品设计的首要过程，包括商业需求分析、市场需求分析、产品需求分析和产品规划的过程。

2.数据指标设计

承接上一步需求分析的结果，制定出用户最感兴趣、易于理解，并且最能体现问题本质的数据指标。

3.数据可视化设计

根据上一步设计出来的数据指标，并且根据最终数据类型和表现目的，选择最佳的数据可视化方案，将每一个数据指标美观且直观地呈现给用户。

4.数据展现逻辑设计

包含数据指标展现逻辑设计、界面设计等过程，主要是根据各种已经实现了可视化方案的数据指标/图表进行界面展现逻辑设计。

除了对数据指标进行分类展现外，还需要从多个角度设计数据的展现逻辑，将每一个指标都有逻辑地呈现出来，使用户在看多个数据指标时清晰明了。

5.产品管理

包含研发管理、产品上线、后续维护、产品迭代更新或结束等过程，这个步骤和常规的产品经理对产品全生命周期负责的理念一致。

数据产品经理近几年随着大数据技术的成熟，逐渐受到重视和需要，但从介绍来看，想要做好数据产品经理并非易事，目前很多都是只具备其中一部分能力，全面的能力需要在工作中逐步积累和提升。

一起加油！

作者：慕斯姑娘，生活中的小可爱，工作中的摩羯狂