数据产品经理的入门手册:数据产品的工作本质是什么?

3周带你玩转Excel!在行第一行家手把手带学+作业实战+答疑辅导,升职加薪快人一步,了解一下>>

本文笔者将对数据产品是什么?以及数据产品的工作本质是什么?进行分析,为数据产品经理小白答疑解惑。

对于很多公司来说,数据产品经理一职,主要的工作便是进行数据支持。

什么是数据支持?

老板说:“我明天要开战略会,你把留存率的数据帮我跑一份。”

业务方说:“我们的交易额下降了,我想从城市、性别、年龄的维度看看,到底是什么原因导致交易额下降的,辛苦是否可以快速支持一下?”

业务产品说:“最近我们上线了一个feed流的新策略,我们想看一下新策略和已有策略的ab效果,可以帮我提取一下数据吗?”

数据产品似乎每天都在面对诸如此类的需求,每天陷于接需求、对需求、出数据的怪圈循环。

可能一年下来,蓦然回首,发现:灯火阑珊处没有升职加薪,没有学习成长。

反而,老板还会质问你:“数据产品的价值是什么?你这一年为团队贡献了什么?”

我想,这就是大多数数据产品在职场中面临的困境。而对于自己,也在数据产品的职位上摸爬滚打了大概5年多,从创业公司到美团,从美团到腾讯;眼见他起高楼,眼见他楼塌了。

自己也在不断问自己:到底数据产品是干嘛的?数据产品需要解决的本质问题到底是什么?数据产品的价值到底在哪里?

要回答数据产品是做什么的?首先,需要回归一个本质的问题:产品是做什么的?

——产品是基于业务,通过产品化的方法解决业务场景的问题。

那么,对于数据产品来说,我认为核心是:

那么,数据产品解决的问题是什么?

结合不同的场景,我认为有如下四种:

数据产品的工作本质就是围绕这四个问题进行展开的。

查询指标

围绕指标查询场景,数据产品需要解决的第一个问题是:如何定义一个指标?

定义指标一般有如下两个难题:

1. 指标歧义

对应我们的工作实际场景中,经常同一个指标有不同的统计口径。

比如:指标访购率,产品部门的定义是访购率=订单支付成功页面的uv/首页uv;而运营部门的定义是访购率=订单量/DAU。

这里由于统计口径的不一致,会导致对应访购率这同一个指标,会有两套完全不一样的数据,从而造成数据歧义。

2. 指标说明不清

我们有了指标定义,但是业务方或者技术方看不懂我们的指标定义到底说的是什么,比如续费学员数,定义是:续费的学员总和。

那么问题来了,请问这里的续费到底是如何计算?学员是否需要按学员ID去重?统计周期用学员创建时间还是订单支付时间?

你看,一个指标,如果定义的不严谨,就形同虚设,起不到对应业务方和技术方的指标解释作用。

所以,有关定义指标,我们必须找到一种规范,可以清晰明了的规范一个指标到底是什么。

经过这些年的摸索,总结了一套定义指标的方法;具体如下:

有了定义标准,我们就可以对业务中所有的指标进行定义,形成我们的指标字典。如果没有线上化的指标管理工具,我们可以把指标维护在在线文档中,并总结如下:

看,是不是这样,关于一个业务的指标,就清晰了非常多?

之后,我们可以把我们的指标字典进行线上化;方便所有人快捷的查找每一个指标的定义。

这样的另一个好处是:收敛所有指标的出口,一方面防止业务随意定义指标,另一方面规范所有下游BI平台的指标定义。

具体如下:

统计数据

在展开统计数据之前;我在想一个问题,统计的本质是什么?

统计,是对业务形成数量上的认知。

比如:500,这个数字没有任何意义。但是,订单数=500,这变形成了业务上对经营情况的一个数量认知,从而500这个数据赋有了业务意义。

那对于不同的业务场景,统计数据意义和目的也不尽相同。

我大概总结统计数据大致有如下三个方向:

我们在规划数据产品的时候,一定要结合场景进行,切勿盲目。

比如:以数据看板为例,我们可以根据不同的服务对象,不同的使用场景,拆分为三个不同的数据看板。

具体如下:

一定要想清楚不同数据看板的定位和特性,才能便于我们接到每一个数据需求时,把每一个需求连城一条线,进行整合规划。

效果评估

数据产品需要解决的第三个问题是效果评估,比如:我们上线了一个策略需要进行效果评估。

对于需求方来说,他的本质诉求不是要A方案或者B方案的曝光pv、页面停留时长等等的数据。他的本质诉求是你告诉他一个结论,到底是A方案的效果好还是B方案的效果好,并且这个结论是有专业的统计学背景支撑的。

但是,这里会有一个很大的问题是:

我们来看一下以下的这个例子:

实验组方案A和对照组方案B,分别各切20%的流量,呈现数据如上图。

对于CTR指标,B优于A;对于页面停留时长指标,B劣于A;

请问这种情况下,你如何评估到底是A方案好还是B方案好?

这时候,你会发现:数据产品不仅仅是要把数据提供出来,而是说要给与业务专业的评估方法。帮助业务解决效果评估,这个本质的问题。

我们可以借助统计学的方法评估如下:

最终,得出结论选取A方案。

在深入一步思考,我们是否可以把T检验封装成一个小工具,放在数据平台中,供各个需求方自主使用?

精准投放

数据产品需要解决的第四个问题是精准投放。

比如:我们该面向哪些用户群体投放一个什么样的活动?

通常的解决方案是用户画像。

一般来说,围绕用户画像,作为数据产品可以提供如下三种服务:

  1. 画像接入服务:画像标签作为底层支撑,以接口形式供各个业务系统调用。
  2. 画像分群服务:基于标签筛选用户集合,进行活动投放。
  3. 用户分析服务:对应不同人群,进行标签分析。

有关用户画像,后续会专门找一期和大家进行详细介绍,这里不多做展开。

这里,用两个形象的应用场景,来说明用户画像是如何应用于业务的,具体如下:

总结

我们回顾一下今天所介绍的内容,围绕数据产品的本质是什么进行展开,主要介绍了数据产品需要解决的业务场景问题。

所有的数据产品不是凭空产生的,一定是结合业务场景的。所以,我们一定要想清楚数据产品到底需要解决什么样的问题,这才是我们数据产品发挥价值的关键。

愿本篇文章对各位小伙伴们有所帮助。小伙伴们有不懂的地方,或者想了解的部分,均可以留言,我会一一解答。

 

本文由 @ 罗大大 原创发布于人人都是产品经理。未经许可,禁止转载

题图来自Unspalsh, 基于CC0协议。

给作者打赏,鼓励TA抓紧创作!
评论
欢迎留言讨论~!
  1. 大佬,请问那个线上化的指标管理工具叫啥?找了半天没找到

    回复
  2. 专业 :?:

    回复
  3. 作者现在是不是在好未来旗下的 大海1对1呀 :|

    回复
  4. 作者写的数据产品工作本质更多倾向于 分析类产品的工作本质,更具体来说应该是 营销类分析数据产品的工作范畴。
    而“数据产品“本身的范畴特别广,我的理解,所有数据服务的价值展现都属于数据产品,它包括但不限于平台工具类,分析策略类,算法模型类等,每类数据产品工作内容也有很大差别,但本质上 数据产品可以看成是 “数据服务的价值展现”,也很赞同作者的那句话“数据产品是解决业务核心场景数据问题的产品”

    鄙人拙见,欢迎指正。

    回复
    1. 作者水平不错,但是正如你所说 作者提到的数据产品应该更精确地描述为“营销类分析数据产品”。以我所处的行业来说,我们的产品主要是提供给商业银行使用,主要面对的大场景为:内部管理、监管要求(银保监会),我们的大部分产品会涉及算法模型,很多指标都是产品经过算法模型计算后输出的。这类产品没有精准投放的使用场景,一般也不会关注单独一些指标的查询,但统计数据、评估效果确实是比较重的应用场景。

      回复
  5. 那要入行数据产品的话,最好是要有统计学的知识背景了

    回复
  6. 大佬威武,已关注!

    回复
  7. 真心希望大佬放出公众号之类的,很想跟踪学习

    回复
  8. 大佬觉得数据产品更多的是解决效率问题,还是实现数据变现的问题?
    数据产品的发展方向呢? 解决效率?还是让数据产生价值?

    回复
    1. 其实,我理解商业最本质的是赚钱,赚钱无非两种途径:1)扩大收益 2)降低成本。
      对应数据产品来说:
      1)基于数据赋能实现价值变现,比如DMP等等,是扩大收益的一种途径;
      2) 搭建内部bi平台,提升内部人员的分析效率,助力科学决策,本质上是省人的时间成本,省公司的薪资成本,是降低成本的一种途径。
      所以,我理解数据产品一定要解决的是两点:
      1)围绕内部助力科学决策
      2)围绕外部实现价值变现

      回复
    2. 谢谢大佬指点 ;-) 大佬有没有公众号之类的文章总结?多学习一下

      回复
    3. 哈哈,客气啦,暂时没有,后续在人人上更新会比较频繁,欢迎关注~

      回复
  9. 支持支持,写的不错,就是案例不鲜明

    回复
  10. 辛苦,很有用!

    回复
    1. 多谢支持~

      回复