工具型数据产品经理,如何突破职业天花板?

3 评论 5239 浏览 35 收藏 9 分钟

作为数据产品经理中的一个分支,工具型数据产品经理岗位的天花板在哪里?如果想要提升自身核心竞争力,又可以从哪些方向进行突破?不如来看看作者的经验解读。

数据产品经理的岗位细分中,工具型数据产品是一个偏底层的,离业务相对较远的一个细分领域,比如大数据开发平台、数据资产管理与治理、自助BI和可视化分析产品等方向,都可以归属为工具型产品经理,其本质都是通过系统工具的建设,来降低数据加工、数据管理以及数据分析应用过程的人力与时间成本,提升各个环节的效率。

一、工具型数据产品的优点

一般来说,一个数据驱动的中大型的企业会选择自建一些大数据相关的工具,主要面向企业内部的员工进行使用,所以相比较其他方向的数据产品以及业务产品,工具型数据产品的优点主要体现在以下几个方面:

1. 迭代节奏和工作压力相对较小

内部的工具优先考虑的是可以实现基本的功能,只要主流程可以跑的通,界面丑一点,体验差一点是可以接受的,毕竟还要把有限的研发资源投入到离业务更近、收益更直接明显的项目当中去。

所以,用户以及管理层对于这类产品的包容度非常高,一旦资源冲突时,只要这个功能不影响使用,那么需求的优先级肯定是靠后的,这类产品经理的心理压力相比较业务产品要小很多。

2. 重流程轻业务,行业切换成本低

工具嘛,只要功能具备,就可以上手使用。斧头在花园里可以砍树,在原始森林里也可以砍树。

在不同行业、不同场景下,产品大同小异,所以工作了几年积累了一些工具产品的建设经验后,换到一个新的公司,不用花费很多的时间去深入了解业务,基于产品工作流程和方法,把核心用户以及需求痛点搞清楚,结合过去的经验就可以很快上手了。

3. 产品相对固定,且行业成熟度较高,可以快速复制学习

不管是互联网行业还是传统行业,对于数据加工处理应用的主流程和架构相差不大,所以工具类数据产品常见也就那十几二十种。且目前一些云厂商或者专注于企业数据服务的商业化数据服务商都有比较成熟的产品,可以体验试用,参考竞品,照猫画虎地规划和设计一款产品,相对还是比较容易的。

二、工具型数据产品经理的职业天花板在哪里?

如果你当前是一个工具型的数据产品经理,不妨问下自己,等这个工具建设的足够完善了,你还可以做哪些事情?还有多少新工具可以做?还是说可以安然享受产品的修修补补的一些小的迭代优化?

所以相比较贴近业务方向的产品,工具型数据产品经理的天花板还是非常明显的,就是等到工具逐步完善之后,你的价值度会逐渐降低,换一个新公司再去搭一套同样的产品吗?虽然熟能生巧,但是你可能会遇到职业倦怠期。

1. 工具产品的成就感曲线是递减的

从无到有去建设一个工具,收益价值最明显,得到的鲜花和掌声最多,随着基础生理需求的满足,用户开始追求尊重或者自我实现需求的时候,对于工具的要求会更高,开始吐槽产品难用,但是你却没有那么多资源优化,比较非商业化的内部产品,体验和UI是很难排上优先级的。

2. 工具会逐步完善或者趋近饱和

工具的迭代更新速度比业务变化慢很多,这是工具产品轻业务的属性决定的,一个通用的工具可以支撑公司不同的业务,一旦基础的工具设施建设完备之后,再去创新一些新的方向就很难了。当需要你做的需求变少了之后,产品以维护为主,那么你就要考虑换个方向或者等着被优化填单子了。

3. 不是所有的公司都愿意重复造轮子

市面上成熟的商业化产品那么多,不是所有的公司都愿意自己投入研发人力和时间成本去自研产品的,比较商业化的既便宜又好用,一个成熟的BI产品也就几十万的成本,自己研发至少需要2个研发,一个PM搞个小半年才能满足基础的分析需求。越来越多的公司更愿意快速的开箱即用,所以工具型数据产品的机会相对较少。

三、天花板要怎么突破?

对于工具型数据产品经理来说,首先需要把当前方向的工具做深做专,最好能够基于特殊场景做一些功能创新,而并非照抄竞品,形成自己对这个方向的工具、流程的独特见解。其次,工具做到一定深度之后,可以考虑往两个方向去拓展技能领域。

1. 向下是数据资产管理与治理

现在很多企业在搞数字化转型,国家层面十四五把数据作为战略级资产,从过去一二线智慧城市到现在的区县、乡镇数字化,从各种各样杂乱无章的数据,到能够形成有价值的数据资产,还是有一段距离的。

所以,可以尝试,跳出工具思维,考虑怎样才能帮助公司去建立一套高效、可用的数据资产管理体系以及数据规范化治理的相关标准。一些职业技能培训机构搞一些DAMA认证,其噱头也是因为这个方面的人才缺失。

2. 向上贴近业务以及数据价值输出的应用场景

数字化转型的本质不是说需要各种工具,如果说你找一个想要进行数字化转型的CEO说我给你做一套从数据采集到BI分析应用的工具吧,他肯定不会买单,因为他需要的是结合业务场景的数字化解决方案,可以帮助他去节省企业经营的各个环节的人力、财力成本,他希望看到直接的收益指标,为了达到这个过程需要相关的工具支持,他是乐意接受的。

从这个角度讲,多一些行业、业务场景的理解,可以形成工具外的特有竞争力。

四、总结

通用的、标准化的流程或者工具是很容易被取代,用数据去分析和解决业务问题创造直接的金钱收益的经验与能力积累,才是数字化转型人才的核心竞争力。

专栏作家

数据干饭人,微信号公众号:数据干饭人,人人都是产品经理专栏作家。专注数据中台产品领域,覆盖开发套件,数据资产与数据治理,BI与数据可视化,精准营销平台等数据产品。擅长大数据解决方案规划与产品方案设计。

本文原创发布于人人都是产品经理,未经作者许可,禁止转载。

题图来自 Unsplash,基于CC0协议。

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 治理在大部分公司都是深水区,触及利益、改变流程、业务难支持 都是阻碍,而且对于产品经历来说这些阻碍更致命。

    来自河北 回复
    1. 讲到点子上了,赞一个

      来自广东 回复
    2. 数据治理得从上往下去推动,靠几个产品是不可能的

      来自广东 回复