写给数据产品后浪们的修炼指南(二)能力篇

0 评论 629 浏览 7 收藏 20 分钟

有意投身数据产品经理这个岗位的同学,可以选择往哪些方向搭建自己的能力体系?这篇文章里,作者尝试对数据产品经理的能力模型做了拆解和释义,一起来看看吧。

本篇为系列的第二篇文章,对数据产品经理的能力模型进行拆解和释义,能够帮助有意投身此行业和方向的同学们有意识地搭建和加强自己的职业技能树,以实现更好的职业发展。

一、专业能力

1. 通用产品能力

所谓通用产品能力,即是指仅作为一个产品经理,不论是任何细分方向或行业的产品经理(数据、C端、B端抑或是金融、政府、工业互联网等)都应该具备的最底层最通用的能力。

如下图所示。

所以,不管您目前是在做哪个类型或者哪个行业的产品经理,这些通用能力的积累和修炼都是必要的,属于产品经理的基本功范畴。

2. 数据方向能力

接下来的几个小节,才是我们今天要说的重点,关于数据产品经理需要做好哪些专业且纵深的能力修炼。接系列的第一篇(《写给数据产品后浪们的修炼指南(一)科普篇》)文章中所述,我们将数据产品经理按其工作方向细分为了三类,因此,我们也将分类讨论每一类数据PM的能力图谱。

1)数据体系能力

首先,我们的数据体系产品经理应该具备一些什么样的能力呢?作为“天条制定者”,他们需要制定规则来指导整个航船的行进策略执行,包括行进方向、距离、时机等。那么,这就要求他们必须在了解目的地在哪里的同时,知晓走哪条路才能抵达。对应到数据业务上,其实就是需要了解(要真正实现帮助,乃至驱动)业务需要什么数据?怎么把这些数据提供出来?

要做到这个目标,由浅及深是需要具备以下几个关键能力的:

① 数据分析

看到这个关键词,读者或许会产生一个疑问——不是有专门的数据分析师吗?那数据产品经理再掺和进去,那不是能力资源浪费并且工作边界会打架吗?

有这个疑问是很正常的,但数据分析本身除了是一个工种之外,也是作为商业社会任何一个职场人都可以具备的一项工作技能和思维习惯,对数据产品经理来说,就更是这样了。数据产品经理的工作中是一直在跟数据打交道的,具备数据分析的能力和习惯可以说是必须的,也会对工作开展和取得成效大有帮助。

怎么提升数据分析能力?阅读数据分析类书籍,如《精益数据分析》;认真研读数据分析师出的专业数据报告并展开探讨等都是行之有效的方式,但最重要的还是自己有意识地在工作和生活中培养数据分析的习惯和“用数据说话”的思维方式。

② 业务梳理

不止是数据工作,即便是目前已发展得更为成熟的信息化项目,将业务线上化、系统化的这类工作同样是需要经过业务梳理的。

首先,要做的是在跟业务团队(管理角色和执行角色)一轮轮地进行沟通访谈,以此为信息来源再结合对业务的自我消化理解逐步梳理出“业务流”,再在“业务流”的基础上标注出“业务痛点”,与业务团队进行确认。之后就是基于“痛点”转化为“需求”。比如你做的是微信业务,那么你需要先梳理出如下图所示的微信业务架构图。

③ 指标体系搭建

当我们完成了业务梳理,把“业务痛点”进一步转化为“数据需求”之后,其实我们已经获得了关于“目的地”的初步信息——我们知道了业务要看哪些数据。

但此时,这些基于需求提炼出来的数据是零散的,不成体系的,这可能仅仅是世界拼图的其中一个“碎片”,而我们要做的不仅仅是点对点地完成这条“航线”,而是搭建“航线网络”。这就需要我们与数据分析师一起进行指标体系的搭建。这项工作在业界也有较为成熟的方法论和实践了,可参考阿里的OneData。

④ BI工具使用

在整理好指标体系并圈定分期建设重点之后,数据开发工程师们就开始动起来了,如火如荼地开始了面向维度建模的数仓建设。用大白话来说,就是开始“做表”了。

那么在表做好之后,就能够直接给业务方交差了吗?那多半是不行的。易用性对数据团队来说是很重要的一个要求,如果易用性拖后腿,那么即使工程师们的建模再好,表内的数据内容再准确及时,可能在业务方那边也用不起来,而用不起来对数据团队的产出绝对是“灭顶之灾”。

所以,问题在哪?易用性。我们要解决易用性的问题,表面上看我们是要解决数据表的使用问题,而实际上对应的应该是——如何解决“数据的最后一公里”问题?我要把数仓产出的数据以符合一整套业务逻辑且易读易懂的产出物形式交付给业务方。

那说到底,就是BI(商业智能);再通俗点,就是数据可视化。数据可视化的解决方案一般有两种途径:

  1. 包括图表和交互在内的所有页面内容由研发团队自己开发,后端对接数仓数据;
  2. 采用企业自有或外采的BI工具,通过配置化手段实现数据可视化。

很显然,后者相比前者更具备通用性和成本优势。那么这就要求了我们的数据产品经理要熟悉市面上主流BI工具的基本原理,并且会使用它。

⑤ 数据治理方法论

当经验点刷到这里,应该具备能胜任一个中高级岗位的能力了。掌握整套数据治理方法论,熟知数据中台应用架构中的每一层每一块内容,是能够帮助我们了解整个数据工作的逻辑和边界的。

所谓逻辑,即是整个数据的产生-加工-消费链路;所谓边界,即是整个链路中的关键环节要完成的工作和达到的标准。对这一整个知识体系有一个清晰了解和某些板块的项目实践之后,更能够清楚:我们当前在哪里?我们即将去往哪里?我们还需要做什么?这其实是为全局规划服务的。

⑥ 数据标准及规范制定

当能力树点亮到这个,那基本上就能算高级岗位的水平了。这项能力指的是,能够基于数据治理方法论和企业实际情况,制定出一套具备可执行性的企业级数据标准和数据管理规范,一旦发布,大家都要按照这套标准和规范来执行。目的是通过标准化定义和约束数据各环节产出及处理过程,提升企业的数据质量和数据流通效率,保障企业内的数据应用具备高可靠性。

2)数据平台能力

让我们再来回顾一下,数据平台产品经理是干什么的呢?是“方舟打造者”。那么,应该具备一些什么样的能力呢?

首先,需要明确的是:目标是什么?需要打造一艘怎样的“方舟”?答案也很显而易见了,需要提供给业务方使用的应用平台,必须契合业务场景且具备易用性,用户能够快速上手并利用它实现对业务决策的指导和业务执行的赋能,让数据发挥最大的业务价值。这是其一。

其二是给数据团队提供趁手的开发平台,让数据团队可以如“两耳不闻窗外事,一心只读圣贤书”一般地专注在数据需求的开发和模型的设计上,精益求精,提升开发效率。

这就要求数据平台产品经理具备以下几个关键能力:

① 数据平台架构

对数据平台架构的整体认知,了解每一层和每一个模块的定位和关联关系,再进一步就能了解模块之间是怎么协同配合完成数据生产消费链上的对应工作的。这能够帮助数据平台产品经理建立一个整体性的认知框架,知道当下有什么,痛点在哪里,哪些适合外采,各个模块的建设优先级等关键性的内容和判断,对于做好数据平台的规划,制定最优落地节奏是至关重要的。

② 数据开发流水线

数据平台产品经理需要对数据开发流水线了如指掌,即:数据是怎么被生产加工出来成为最终在应用场景下产生业务价值的模样的?通常来讲会涉及数据采集、数据清洗、数据加工(建模)、数据验证和数据上线等节点。

但这其中需要提供哪些支持和服务才能提升开发效率,是需要数据平台产品经理去思考和“因地制宜”的事情。比如数据采集,涉及到哪些数据的采集,原始状态是什么,从哪里产生的?用户行为数据通过埋点采集,那么是否需要做标准和管理?业务数据是从业务系统采集的,那么同步方式是什么?实时还是离线?走读库还是接口传输?等等。

有非常多的问题和场景需要数据平台产品经理理清头绪,结合实际,思考解决方案。

③ 数据资产管理

除了开发流水线以外,数据平台产品经理还必须建立一个认知——数据资产管理。

首先,数据是应该作为资产被管理起来的,所有经手数据团队处理的数据更应该有规范化的资产管理。数据资产管理同时也应该是服务于数据开发流水线的,是作为字典或知识库类型的存在,且这个数据资产字典一旦建立,还可封装为应用类产品向企业内其他用户(除数据团队外)提供资产查询类的服务,如数据地图等,这是具备业务价值的。

数据资产管理中通常会包含元数据管理、主数据管理、数据标准管理、数据模型管理等内容。

④ 质量与安全意识

在数据中台架构中,以上所述的都是存在于架构中的每个分层的内容。但还有两块重要的内容是纵向的,贯穿数据建设工作始终,从数据接入到数据应用的,即为:质量体系和安全体系。

为什么会这样?因为任何一个层次或者说任何一个流水线节点上都可能发生质量事故和安全问题。数据平台产品经理应该清楚地了解数据质量管理管的是什么?至于是通过机制规范来保障还是通过建设系统来强管控,这没有标准答案,具体情况具体分析。同样也应该清楚数据安全又是包含了那些内涵?用户隐私数据保护,企业内数据权限管控,跨平台加解密应用等,一切是为了合法与合规服务的,这同样符合企业利益。《数据安全法》、《个保法》可以一读。

3)高阶前沿技术储备

此类能力主要是针对“智能化应用”这个分支来讲的。需要对一些前沿技术,如智能算法、机器学习、数字员工、AI大模型等有一定的了解,并基于自己的理解,形成自身的知识储备。

① 前沿技术原理

这个说来很简单,但实际是“知易行难”。在业界总会有层出不穷的“新技术”,撩得人实在是眼花缭乱,有些甚至“风很大”,但很多也是“雷声大雨点小”罢了。对于感兴趣的新技术,我建议数据产品经理关注客观的东西,不过多沉浸主观的内容(比如同行的讨论点评等),以朴素的逻辑和“空杯”心态去啃这个新技术原理层面的内涵,从而判断它的含金量、阶段和应用前景。

② 应用方向和场景

对于已有一些应用实践和“头一批吃螃蟹人”的前沿技术,重点在于关注它的应用方向和场景,看一下跟自己所处的行业或在做的方向有没有什么参考或者可结合点,对于数据产品经理来说,新技术最重要的永远不是其本身的学术价值有多高,而是在于应用价值有多高。

二、软实力

以上所说的都是干数据产品这个工作所需要的专业能力,也就是硬核技能。但要想真的把这个工作干得出色,或许软实力才是决定天花板的存在。

1. 沟通与表达的

我想在日常工作和生活中,沟通和表达能力的重要性无需再多言了吧。同样一件事,换个人来讲,达到的效果可能完全不同;同样一个冲突,不同人来处理,可能也是截然相反的结果。

在数据工作中,对于沟通与表达能力,强调的是:上下文、简洁和精准。上下文是指你最好提前收集并理解一些业务背景(组织架构关系、角色人物关系、项目的前因后果、来龙去脉等),这对于你能听懂对方的意思很重要。

简洁和精准主要是针对“表达”提出的要求,首先你的语言要尽可能精炼,所谓的“信息熵”要足够大。其次你的措辞和文字表达要精准,不要犯词不达意、模棱两可的错误。表达最重要的是能让别人理解你的意思,并尽可能地认同你。

2. 文档能力

上文所述的沟通表达多是指口头的能力,也就是说。这里的文档能力则指的是笔头的能力,也就是写。此两种能力如同武林高手的招式和内功,缺一不可,合之则强。如何才能被称为一份好的文档呢?要点在于:

  • 找对并且面向读者
  • 结构清晰
  • 详略有致

3. 汇报意识与能力

产品经理的工作中时常都少不了汇报这么个事。但是对于汇报这件事的认知和意识,千差万别。而这也决定着汇报的效果,听汇报者的感受,甚至是自身的职业发展前景。

除了对个人而言,汇报意识和能力重要性不言而喻之外,对于数据团队,汇报的重要性也常常被忽视。数据团队不同于业务团队,在整个“作战”布局上,是更处于中后方的这样一个定位,相比于听炮火,拿战果的人,是更容易被忽视和更需要被看见的。这就需要数据团队主动地展示自己,包括已建设的各种产品矩阵(开箱即用)、整个应用架构、可为业务赋能的其他能力等。

“酒香也怕巷子深”,不要羞于宣传自己,要主动提高影响力。

4. 情商

关于情商,其他不多说了,就说一点。虽然说数据工作是很严谨的偏专业性、技术性的工作,但在实际落地时,要想达到最佳效果,并不是非黑即白地逐条监督执行规范就可以的。

条例是死的,但人是活的,很多时候要推进工作,更好的方式是润滑和协同,合作大于支配。所以在工作中练就和展现较高的情商,与业务方及协作方维持较好关系,秉承着“功成不必在我”的理念,也就没有那么难搞定的工作。

结语

以上是这个系列的第二篇文章,着重介绍数据产品经理的能力图谱,希望能有所帮助。系列的第三篇文章是实用干货,讲的是数据产品经理的面试要诀,敬请期待。

本文由 @maggieC 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 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. 目前还没评论,等你发挥!