如何一步步从数据产品菜鸟走到骨干数据产品？

网上关于数据分析师的文章很多，但是关于数据产品经理的文章很少，所以经常有各个领域的垂直网站来和我交流，问我数据产品应该怎么做，人怎么培养，团队应该怎么建。所以我就把别人的问题、自己的回答，结合自身的成长经验，做了一个课程。后应PMCAFF之约，在这里把课程讲稿连载。

一、数据产品工作简介：

1.     数据产品经理的概念和范围：

首先，思考两个问题：

你心中的数据产品都包括哪些？

你认为数据产品经理是做什么的？

至少，我每次介绍自己是数据产品经理的时候，经常收到别人问：

我有**问题，能帮我看看怎么回事么？这个数据为什么会变成这样？

我：%￥……#%￥@；

好，大家一起和我念：数据产品经理不是数据分析师，数据产品经理是产品经理的一种，数据分析是产品经理的核心能力之一，产品经理是数据产品经理的核心能力之一。

首先，数据产品经理必须了解不同的公司，在不同的阶段，需要哪些数据产品，并能够制作出来，这是此职位的核心要求，也是我本系列文章重点介绍的部分。

其次，数据产品经理必须有足够的数据分析能力，所以，我会讲一些数据分析的基本思路和方法论。如果有了数据分析的思维，再跟公司业务结合就会比较容易。

最后，数据产品经理是产品经理的一种，所以要同时具备产品经理的能力：了解用户，需求调研，方案设计，协调技术、测试、设计等，不过这些网上有很多文章了，所以我只会讲数据产品更需要注意的地方。

2.     数据产品的种类：

在公司中，能够发挥数据价值的产品，即是数据产品；

一般，主要从用途来分，分为以下两种：

分析类产品：通过数据的计算和展现，帮助业务进行分析、决策的产品，大概包括以下几类：

流量分析产品：可以帮助产品经理进行页面设计、功能改进和改版评估等

销售分析产品：可以帮助运营分析

这两个产品都是公司的必备，对公司各部门都有较大帮助：

帮助产品经理进行页面设计、功能改进和改版评估等；

帮助运营人员做用户分析、活动分析等；

帮助市场人员做投放分析优化等；

当公司某一块业务比较重要，又有专门的部门负责时，一般会把数据分析系统独立出来，比如：

供应链分析系统；

客服分析系统；

会员分析系统；

 算法类产品：通过数据的计算，直接更改页面的逻辑的产品，成为算法类产品；

比如：

个性化推荐；

搜索；

用户画像；

程序化购买广告；

等

这两种是根据公司的情况来，区别并不是很明显，而且会不断演变。

比如：

对供应链支持的，可能最开始是销售分析系统里，一个库存分析的报表而已；

后来，加入了各种补货预警、成本分析等报表，就变得很复杂，独立出来成为系统；

再后来，选品和销售预测，都是需要较强的算法支持，就变成了一个算法类产品。

在很多时候，我们进入的都不是BAT，而是一个垂直领域的领头公司，独角兽公司，这是很不错的选择。但是这种公司都不会一上来就配备很大的数据团队，可能也没有非常懂的领导，这时候需要数据产品经理不断规划数据产品的未来，从而协调资源。

所以一个数据产品经理，不仅要了解各个数据产品，还要了解，在公司什么样的情况下，这个产品以什么样的形态出现。三个月后，公司可能会什么样，需要什么样的数据产品。

这样，你才可以去申请技术人员和其他资源。

二、 分析类产品

1.     定义和能力模型：

首先说定义，什么是分析类产品？

可以挖掘数据背后的价值，并通过数据的展示，为使用者提供帮助，即数据产品。

一个数据产品经理的能力模型如下：

数据分析的能力；

商业模型的理解能力；

需求分析和调研的能力；

数据展现的能力，即可视化的能力；

2.     数据分析的能力：

在我年轻的时候，在团队中处于打头阵的状态，基本上老大有什么新的产品了，会先派我去做。等我做的把坑趟的差不多了，就交给别人，换下一个产品，所以我真是做过很多产品和页面。后来总结出做分析产品的一个套路来，如下：

首先讲一个数据分析框架，这基本上被我适用于公司很多业务上：

这是一个数据分析师的经典的分析过程。首先，为这个部门收集一些信息，帮助制定关键指标，其次，监测指标完成的好坏，并发现问题，然后，分析影响KPI完成的原因。最后，给出解决方案。

数据产品经理要做的是什么呢？就是把这个框架中的每个过程总结出来，梳理清楚，每一步，都需要哪些数据、哪些指标，怎么展示，用图还是用表，用什么图。然后，再综合开发资源、上线时间等，最终决定产品是什么样。

我以淘宝给卖家做的一个产品为例，来讲解这个过程：这是一个给管理团队和运营团队看的日报:

首先，日常监测：他们选的是访客数、浏览量、实付金额、支付转化率、客单价、退款金额、服务态度评分七个指标；

我们给每个部门做产品时，都需要首先制定核心指标。有很多时候，业务部门自己会提需求，但业务部门只能想到最直接的，很可能他们部门很严重的问题，会漏掉。

从部门价值上来考虑：

资本方给公司的要求是什么？

哪些指标影响了估值？

你目前在分析的这个部门，可以承担哪些影响估值的指标？

哪些其他指标可以为这个指标服务？

从用户行为来考虑：

用户如何来到这个页面/这个流程？

他都进行了哪些操作？

都经过了哪些步骤？

从哪个环节流失？

整体流程上，用户最关心什么？他的时间？更好的服务？更多的选择？

当然，还有很多维度可以考虑。

这样分析下来，该部门的核心指标就找到了。

对于部门来说，核心指标是比较好找的，可以跟部门老大合计，看他侧重哪方面即可。

对于为管理层做决策来说，就相对难了一些，在国内现在的形势下，可以多了解资本市场的分析逻辑，多了解管理层的现在的关注重点。

因为即使管理人员，做企业时，也是摸着石头过河，也在不断的学习，可能这个阶段学习的是一种商业理论，在另一个阶段学习的是另一种商业理论。所以相关的商业理论要了解，才能给抽象成报表、甚至分析页面。我为此曾经学过很多，balabala的。

发现问题：达成情况、情况好坏；同比、环比、定基比；

继续看这个页面，数据分析方式怎么用到页面设计中。

同比：较上周同期；

环比：较前一日；

定基比：将行业中所有的卖家分层，用和该店类似的卖家的核心数据，来做对比，从而知道自己的优缺点。

定基比中，我见过最好的，是淘宝的产品。我当时在代运营公司，确实卖家就想知道，哪些跟自己差不多的，比自己好一些的卖家，他们的一些核心数据是什么样的，我的数据到底改善空间有多大。

当然作为平台，可以做的更好一点：比如，我们同省市的卖家，大概的数据是多少。像我们去山东谈酒类企业，他们其实就很关注其他山东的酒在网上的受认可程度。太大的品牌，给他们的借鉴意义毕竟小。

当指标和分析方式都比较多的时候，用户看到页面，就会看到很多数据，但是不知道看什么。这时候就要用一些可视化的方式，突出重点。比如，用红色叹号，将下降较多的指标标出来。

分析原因：在产品设计中，通常要把影响指标达成的原因，也列在这个页面上，以供使用者参考。当然影响因素会很多，所以产品经理首先要收集齐全影响因素，然后再把关键的、核心的因素挑出来。

比如某个地区的月初退货率忽然增长，就要收集原因，可能如下：

管理：

当地销售人员刷单，为了达成上月业务目标，月初退货；

 部门人员，有的比较能干，有的比较弱，导致了整体数据的达成不好；

商品：新上的商品质量不过关；

促销：邮费政策、价格政策的变动；

外部原因：

*  京东做了一场大促，把价格给打下来了；

*  忽然爆发了商品的替代品，原有的优势品类衰退；

*  天气原因：当地下了一场大雨，导致送货速度降低，顾客不满意；

*  广告投放合作方临时变化（可能）

这些原因，哪些可以量化呢？哪些发生的几率比较大，而现在并没有这样的数据可用查看？这些原因，在产品设计中，就可以做成数据下钻的报表，以方便了解详情；

如上图所示，拿红圈圈起来的，就是原因分析这一步在页面上的展示。当你看到一款商品数据有问题时，既可以进入商品温度计，查看商品的每个环节（标题、商品页面设计等）到哪哪里有问题，还可用进入单品分析，查看流量来源等；

解决方案：

一般来说，我们建议数据产品经理做到原因分析这一层，就足够了。因为解决方案没有一定之规，不仅跟公司战略有关，还和业务团队的leader喜好，部门的发展情况有关。如果没有一定的高度，可能做出来的并不是很好用，并且所以一般不建议产品经理直接做到解决方案这一步；

但是，如果能够做到，那么你整个的产品的质量和可用性，都会有较大提升。能够做到解决方案，说明你真的明白你的数据的价值是什么，用来解决什么。

解决方案分以下几类：

直接营销：在会员系统中，在不同的分析页面，配上不同的营销方式。点击可以对相应的用户进行营销；

管控：通过管理制度解决，比如，建立末位淘汰制，将打包能力差的人员淘汰，替换成打包能力强的人员，就可以提升打包时间，这样解决方案就是多一张监督打包人员的表；

预测：以现在这样的速度，预测未来会发生什么，需要做什么补救。这是我当初给仓储提的一个方案。具体忘了。

另外还有一些，是数据出来后，数据产品经理可以去推动的。

通过招聘解决：有一些问题，大家都看得到，为什么没有解决，很大程度是因为没有能做这些事情的人；

通过系统来解决：将一些人工频繁操作的，做成系统，可以提升效能，节约成本；用更智能的系统，替代掉原有的人工的模式；比如，首页的转化率比较低，试着将一些坑位变成千人千面，看是否能增加转化率；

通过战略来解决：比如，原有的模式是以采定销，采购人员认为什么好卖，就进什么货，这样的好处是可以压低进货价，坏处是积压库存；如果将整个商业模式改成以销定采，则可以根据市场需求，来确定进货量的多少，从而达到降低库存的目的；

提出解决方案，有一个非常重要的前提，就是找到解决方案的负责部门：

作为内部的分析产品，我们建议以部门为一个单位目标用户群体，比如：市场部、仓储部、客服部、运营部；毕竟，公司把一块业务流程让一个部门负责，本身一般意味着这块流程的独立性，并且说明有人为这块流程负责；

要点一：有人负责，这很重要。我们曾经分析过库存问题，当时已经很严重了，但是公司没有部门对此负责时，推动非常难。

要点二：有一些指标，大家都知道是核心指标，但是没有人负责，也许是因为有更重要的事，也许是因为没有想好如何将该目标拆解下去，分给哪个部门。

如果是前者，就要再找一些数据来，证明是否是核心指标，比如后来我们拿到了京东和聚美的库存周转率，这些数据都和酒仙网有鲜明的对比；

如果是后者，就要看拆分的维度。比如库存问题，是拆给运营部门，还是拆给采购部门，解决的方案是完全不同的。

PMCAFF  杨楠楠  原创，未经许可，禁止转载，违版必究。