一、如何做一個好的數(shù)據(jù)產(chǎn)品經(jīng)理？

PD（指產(chǎn)品經(jīng)理，下同）本身就是在做牛做馬，關(guān)系圈異常復雜。數(shù)據(jù)PD也不例外。而且打交道的人更多。以下是我用PPT繪制的數(shù)據(jù)產(chǎn)品經(jīng)理關(guān)系圈。如果你也做過 數(shù)據(jù)產(chǎn)品的產(chǎn)品經(jīng)理（好拗口），相信也有同感。既然要和這么多人打交道，要推動數(shù)據(jù)產(chǎn)品的上線，數(shù)據(jù)產(chǎn)品經(jīng)理自然有著一定的要求。

我的體會如下——也借此去鞭策自己在朝這個方向努力：

1.要極其熟悉公司業(yè)務及動向。

所以要了解公司的商業(yè)模式、戰(zhàn)略、以及業(yè)務流程、要考核的各種指標，以及指標背后的業(yè)務含義等。這一點，再了解都不夠。

2.要了解數(shù)據(jù)分析。

好的數(shù)據(jù)PD，即使不做數(shù)據(jù)PD，也應該是個數(shù)據(jù)分析師。數(shù)據(jù)PD的一大要務就是將數(shù)據(jù)分析做成可復制，可自動運轉(zhuǎn)的系統(tǒng)。雖然有數(shù)據(jù)分析師們圍繞在自己周圍，但是自己也要清楚業(yè)務的問題，分別要看什么數(shù)據(jù)，或者當數(shù)據(jù)出現(xiàn)后，意味著業(yè)務出現(xiàn)了什么問題或者會出現(xiàn)什么問題。這一點，要向最好的數(shù)據(jù)分析師們看齊。

3. 要了解數(shù)據(jù)倉庫及商務智能。

這 兩個關(guān)鍵詞背后都是龐大的體系，恐怕我短短半年的轉(zhuǎn)崗時間太短，雖然能夠?qū)e人講解一通商務智能產(chǎn)品的架構(gòu)。嘴里雖然會拋出若干個類似于匯總，鉆取，度 量，指標，維度，緩慢變化維，層次，屬性，儀表盤等等術(shù)語，但是也不支持多幾層的知識鉆取，遇到異常問題，也不知道該從什么地方分析原因。幸而身邊有數(shù)據(jù) 倉庫的同事，可以多多學習。這一點，沒有天花板。

而商務智能，做為一門學科，起源于20世紀90年代，它的出發(fā)點是幫助用戶更好地獲取決策信息，最初商務智能的動機是為用戶提供自助式的信息獲取方式，這 樣，用戶就可以不用依賴于IT部門去獲取定制的報表。（引自《信息儀表盤》一書P41）。而如今，商務智能除了提供信息，更主要的是降低用戶獲取數(shù)據(jù)的門 檻，提升數(shù)據(jù)的實時性等方面。從降低用戶獲取數(shù)據(jù)的門檻一個方向，我們就可以做很多事情，比如如何設計信息儀表盤（designing of information dashboard）？如何讓數(shù)據(jù)以更親和的更直觀的方式展示（數(shù)據(jù)可視化）？如何能夠讓用戶離線訪問？如何能夠?qū)崿F(xiàn)警戒數(shù)據(jù)的主動發(fā)送？這一點上，花多少功夫都不多。

4. 要精通數(shù)據(jù)產(chǎn)品開發(fā)流程。數(shù)據(jù)開發(fā)+產(chǎn)品開發(fā)。

數(shù)據(jù)PD的最終目的是要做數(shù)據(jù)產(chǎn)品。這里要拆開看，其一，數(shù)據(jù)產(chǎn)品本身也是在線可供用戶實現(xiàn)的產(chǎn)品，既然是產(chǎn)品，產(chǎn)品的整套研發(fā)思路和普通的產(chǎn)品沒有太大區(qū)別，用戶是誰，他們需求是什么，滿足需求需要什么featurelist，每個feature list的資源評估以及優(yōu)先級如何，產(chǎn)品的生命周期如何？這是產(chǎn)品開發(fā)。然后他是個數(shù)據(jù)產(chǎn)品，意味著這比普通的產(chǎn)品，多了更多的要求。在數(shù)據(jù)這個內(nèi)核之外，它需要各種feature list，如訂閱，搜索，自定義，短信接口，郵件接口等。但是數(shù)據(jù)這個內(nèi)核，也需要一套數(shù)據(jù)開發(fā)流程。

比如：

數(shù)據(jù)源——是否足夠，是否穩(wěn)定

數(shù)據(jù)PD需要足夠了解目前的業(yè)務處理系統(tǒng)建設情況，以及數(shù)據(jù)源的積累程度，用以判斷數(shù)據(jù)產(chǎn)品的建設時間是否合適。不合適的時機會導致項目組的重復勞動和殘缺 的數(shù)據(jù)產(chǎn)品誕生。數(shù)據(jù)產(chǎn)品是用以支持監(jiān)控，分析，決策的，而業(yè)務處理系統(tǒng)的定位在于提升工作效率，解放工作人員手腳。業(yè)務系統(tǒng)采集的數(shù)據(jù)未必滿足所有分析 需要。比如或許領(lǐng)導要分析大量攀升的退換貨的詳細原因，而業(yè)務系統(tǒng)目前并沒有要求用戶在申請退換貨的時候選擇原因或只有輸入而非標準化選項，負責退換貨出 力的員工也只有在excel里登記原因，而不是錄入到系統(tǒng)里。所以可能會導致需求方要看的數(shù)據(jù)提供不出來，那么數(shù)據(jù)pd就有必要反向驅(qū)動數(shù)據(jù)源得以采集。

分析模型的設計—— 分析模型的好與不好，其實決定了數(shù)據(jù)產(chǎn)品的成敗。

在 項目中，可以由BI的數(shù)據(jù)分析師們擔綱此職責，也可以由數(shù)據(jù)PD擔綱，更多則由雙方一起確認，內(nèi)容以數(shù)據(jù)分析師們?yōu)橹?，功能評估及優(yōu)先級、項目計劃和協(xié) 調(diào)、統(tǒng)籌以數(shù)據(jù)PD為主。所以數(shù)據(jù)PD要更加清楚數(shù)據(jù)分析師們所需要的需求是否能夠?qū)崿F(xiàn)，背后的商業(yè)價值如何，并與數(shù)據(jù)開發(fā)、產(chǎn)品開發(fā)保持比數(shù)據(jù)分析師們 更加通暢的合作關(guān)系，能夠借力進行可行性和資源的評估。

有的時候，我們不是沒有數(shù)據(jù)，而是有了太多的數(shù)據(jù)，不知道怎么去看。如果只是拋給用戶一堆數(shù)據(jù)，很難想象用戶會如何去解讀它。以前做交互設計的時候，我們流行一句話：把用戶當成傻瓜。

而數(shù)據(jù)平臺，因為可能本身就要求有一定的使用門檻，所以想成不會互聯(lián)網(wǎng)的傻瓜不太現(xiàn)實，那么我們就要想成“用戶是不懂數(shù)據(jù)的傻瓜”。他們或許也能通過一串串 數(shù)據(jù)體悟到什么，但是如果是一條上升的退款率趨勢線，或許他們會體悟到更多——畢竟，上和下本身就是直觀的。然后再想一下，如果將這條線上加上一條警戒點 的線，他們會知道從什么時候開始數(shù)據(jù)是異常的。再然后，就要設想，當他發(fā)現(xiàn)從7月12日數(shù)據(jù)上升后，想干什么？他會不會想了解是哪個行業(yè)上升了？他會不會 想了解是那個渠道上升了？那么，就要提供行業(yè)和渠道的選項或者對比給他。

再然后，當他過問了這個行業(yè)的負責人后，負責人想不想再了解是哪個供應商或者哪類商品上升了？那么要如何將這些維度、層次都融合在一起，同時又能將用戶非常 方便地去用呢？分析模型的建設至關(guān)重要，也可以說，分析模型是前期需求分析的最有價值的產(chǎn)物。分析模型應該會包含幾點：

主題的劃分：

整塊分析會劃分成什么主題，比如銷售可能會分成銷售走勢及構(gòu)成分析，行業(yè)排名，商品排名等

度量及指標:

分析主題會涉及到的度量及指標的算法、定義等（這通常會產(chǎn)生一份指標以及維度的定義及描述文檔）

維度：

要分別從什么維度去看這些指標和度量，如時間，渠道，這些維度是要篩選還是要對比

鉆?。?/strong>