本文也算是一個讀書筆記吧，書名《數據產品經理》，作者梁旭鵬。五一期間，浪尖沒事，就給大家整理些文章，以供大家在大數據的路上走的更明白，更通暢。本文摘自第一章，主要是講大數據發展，數據產品，數據產品經理，數據產品經理的工作日常及數據產品經理應該具備的思維模式。

1.起源于大數據

人人都在說大數據，那么“大數據”這個詞是從哪里來的呢？據資料記載，大數據一詞最早出現在1983年著名未來學家托夫勒在其所著的《第三次浪潮》中，該書提出“如果IBM的主機拉開了信息化革命的大幕，那么‘大數據’才是第三次浪潮的華彩樂章”。隨著計算機和存儲地不斷發展，直到2009年“大數據”才成為信息技術行業中的熱門詞匯，逐漸被人們所知。

大數據時代的到來，首先，離不開不斷發展的計算機存儲能力和完美的計算能力。其次，隨著移動互聯網、物聯網的發展和智能手機的普及，每天無時無刻不在產生海量的數據，有了一定的數據量。就這樣，海量數據與計算能力相結合，大數據計算技術完美地解決了海量數據的收集、存儲、計算、分析的問題，于是，就迎來了我們身處的大數據時代，它讓我們充分地認識到了數據的價值與意義。

隨著移動互聯網和智能硬件的發展，我們的數據會以各種各樣的方式被存儲記錄下來，下面是生活中我們經常會接觸的一些場景。

（1）手機等設備上的各種應用收集了用戶各種各樣的行為數據，用戶每天產生大量的訪問數據，這些數據被某些公司所有，形成大量的用戶行為數據。企業利用用戶每天操作各種App的數據，可以分析或者優化產品。

（2）隨著電子地圖以及導航應用（如高德地圖、百度地圖）的發展，我們的交通出行越來越方便，同時產生了大量的出行數據，它代表的更多的是用戶的出行方式和出行行為，這些數據經過分析和結合具體的業務場景將會產生巨大的商業價值。

（3）在進入社交網絡的時代后，微信、微博、抖音這些應用就從來不會離開我們的視野，甚至占據了用戶大量的時間。掌握這些數據，我們就可以輕易地了解用戶的社交屬性信息，引導更多的人參與其中，創造越來越多的數據，通過分析這些數據可以了解人們的社交關系網和生活、社交習慣，能夠掌握一個人的日常情況。

（4）淘寶、京東、美團等電商的崛起，帶來了大量的網上交易數據，包含支付數據、搜索行為、物流運輸、購買喜好、點擊順序、評價數據等。通過分析這些數據，我們可以掌握用戶的購物習慣和消費情況。

（5）隨著百度等搜索引擎和知識問答社區的流行，用戶的主動搜索點擊行為和提問也匯集了大量的數據。通過這些數據，我們可以了解到用戶關心的問題和日常生活中遇到的各種問題。

大數據領域對人才的標準也隨著其迅速的發展不斷變化，在大數據發展初期，對人才的需求主要集中在ETL開發、數據倉庫開發、Hadoop開發以及系統架構開發等技術領域，以計算機、傳統IT背景的人才為主。目前隨著大數據向各個垂直領域的延伸發展、大數據應用領域的不斷拓展，大數據領域對統計學、數學專業的人才，從事數據分析、數據挖掘、機器學習、大數據項目管理等領域人才的需求加大。本文要重點介紹的數據產品經理，也在這個過程中逐漸走進人們的視線，成為一個新的產品經理崗位。

2.數據產品

要講清楚數據產品經理，首先要弄清楚數據產品經理負責的內容——數據產品。在這些年的工作中，我理解的數據產品是可以發揮數據價值去輔助用戶做更優決策的一種產品形式。它在用戶的決策和行動過程中，可以提供更多的分析展現和數據洞察，讓數據更直觀、高效地驅動業務。可見，數據產品主要消費數據，通過自動化形成穩定的產品形態。顯然，數據分析師經常寫的報告也可以被理解為以數據為主要產出的產品，但并不具備自動化產出的特性。

從受眾用戶群體來看，數據產品可以分為三類：

（1）企業內部使用的數據產品。如自建BI數據分析平臺和推薦系統等，這里之所以提到推薦系統，是因為它與用戶畫像、搜索排序類似的算法一樣，本質上是根據用戶數據和相應的數據模型建立的一套評分標簽體制，也屬于數據產品的范疇。

（2）企業針對公司推出的商業型數據產品。如Google Analytics、GrowingIO、神策數據和BDP商業數據平臺等，它們主要以平臺行為為其他公司提供商業化服務。

（3）每個用戶均可使用的數據產品。如貓眼的實時票房和淘寶指數等，這類產品主要面向普通用戶，而且大部分提供免費服務。

在明確了數據產品的概念之后，我們不禁要問：數據產品是如何產生的呢？我們為什么需要數據產品呢？它的價值在哪里？

數據產品把數據、數據模型以及分析決策邏輯盡可能多的形成一個產品形態，以更直觀智能的方式，發揮數據的價值，輔助用戶更快地做出更合理的決策。

貓眼電影實時票房排名

真正的數據產品是建立在大數據場景下通過數據挖掘并且體現數據價值后的產品化，最后再融合進業務產品流程中做輔助業務和驅動業務發展。

一個好的數據產品需要將用戶的核心需求作為該產品的核心，并且充分發揮大數據的價值，然而，這句話對于每一個數據產品經理來說是不容易做到的。

第一，很多使用該產品的用戶是內部用戶，因為自身的一些客觀原因，他們對數據存儲、指標定義以及數據處理的了解和認識有所不同，所以會有不同方面的需求，這些需求中有很多都是很零散的，很難把握和總結歸納，需要按照統一流程處理。每一個數據產品經理都需要具有提煉數據需求、找出問題本質、推動解決問題的專業能力。

第二，對于一些企業的內部數據產品的用戶來說，他們既是用戶，同時又扮演著同事、老板、朋友等角色，他們本身就擁有一定的能力對產品經理的決策權進行一定的干預，而且經常說自己的需求很重要，這就需要數據產品經理平衡這些矛盾，審視這些優先級。

數據產品經理會更細、更深入地挖掘用戶對數據的潛在需求，分析對業務的貢獻價值，服務于公司內的業務團隊，甚至第三方公司，輔助他們更好地運營，但是沒有脫離產品的本質，核心問題都是解決目前痛點問題和引導用戶的未來需求。

3.數據產品經理

只要具備業務能力、產品能力和數據能力，能滿足數據產品經理基本的要求，有成長潛力都可以成為數據產品經理。

對于業務能力來說，因為每個公司的業務都不一樣，所以能夠掌握一些業務常用的思路和處理能力、能夠在業務中發現痛點，并通過數據產品解決或者輔助解決問題的數據產品經理就是合格的。

數據能力是用數據和事實說話的能力，而不是拍腦袋決定的。例如，有些面試者愛說我覺得怎樣，但是簡歷里面寫的項目沒有任何數據支撐，更別說數據埋點、數據倉庫、基礎的數據處理這些方面的經驗和能力了。

說到產品能力，數據產品經理要能夠把需求產品化，完成基本的需求文檔和評審，并推動產品從需求到落地。如果數據產品經理有一定的產品運營經驗會更好，就可以收集用戶需求不斷迭代產品，同時，也要具有一定的溝通、協調資源和進度把控能力。

數據產品經理在日常的工作中，要與公司的很多同事合作。例如，經常要面對業務方同事、研發工程師等，下圖所示為數據產品經理和他的朋友們。

數據產品經理與其朋友們

其中，距離表示各個職位和數據產品經理的遠近，箭頭的粗細代表日常與數據產品經理溝通的數量，箭頭的指向代表由哪一方主動發起溝通。當然，個別公司還會設置交互設計師、數據挖掘工程師等職位，他們也經常和數據產品經理打交道，上圖只是表示了一些公司通用的職位。

數據產品經理的本質是互聯網產品經理的一個細分領域，其產品的用戶可以是公司內部同事，也可以是外部用戶或者付費用戶，其工作目標是通過數據分析和挖掘，輔助其發現問題，提高決策準確性。為了完成數據產品，數據產品經理不僅要與傳統的研發工程師、交互設計師、UI設計師、用戶研究人員、產品用戶、測試工程師打交道，還需要與數據分析師、數據科學家、算法工程師、數據倉庫工程師等溝通。為了保證溝通中的效率，數據產品經理需要清楚溝通時可能會涉及需求收集、產品實現方式、需求管理、數據產品推動、數據產品實現、數據產品落地與運營等。

日常工作內容：

a.一切從業務出發。收集業務需求，根據需求優先級，整理下一版本的需求文檔，明確產品功能和需求細節，以便盡快定稿。

b.離不開產品原型和需求文檔。做原型設計，設計功能頁面及交互情況，以便數據產品研發工程師更容易理解需求。

c.數據產品經理大約有50%左右的時間都在和研發工程師打交道，無論是前端研發工程師、后端研發工程師，還是數據倉庫研發。工程師，需要組織一切可以組織的研發力量，讓項目盡快交付滿意的產品。當在開發過程中遇到方案里一些細節不明確的地方時，數據產品經理要主動與研發工程師一起解決這些問題。

d.多與用戶溝通。在數據產品上線以后，數據產品的目標用戶主要是公司里各個部門的同事。數據產品有給數據分析師用的，有給各個業務線的同事用的，所以，要聽一聽用戶的聲音，基于用戶需求規劃下一個版本的迭代路徑。

看數據產品的用戶使用數據情況，分析各個功能的用戶轉化和留存情況，匯總迭代方向

4.數據產品經理的思維方式

曾經有人說，產品經理就是發現問題，并制定一套解決方案，組織一些人一起去解決問題，然后再持續不斷地對解決方案進行優化和改進。在這個過程中，產品經理們做了一個又一個項目，迭代了一個又一個產品，積累了很多經驗，在復盤和總結項目的時候，通常會發現有些方法是通用的，對于數據產品經理的日常工作，技能是我們的安家立命之本，但是在技能之上，更重要的是思維方式，它決定了我們做事情的方法、思路。對于一名數據產品經理來說，哪些方法論和思維方式是我們經常會用到的呢？

4.1 歸納與演繹思維

歸納法與演繹法是在寫作過程中邏輯思維的兩種方式。人類認識活動，總是先接觸到個別事物，而后推及一般，又從一般推及個別，如此循環往復，使認識不斷深化。歸納就是從個別到一般，演繹則是從一般到個別。

a.歸納法

歸納法是產品經理思考和總結的有效方法，是經典物理研究及其理論建構中的一種重要方法。歸納法透過現象抓本質，將一定的物理事實（現象、過程）歸入某個范疇，并找到支配的規律性。就像我們在做競品分析的時候，通過審慎地考察各種競品，并運用比較、分析、綜合、抽象、概括以及探究因果關系等一系列邏輯方法，推出一般性猜想，然后再運用演繹對其修正和補充，直至最后得出結論。總而言之，歸納就是從已知信息推理出一個結論。

b.演繹法

演繹就是發散，類似于我們在畫思維導圖的時候，從一點出發，發散出很多相互獨立、不相關的點，再一步步發散出去，不斷窮舉出想到的點。演繹法從一般到個別，即以一般的原理為前提論證個別事物，從而推導出一個新的結論。

演繹的方式：大前提—小前提—結論。

大前提：一個客觀事實。

小前提：屬于上面那個事實的子范疇，子范疇就是其中的一個點，包含在事實的基礎上。

結論：根據相關性得出結論。

在數據產品經理的現實工作中，歸納和演繹的應用是十分廣泛的。一個業務是由很多部分歸納組成的，會受到很多具體化的指標影響，所以在定義一個問題時，我們可以對問題進行歸納。例如，每個電商平臺都會關注交易額（GMV），而GMV又是受用戶流量、轉化率和客單價三部分影響的。其中，用戶流量受推廣來源流量、新用戶流量、老用戶流量等指標影響，跳出率和購物車流失率等指標會關系到轉化率情況，客單價又不是一成不變的，很多時候新老用戶的客單價都不相同，因此可以用下圖進行邏輯劃分。這樣，當交易額出現異常情況時，我們便可以通過圖1-6分析影響交易額的指標，一步步定位是什么原因引起的問題。

交易額的邏輯分層

4.2 數據思維

我們先看一下數據、信息和知識這三個概念。

數據就是數值，是一種客觀存在，是通過觀察、實驗和計算得出的結果，并隨著社會的發展而不斷擴大和變化。特別是在現在的移動互聯網時代，數據不再是僅僅限于字面上的數字，圖片和視頻都是數據，我們開車或者騎行中的軌跡也是數據，甚至身體的健康狀態信息等也都屬于數據的范疇。

信息是對這個世界中人或者事的描述，泛指人類社會傳播的一切內容，它比數據更加抽象。1948年，數學家香農在題為《通信的數學理論》的論文中指出：“信息是用來消除隨機不定性的東西”。信息是被組織起來的數據，是為了特定的目的，對數據進行有關聯的組織和處理，賦予數據以具體意義，從而可以用來回答5W2H中的Who（誰）、What（什么）、Where（哪里）、When（什么時候）的問題。以2018年10月23日通車的港珠澳大橋為例，它是建立在中國境內，連接香港、珠海和澳門的大橋，橋隧全長為55千米，其中主橋為29.6千米、香港口岸至珠澳口岸為41.6千米，這便是由數據表述的有關港珠澳大橋的信息。

知識是通過數據和信息處理以后，被驗證過的，而且是絕對正確的。可見，知識是數據和信息之上的，更加高級和抽象的概念，是基于信息之間的聯系，總結出來的規律和方法論。知識具有系統性、規律性和可預測性，主要用于回答Why（為什么）和How（怎么做）的問題，而得到的知識能夠使我們更加清晰地了解世界和生活，還能夠不斷改變我們周圍的世界。

數據、信息和知識的層次關系和重要性

上圖解釋了數據、信息和知識的層次關系和重要性，我們做任何決策的知識都是要建立在信息的基礎上的，僅僅憑直覺和意識做的一些決策，如果沒有數據支撐，那么是沒有辦法經過積累沉淀下來形成知識的，有些企業只是收集數據，卻不知道怎么用、應該用在哪里。數據如果靜靜地放在那里是沒有任何價值的，有效的數據驅動可以將企業里的數據充分地轉化成信息，并且形成結構化的知識體系，高效地指導企業各個業務快速發展。

另外，當對要解決的問題不能尋找到一個簡單、準確的解決方法時，我們可以通過歷史數據，尋找合適的算法，構建出模擬真實數據的模型，從而預測真實場景下的數據，尋求進一步的解決方案，這就是數據驅動方法的意義所在。雖然這些模型都會有一定的誤差，但是在合理誤差范圍內的結果都可以進一步指導企業做出決策和對業務進行指導。隨著大數據時代的發展和硬件計算資源的進步，我們通過數據生成知識的速度會越來越快、效率會越來越高，在這個高速發展的時代，數據驅動會越來越高效地幫助企業發展，達到用數據匯集信息、通過信息挖掘知識、用數據驅動業務的目的。

4.3 用戶思維

用戶思維是指站在用戶的角度考慮問題，從用戶的問題出發。這里的用戶，可以是使用產品的用戶、公司的客戶，也可以是合作部門提需求的同事，還可以是自己的老板。馬化騰說過，產品經理最重要的能力是把自己變傻瓜。周鴻祎也提出，一個好的產品經理必須是白癡和傻瓜狀態。

產品經理要能夠隨時切換自己的思維方式，能夠隨時從“專業模式”切換到“傻瓜模式”，這就是用戶思維的體現。產品經理要能夠忘掉自己的行業背景和知識積累，以及產品邏輯和實現原理，變成對這個產品一無所知的“小白”。

用戶思維一般只關注用戶的需求和想要的結果，以用戶需求為導向，不會太關注執行和實施的過程。

以大數據分析平臺為例，用戶的思維如下。

昨天上線了一個活動，我打開大數據分析平臺，就想看活動的數據情況。

在這個思維模型里，用戶的預期是直接獲取上線后活動數據的情況，讓他快速了解活動的效果，盡快做出決策。所以在這個過程中，我們所做的任何工作都是從用戶的這個核心需求出發的，并且實現這個核心需求的目的路徑越短越好，用戶的整個思維體現可以用下圖表示。

大數據分析平臺的用戶思維體現

如何掌握并熟練應用用戶思維呢？首先，要在心里時刻想著用戶，牢記用戶的需求，以“小白”心態理解用戶的需求，并在整個產品設計、推廣過程中，復盤自己是否體現了用戶思維，有沒有以用戶為導向。然后，融入用戶真正的使用場景中，只有這樣，你才會作為一個真正的用戶體驗產品和服務，當遇到一些痛點時，才會意識到產品需要改進的地方，才能真正體會用戶思維。最后，要多和用戶打交道，定期進行用戶需求調研訪談，這樣才能準確地把握用戶思維，真正做到以用戶思維為導向。

4.4 產品思維

用戶思維只關注產品功能，會把需求簡單化，而工程師的工程思維會關注工程實現，就會想到具體的實現細節問題，所以如果讓用戶思維的人和工程思維的人直接溝通，經常會看到吵得不可開交的場面，最后爭得面紅耳赤，仍然不能解決問題。這種情況導致的最終結果要么是無休止的無效溝通，項目很難實施，要么是交付的產品很難用，不能滿足用戶的需求。這時候就需要具有產品思維的人，也就是產品經理，在需求上進行把控，在表現層盡量向用戶思維靠攏，又要盡可能地考慮工程實現，把需求具體化成嚴謹的邏輯表達出來。這樣，就彌補了用戶思維和工程思維之間的鴻溝，在用戶思維和工程思維之間構建了一個橋梁，保證了產品的順利實現。

業務方用戶作為產品的需求方和最后的使用者，不會參與到產品的具體實現過程中，而負責產品實現的，是程序研發工程師、UI設計師、交互設計師、測試工程師和產品經理等。產品經理在整個過程中，作為需求方的代言人，代表的是用戶的利益，所以要具有一定的產品思維，能夠把用戶思維轉化為產品原型或者項目方案，讓具有工程思維的研發工程師更容易理解和接受。只有真正具有產品思維，做出來的產品才能更方便用戶使用，才會在產品設計中以用戶思維為導向。例如，在大數據分析平臺中，用戶對數據的需求基本上就是能夠很快地找到自己關心的業務報表，直觀地獲取數據信息，并根據數據指導業務決策，產品思維在設計報表功能中的體現下圖所示。

產品思維在設計報表功能中的體現

需要注意的是，這里的用戶不僅是業務用戶，還要考慮老板的意見、運營的想法、數據分析師的需求和自己對產品的規劃。產品要經過交互設計師、UI設計師在交互和頁面上優化，并通過工程師的程序實現，最后交付用戶使用，并根據用戶反饋繼續迭代。

用戶思維代表的是用戶的心理模型，產品思維代表的是假設的用戶模型，工程思維代表的是真實的實現模型，這三種思維方式對產品經理都很重要，而且產品經理要善于轉換思維。在我們擅長的領域，我們的思維往往是產品思維和工程思維，當轉換到不懂的領域時，看待這個領域事情的思維就變成了用戶思維，要時刻保持一個空杯心態。

4.5 工程思維

工程思維主要關注的是項目實現的過程，包括項目的方案、項目排期、項目進度跟進、項目執行等，是一種更加關注細節邏輯、更加嚴謹的思維方式。比如，要開發一個大數據分析平臺，如果單純用用戶思維看，那么很可能只關注表面的功能，其實這只是項目中很小的一部分，還要關注系統架構選型、后端功能實現、系統的適配性、服務的穩定性、查詢速度等一系列問題，它還原了產品具體實現的本質。

以大數據分析平臺報表展現功能為例，如果數據產品經理只有用戶思維，那么只會關心報表展現哪些單圖內容、都有哪些篩選條件。可是，如果數據產品經理用工程思維看，就要考慮這個功能具體是如何實現的，要能夠知道大概的步驟和方式，就會考慮如下步驟實現：

（1）根據頁面ID獲取Dashboard配置；

（2）根據Dashboard頁面配置渲染頁面；

（3）根據圖表ID獲取圖表配置項；

（4）創建報表中的自定義圖表，并進行渲染展現。

用流程圖展現下圖所示，數據產品經理如果有很好的工程思維，那么會更容易與研發工程師溝通，并確保項目在合理、可控的基礎上順利進行。

大數據分析平臺報表展現的工程思維體現

4.6 others

當然，還有一些思維方式和方法論也是每一個產品經理在工作中經常用到的。例如，產品經理要經常寫PRD，那么PRD要以怎樣的思路來寫，這里就要用到5W2H分析法。

在實際應用過程中，5W2H分析法非常簡單、方便，易于理解、使用，并且富有啟發意義，對于決策和執行性的活動措施也非常有幫助，也有助于彌補考慮問題的疏漏。

5W是Who、When、Where、What、Why，2H是How、How Much，如果大家覺得這么多英文比較難記，下面的例子可能更便于理解：因為之前的手機摔壞了（Why），小王（Who）于2018年11月11日（When）在天貓商城（Where）通過秒殺活動（How）花費了9000元（How Much）購買了一臺iPhone XS（What）。我每次在寫需求文檔之前都會在心中默念一遍5W2H，等想清楚了再開始寫。有了5W2H分析方法的幫助，我們在寫PRD和思考問題的時候，就不用怕遺漏而被程序員追問了，因為他們問到的我們都提前想到了。

接下來，介紹產品經理的目標管理工具——SMART（S=Specific、M=Measurable、A=Attainable、R=Relevant、T=Time-bound）原則。它是使產品經理的工作由被動變為主動的一個很好的管理手段。具體的含義如下：指標必須是具體的（Specific）；指標必須是可以衡量的（Measurable）；指標必須是可以達到的（Attainable）；指標是實實在在的，可以證明和觀察的，并和其他指標有一定的相關性（Relevant）；指標必須具有明確的截止期限（Time-bound）。

有了SMART原則，我們在復盤總結的時候，就有一個可參考、可量化的方法，讓我們的總結與評判更理性和更貼近真實。

產品經理與程序員溝通（項目管理）的必備方法——任務拆解法。任務拆解法是一種處理方法，指的是目標→任務→工作→活動。產品經理要學會拆解任務，只有將任務拆解得足夠細，才能做到心中有數，才能有條不紊地工作，才能統籌安排時間表。你是不是在工作中遇到過如下場景：“這個需求一周能做出來嗎？”“不行，需要兩周，這個功能太復雜了。”“十個工作日怎么樣？”當與程序員討價還價時，你感覺既心累又無力。如果你學會了使用任務拆解法，那么對話很可能就是下面這樣的：“這個需求一周能做出來嗎？”“不行，需要兩周，這個功能太復雜了。”這個時候你慢慢地拖來一把椅子，坐在他旁邊。“來，我們把這個項目一步步拆解一下，你看這個小功能是不是一小時就搞定了……”最后，拆解下來統計一下累計時間，發現3天就能搞定了，而且每個功能的小細節都是程序員自己肯定的時間，是不是很有成就感？！這個方法也是你提高項目推動能力的有效方式。

產品經理需求評審會收尾利器——Todo事項列表。一場會議下來，總要討論出一些結果或者得到一些結論，要不會議就是無效會議。在會議后，接下來應該做什么呢？這就是所謂的行動項，我們要做什么、誰來主要負責、時間點是什么，都要通過郵件發出來，周知所有參會人員以及相關人等，對于達成共識的事情，大家就要按照這個TodoList完成。

產品經理經常會用到的一個詞——優先級。做事情要有輕重緩急之分，產品經理的PRD要實現的功能有很多，到底應該先做哪些，如何實施呢？這時候，就需要在里面找出那20%最重要、最需要先做的事情，然后投入80%的時間做這些事情。很多文章都介紹過如何定義優先級以及如何排序，足見其重要性，這里就不多做重復了。如果需求優先級不明確或者有問題，那么可能會導致項目錯失市場，甚至無疾而終，最終導致失敗。

對于上面講的這些內容，可能很多人覺得有點形而上。其實，這些都是需要結合我們在工作中的項目和經歷不斷體會、不斷總結、不斷完善的。這些方法不僅可以應用于產品工作中，還可以應用到學習和生活中，也會得到意想不到的收獲。做產品越久，越發現產品源于生活，產品與生活的這些方法論和思想很多都是相通的。希望大家在數據產品的道路上越走越遠，早日形成自己的一套產品理論體系和方法。

推薦閱讀：

10.scala的柯里化

如何Spark的shuffle移植到自己業務

一文讀懂數據湖及企業中的架構特點

愛奇藝在日志實時數據監控的探索與實踐

浪尖的微信公眾號

總結

以上是生活随笔為你收集整理的必读｜聊聊大数据产品经理的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。