数据产品经理是干嘛的？（解读数据产品经理的3大形式）

解读一：

1、为公司的基础工作服务。比如该有的数据仓库、数据存储、数据清洗、各条业务线常规的数据报表等等，通过产品的方式服务于公司各条线。
2、大数据应用。基于大数据的应用型产品。
3、开放服务。建立开放服务机制和产品，协同其他产品通过大数据为公司服务。
4、通过数据洞察，对洞察结果产品化，提升业务方运营效率。
5、数据可视化。从最初的excel、到报表系统、到可视化系统，不断优化呈现方式，提升解读效率。

解读二：

数据产品经理＝数据分析师＋产品经理
数据分析师是帮助业务方分析数据和发现数据背后的业务含义，产品经理是解决某种需求；所以数据产品经理是为了挖掘数据背后的价值并且将其沉淀为通用化的东西，即数据产品。

解读三：

数据产品输出形式：

1. 数据前台利用（展示和算法）

2. 数据后台利用（表格、可视化、警报等）

3. 数据外部引用和对外输出

数据产品日常工作职责：

1. 数据分析及解答

2. 业务与战略沟通

3. 数据字段设计及记录

4. 数据产品结构搭建及管理

5. 数据挖掘、数据建模、机器学习

以上排序遵循的是从易到难的排序逻辑。

• 数据产品输出形式：
  

数据前台利用：

这个是和前台产品经理职能最重合的地方。

• 前台数据展示。这些数据产品影响用户的判断和理解。要记住很多时候重要不是数据本身，而是数据的结果。需要考虑数据对用户的影响、数据的自记录性、人工的干涉性等。
  

例子：淘宝的搜索结果列表中展示出来的宝贝信息。

例子：墨迹天气告诉你今天应该穿什么衣服

• 前台列表排序遵循的算法或逻辑。这些数据产品影响用户行为。任何一个涉及到会自动变化的列表的顺序（例如搜索）都属于这个范围。初期时一般是简单算法，一旦涉及不断发生的内容创造时，将需要考虑多种排序逻辑、不同的数据影响以及人工干涉对自然排序的影响等。
  

例子：淘宝的排序算法以及其对商家的影响。

例子：关联推荐

• 个性化推荐系统。这些数据产品提升产品价值。个性化推荐依赖都在后台的数据算法的设计和校验上。但是将优秀的个性化推荐结果放在前台什么地方以什么形式展示也是一个产品经理需要考虑的地方。之所以把这个单独列出来，是因为这个相对而言比较复杂却又很重要。
  

例子：亚马逊的你可能感兴趣的商品。

数据后台利用：

这里你大都是在为老板、商务、市场、运营及产品同事服务的。

• 数据表格：这些数据是别人关心的数据。从某一个数字到一个dashboard，从静态表格到OLAP。总之，开公司有业务就有决策，有决策就需要数据参照。依照业务发展情况，不同时期会有不同的要求。（速度快、定义明确、数据精准、定义明确都很重要）
  
• 可视化：这些是别人希望看到的数据。各种环比、同比数据表格，条形图、饼图、折线图…..总之，让别人能清晰理解你的数据，同时利用这种理解进行判断。（符合业务需求，减少操作步骤，清晰以理解）如果产品经理沟通不得当，这里会做出一大堆没用的东西来。
  
• 警报与提示：这些是提醒别人看到的数据。设定警戒值和警戒方式等。明白一个残酷的道理, 与前台产品不一样，与后台直接运营产品也不一样。你的数据很可能是大部分时间没人看的，但不代表这不重要。所以如果有值得看的数据，及时提醒大家看，这就是警报了。
  

数据外部引用和对外输出：

不可能依赖企业自己拿到所有数据 / 数据不仅仅对自己企业有用

• 第三方数据工具：也就是来自别人的数据。像百度统计、淘宝指数、数据魔方、友盟、talkdata等等等，不是所有的数据都由自己产生，自己消化，如何合理的利用外部数据工具甚至引用外部数据到自己系统中来，都是数据产品经理需要考虑的事情。而且第三方数据工具比起自己做具有更好的成熟度和低维护成本，所以必须要能理解哪些东西第三方能提供哪些东西需要自己去做。另外例如用户画像这种数据一般企业自身很难获取足够数据，必须对外进行购买。
  
• 数据对外输出：也就是来提供给别人的数据。包括输出数据给外部合作对象查看或者数据的直接引用（开放平台或者API）。需要考虑数据安全性，数据美化，应用监控，战略决策等多方面的问题。
  
• 对账：也就是别人和自己数据的比对。这里的对账未必是财务概念而是通用概念，涉及到合作的很多业务都会有对账的业务需求，双方为保障自己的利益点都会有一套数据系统，保障不会因为对方的作弊或者错误给自己造成损失。如何识破别人的伪造数据和无效数据也是很重要的一部分。
  

• 数据产品日常工作职责
  

数据分析及解答

这个不用太多解释，很多人眼中你就应该是能解答任何数据问题的。为别人，为公司，为自己而在已有数据的基础上，针对特定的目的进行数据的分析和解答。一般情况是这样的，你设计的某个终端产品的数据出现了异常，业务部门第一时间想不到原因，然后找你来了。

处理这个工作一般是数据分析和沟通是一半一半的。不要太依赖在数据上找原因。像你很可能发现这个部门关心的这个数据的变化是另外一个部门做一个一件啥事情导致的。而这种事情你在数据上只能发现有发生了什么，而不沟通你就不会知道到底是为什么。

业务与战略沟通

数据产品是为业务产品服务的，产品经理是做产品不是做技术的。与业务部门沟通、与老板沟通，搞清楚想要干什么，为什么，才可能知道应该怎么办。比如要是能用第三方实现的就不要费力自己搞系统了，又如想要独立自主现在依赖第三方的就要逐渐的系统化。总之，数据产品能做的地方实在太多，当数据产品经理和普通产品一样，做出判断同时也要说服别人。

数据字段设计及记录

从点击记录到业务日志，从最底层的数据字段到中间表到输出给最终用户看到的内容。你通通都要理解、熟悉和可以设计。数据产品经理是做数据产品不是做框架建设的，必须数据数据来源。如果你只把最终成品扔给技术人员去开发，最终会出现的情况包括以下几种：

1. 只有最终结果，没有中间结果。技术人员忠实的实现了你的效果，不过以后你没法跟踪中间的某个数据的变动情况了。

2. 数据定义出错：数据对不上，而你不能理解原因。很正常，因为不是你设计的。

3. 不具备扩展性：还想开发某个数据功能，做不到。因为一开始的结构就不支持。

数据产品结构搭建及管理

这里就是正常的产品经理应该做的事情了。这个产品就是你的，负责到底。

数据挖掘、数据建模、机器学习

恩，坑爹的大数据，坑爹的产品经理。统计学、算法、建模知识各种数学理论计算机理论慢慢来吧。这里往往是需要很长期工作但是没有产出的地方。如果一个老板很严肃的告诉你他需要人帮他搞大数据，你要严肃的问他，能不能承受几个月没有工作成果一直在努力的结果。