下载掌阅APP，畅读海量书库
立即打开
一名数据产品经理，既需要作为“产品经理”的普适技能，也需要“数据”相关的专业知识，同时需要一些职场中通用的软能力。我们从这三个角度来阐述数据产品经理的能力模型。
对于产品经理，核心能力是为需求或问题提供最有效的解决方案。
定义需求或问题是首当其冲的。我们常说要分清需要（Need）、想要（Want）和要求（Demand）这三个需求类型。举个例子，有个人说他要一瓶可乐，这是“要求”，本质上是因为他渴了，要解决口渴的“需要”，而真正“想要”的是一杯可以解渴的饮料。需要是本质的痛点或需求，而“想要”是解决需求的手段，要求是用户自己认为能解决需求的方法，也就是说当用户表达需求的时候，中间已经经过两层转化，辨认不出本质问题了。这种情况在数据相关的需求场景里经常出现。业务方提出需要××数据或××标签，这时候便需要深入了解业务方提出需求的场景来判断其类型。
接触一个需求，我们除了判断其是否存在及所属类型外，还需要判断其合理性，以及可能被满足的方式。如果是平台型的数据产品，我们要做到该需求尽可能被抽象化的平台或工具解决，避免重复制作轮子。应用型的数据产品则要尽可能贴合业务场景，力求提供更好的解决方案。
提供解决方案时，我们需要具备主人翁意识，对方案的效率进行反复琢磨和优化。用“用户产品经理”的心态做数据产品，力求提供最好的分析体验和数据使用体验。业界诸多成熟的数据产品、公司实践得到验证的数据策略都是学习的对象，消化吸收前人的思路，再设计出符合公司业务场景的解决方案。比如对于企业数据产品的产品经理来说，GrowingIO和神策数据的产品帮助文档就是很好的学习对象。
数据专业能力的核心部分是数据产品设计能力、数据分析能力，如果还有余力，可以再多了解大数据技术架构及数据挖掘算法等方面的基础知识。这些知识只需了解其原理，以更准确地判断需求实施的可能性或复杂度。
数据产品设计方法属于产品设计的一个分支，一样需要从需求和问题出发，着力于提供优秀的解决方案，同时有自己的独特要求——发挥数据价值，突出表现在数据资产管理和数据业务效率提升两方面。数据资产管理是数据产品绕不开的话题，从采集清洗到存储管理，无处不在，核心是将数据这条四处奔涌的“水流”规范在稳定的“河道”上，以使其为民所用。这 体现在能力上，即数据规范设计、落地产品及推动能力 。这部分具体可参见第8章。数据业务效率提升，则是为了更好地发挥数据资产的价值，从产出各种分析功能，比如多维分析、漏斗分析及留存分析等，到设计合适的数据可视化，利用图形精准地传递信息，设计各种复杂的数据策略。这里考验的是 定位业务场景及需求，设计高效的数据解决方案能力，在平台型产品上是以面覆点的抽象能力，在应用型产品上就是精准贴合应用场景的业务理解能力 。
数据分析也是数据产品经理有别于其他产品经理的特质能力之一。虽说数据分析一般会有专门的数据分析师负责，但数据产品在与业务结合的过程中，经常需要通过分析的过程来体现价值，所以数据产品经理必须熟知甚至精通数据分析。在基础理论上，无非是细分——对比——溯源：细分上可以通过多个维度或指标组成进行划分，然后通过时间对比（日、周、月同环比）或者维度对比等方式定位异常原因，最后溯源到现实的原因进行改进和优化。常用的工具有Excel、SQL、Python和R等，在少数情况下会用到SPSS等统计挖掘软件。（具体可参考第2章。）
除此之外，一些技术相关知识也必不可少，主要是数据仓库、数据采集传输、大数据架构和数据挖掘等方面的基础知识。在某些深入的职业细分类别，比如数据仓库设计师，则需要对该领域知识有更深入的钻研。数据仓库是为了提高数据分析效率的产物，其权威定义是“ 一个面向主题的（Subject Oriented）、集成的（Integrate）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合 ”。它用于支持企业或组织的决策分析处理。通过设定业务主题域，将数据库表分为明细层、聚合层、应用层和维度表等来实现对其分层管理。设计良好的数据仓库在提高分析效率的同时，还能兼容未来可能的业务升级，真切反映历史变化。
在产品经理的职业生涯中，软能力的重要性不言而喻。洞察需求后，我们需要知道背后的商业模式和业务运转原理，从而更好地服务用户和公司，这是“商业认知能力”。为了落地产品方案，推动项目按时按质上线，我们经常要和团队内外的同事一起合作，协调时间、排期和平衡利益，这是“沟通协调能力”和“项目管理能力”。这些能力并不能一蹴而就，而是需要经过长时间的观察和修炼，才能最后修成正果。以商业认知能力为例，只有经常和业务方待在一起，了解各种业务逻辑和决策动机，同时多了解商业世界的一些基础常识，包括商业模式、利润计算、财务分析等，然后将这些知识应用在实际操作中，才能一步步收获对商业运转体系的客观认知，提高自己的知识水平。
在数据产品经理成长的不同阶段，对能力的要求和侧重点都是不一样的。表1-2中为某公司对不同职级的要求，定义清晰，区分明显，在这里供大家对标借鉴，找准自我定位。
从表1-2可以看出，对于初级阶段（P4～P6）的员工，企业最看重的是其解决问题的能力。这意味着在早期阶段，对数据产品经理来说最关键的是不断提高自身的专业水平，努力学习和吸收数据领域的各种内容，如数据仓库、数据分析方法、数据产品设计理论等，形成属于自己的知识体系。在“产品经理能力”和“数据专业能力”这两项上要做到能够基本解决公司常见问题，如指标统一、工具落地、数据准确等。
从P7～P9开始，对专业上的要求进一步拔高，此时仅解决公司内的问题已经远远不够了。一方面，需要不断抽象该领域的知识，形成通用的方案或流程；另一方面，需要跨公司交流沟通，扩大自己的知识面，提升影响力。同时，从这个阶段开始，要求具备一定程度的领导力，需要有跨部门的沟通和协作，推动更大范围和更复杂的项目落地。体现在日常工作上，即跨过了最初解决问题的阶段，转向了主动提出问题，进而影响部门和事业群决策的层次。在数据工作上，从开始带领团队、培养新人和规划平台未来方向，到集合部门或公司内更多的数据资源，主动谋求为业务创造更多价值。数据的价值和影响力在这一级别数据产品经理的手中能得到指数级提升。
从P10开始，已经是该领域具备相当影响力的人物，业内知名，在公司甚至行业内拥有举足轻重的话语权，能参与公司高层次的决策，是公司非常重要的人才资产。在数据工作上，要么是某些数据创业公司的CEO或高管，要么就是公司或集团内数据方向的负责人，除了让数据在部门或事业群内发挥作用外，还谋求跨部门甚至在行业内体现价值。管理带宽随之大幅增加，同时培养出来的员工也有不少已经担任高级职位。
以上层级划分仅一家之言，不同个人或公司都有自己的层级定义和划分。这里核心是想让大家了解不同层级间的差别，从而为自己职业上升方向的选择提供借鉴参考。
数据产品经理在能力模型上的多重要求，加上这个职位的培养需要有合适的公司及业务场景，是近些年来数据产品经理较为稀缺的原因。毕竟专业知识、产品能力和软能力对一个数据产品经理来讲都缺一不可。这也是我们写作此书的初心：凝聚一批志同道合的数据人，整合大家的经验和知识，为这个行业贡献一分热、一分光。
