下载掌阅APP，畅读海量书库
立即打开
本节将通过两个案例来分别讲解商用数据产品的设计模式及数据产品经理面试时的常见背景和问题。1.6.2节的面试案例由数据产品经理朱诗倩撰写，该案例对提升产品经理的面试能力应该大有裨益，因此在此一并分享给大家。
Domo的CEO Josh James早在1996年就创立风靡一时的网站统计产品Omniture，后于2009年以18亿美元的高价将其卖给了Adobe。2011年，他创立现有的公司Domo，4年后公司估值已达20亿美元。虽然Domo最后在2018年流血上市，2019年12月市值仅剩下6.43亿美元，但James作为数据领域创业的先驱，主导设计的Domo产品（见图1-11）依旧不失为一个绝佳的商用数据产品研究案例。
Domo的核心功能是将公司内各种来源的数据汇总起来，提供给管理层及一线员工使用。一方面，国外企业倾向于使用各种办公自动化的软件或服务，如人力资源管理用Workday，销售管理用Salesforce等，数据散落的情况十分普遍。另一方面，企业中因精细化运营的理念，经常需要用数据说话。因此Domo的功能可谓直击国外客户痛点，解决了他们实实在在的需求。对于产品经理来讲，我们要从Domo等优秀产品上学习如何通过抽象、简化和复用来降低企业使用数据的门槛，从而让更多人使用数据，爱上数据。
Domo现有1000多个签约客户，包括Master Card、国家地理、日产、施乐等。据福布斯报告，Domo按使用用户收费，年费最低为2.5万美元，按12人的最小规模团队计算，每用户约2000美元。有些公司每年在其中投入100多万美元。即便如此高价，它的年复合增长率也超过了100%。
Domo的功能分为以下7个环节，涵盖了数据的整个链条。
·Connect（数据连接）：提供多数据源接入，实时更新（对CEO而言十分重要）。
·Store（数据存储）：提高数据交付的速度和规模。
·Prepare（数据计算）：提供了现成的ETL工具、DataFusion调取数据，甚至支持自动化预测。
·Visualize（数据可视化）：提供拖曳式设计的Card Builder，再用Pages来组织Card，以及利用Domo App默认生成图表；根据角色和行业提供对应方案。
·Collaborate（数据协作）。Domo Buzz可针对数据开展讨论，且只要和你相关的指标变动都会通知你。Domo Profiles提供个人在组织内的位置和行为。支持数据在组织内和组织外的分享。结论会形成任务，分派到具体的人身上。
·Predict（数据预测）：利用平台内置的AI工具，预测商业世界的下一步动作，以便企业未雨绸缪。
·Extend（数据扩展）：利用预置或定制化的应用，扩展客户使用数据的能力。
这7个环节分拆到每个功能上，就是图1-12所示的流程图。
在上面7个环节中，多数据源的接入、存储和准备是Domo的基础，基于数据的协作则是Domo将数据落实为业务动作的关键。只有当数据结论落实到人身上并且可追踪的时候，数据才能真正发挥价值。而提供各种分析App的Appstore则真正让Domo具备成为新一代商业大平台的可能。它通过连接开发者与企业，来满足更多企业个性化的需求，完成Extend的战略诉求。
以上这些环节汇总成一句话，就是 降低企业使用数据资产的门槛 。在以下详细介绍几个重点环节时，我们会发现，这种理念渗透在产品的每个细节里，令人叹为观止。
（1）Connect：多数据源的接入
Domo提供当前各种主流数据来源的接入库（Connector Library）。当接入完成后，会有现成的模板提供分析思路，避免重新做图分析。可供接入的内容如图1-13所示，具体包括以下几类：
·广告后台，如Google、Bing；
·分析产品，如GA、Adobe Analytics；
·表格软件，如Excel、Google Sheet；
·数据库，如MySQL等；
·提供接口的SaaS产品，如New Relic、Salesforce、SurveyMonkey、Jira等APM、CRM、调查类与协同类产品；
·社交产品，如Twitter。
内容接入后，会根据Domo的内置模板直接生成对应的分析框架。这也印证了Domo让数据变得更简单的产品理念，帮用户自动完成作图这个烦琐的过程，直接将一盘美味佳肴端到他的面前。图1-14是这部分的产品截图。
（2）Prepare：多数据源的融合
数据的准备一直是很多企业头疼的环节，但这恰恰是Domo的强项，亦是其产品逻辑的底层基础。Domo Prepare包含3个功能——ETL、DataFusion和数据预测，旨在提供极其简单易用的工具，将不同来源的各种数据以可视化的方法整合到一起。
图1-15所示的ETL工具以可视化的方法，让新手用户也可以进行数据清洗、转换和加载等高级工作，连SQL都不用写了。
DataFusion（见图1-16）可以帮助用户直接在数据源中进行增删合并，生成新的内容。
在这个基础上，Domo Magic甚至提供了自动化的预测模型，如图1-17所示。即使你不是数据科学家，依旧可以通过内置的模型进行数据预测。当然，Domo也提供了R和Python语言的接口，用户可以在ETL的过程中进行更加复杂和自由的定制开发。
ETL在很多大公司里都有专门的数据工程师负责，而Domo竟然用这么一款简单的产品节省了这些工程师大部分的工作量。当然，完全取代是不可能的，毕竟存在效率问题和更深层次的聚合表和主题表的创建过程。不过能够做到这一点，已经大大降低了很多数据的使用门槛。
Domo的可视化部分主要由Card Builder和Analyzer支撑，前者属于制图部分，而后者则是针对已做单图的分析。
（1）多样的数据可视化
如图1-18所示，在Domo的可视化数据部分，支持以拖曳的方式建立单图，并且提供了超过50个图标样式。 一个值得注意的细节是，添加数据源后会提供默认单图，而非一片空白 。在创建完图标后，会以一种固定的格式罗列在页面上，便于用户查看和整理。
（2）针对行业的呈现模式
在Domo的菜单里，可以看到顶栏按照各职业做了区分。其实Domo在产品设计上，会根据不同行业、不同角色和不同数据来源提供默认Card。在通用性数据平台解决深入性业务问题的这个方向上，Domo迈出了重要一步。
（3）分析功能
Analyzer（见图1-19）提供了以过滤、下钻、提醒和变更图标形式等方式进行分析的方法。下钻可以层层下探到数据源，帮助用户了解各种颗粒度上的问题。
Domo的Collaborate模块通过3个部分实现协作：以团队为中心的讨论并分配项目和任务，以组织关系为基础的数据分享，以及多端同步的实时通知。这样的设计实际是扩展了当前BI的内涵，从对数据的分析升华到对数据的使用上，进一步发挥了数据的价值。
（1）从讨论开始
如图1-20所示，基于每个图表都可以发起针对性的讨论，解决了在数据分析项目中常见的图表协作问题。
（2）了解你的同事
如图1-21所示，Domo将用户权限内可见的同事关系通过可视化的方式进行展示，所在群组、汇报关系、当前进行中的项目一目了然。做过权限管理或审批的产品经理应该会对这种不同群组的权限关系颇感棘手，Domo倒是提供了一个不错的思路。
（3）跟踪项目进展
有了数据分析结果，如何跟踪落地一直让很多企业头疼。Domo的做法是将分析任务直接分配到对应的人头上，并按项目和任务的层级进行可视化展现。落地的进度因此尽在掌握之中，如图1-22所示。
近些年来，AI技术的成熟赋予商业数据产品更多的可能性。Domo尝试将AI能力引入进来，以达到“降低企业使用数据资产门槛”的目的。
Predict模块除了在前面提到的Prepare准备环节中发挥作用外，在实际的分析过程中也能帮助用户更快地找到原因，得出结论。如图1-23所示，Domo能够利用深度学习及描述性统计模型自动监测数据异常，并以文本化的语言撰写简短的报告，如同一个人工智能版的数据分析师。
同时，Domo支持用户通过搜索的方式得到结果，而非从图表的茫茫大海中寻求结果。这对很多高管级别的用户来讲，无疑是个非常贴心的设计，如图1-24所示。
Domo的Appstore（见图1-25）让它有成为一个大平台的可能。首先它满足了更多贴近业务的分析场景。Appstore里提供了各种行业、职位、部门、活动等方面的数据应用，让数据的使用和分析变得更为简单。其次它也支持更多的信息源，完成了更全面的数据来源覆盖。
类似的分析工具还有很多，它们旨在利用Domo提供的数据接口及工具，创造出更贴近客户使用场景的分析应用。这些应用就像苹果公司App Store中的App一样，丰富了整个平台的商业生态。2016年的Domopalooza大会发布了一个耗资5亿美元、面向移动端的应用商店，致力于打造全球第一个“商务云”的概念。它宣称在其新的Appstore中已经有1000家合作商。借此，Domo铁蹄铮铮，正一步步地拓宽自己的商业版图。目前来看，因为Domo本身的生态问题，其Appstore里的应用还不是很丰富，期待他们在下一步的战略规划中能够加强这一方面。
笔者在一家电商公司担任数据产品经理一职，由于业务发展要求，团队需要新增一名小伙伴来负责设计一款企业内部的数据产品，主要对接运营同事，在开展线上营销活动时可通过点选条件进行用户筛选，快速选择推送用户并记录运营效果。笔者与公司HR沟通，希望面试者至少具备以下能力，希望HR在筛选简历时重点关注。
·产品方面，这是一个偏初级的职位，希望候选人有2年左右相关工作经验，经历过完整的产品需求收集、分析、定义、设计、落地和迭代过程；有较强的逻辑思维能力和解决问题的能力，可以独立与运营同事对接产品需求。
·数据方面，了解电商相关领域常见数据指标体系，熟悉公司数据流的采集—清洗—管理—展示—分析—挖掘的处理过程及公司常见数据分析应用场景。
·其他方面，良好的跨团队沟通能力和项目管理能力，具备较强的求知欲和创新意识，如果有电商运营、增长等业务相关经验更佳。
2天后，HR反馈有一位不错的人选，在电话沟通过程中得知候选人的项目经验比较丰富，表达能力良好，与这次职位的需求比较契合。等笔者赶到会议室，候选人和HR已经在会议室待着了。
一般来说，自我介绍部分持续3~5分钟，候选人需要开门见山地介绍自己的学习背景、从业背景和项目经历。在自我介绍的过程中候选人务必注意紧扣核心——我为什么来面试这个职位，对于这个职位我有什么优势，引出最为相关的从业经历，并用一定的数据来表征所做工作为公司带来的意义，为后续深入介绍相关工作（项目）经验做准备。
笔者： 辛苦辛苦，路上过来还顺利吧？我是数据产品这边的负责人，欢迎你过来面试，请你先简单介绍一下自己吧。
候选人： 好的，面试官您好！我是SJ，毕业于北京某211高校。我有两年的工作经验，毕业后一直在一家在线教育公司担任数据产品经理，主要职责是帮助公司完成内部数据支持系统的搭建，并且为不同部门提供数据应用产品，让数据更好地帮助业务进行决策。
不同的部门有不同的目标，比如销售部门的目标是提升成单率，我就为销售部门提供了线索分析的工具，能够清晰看到用户对于课程的偏好程度，方便销售跟进。这个线索分析工具上线之后，成单率提升8%。再比如市场部门的目标是提升ROI，我为市场部门提供了渠道能力监控工具，可以看到不同的投放渠道后续的漏斗转化能力，让市场部的同事更好地分配和调整预算。
为了更全面地获取数据，首先要对底层的数据支持系统进行搭建，包括埋点、质量检测等，这部分的工作我会跟平台产品经理和开发同事一起沟通。
我觉得我目前具备了一定的数据产品设计经验和数据分析能力，想来试试贵公司的初级数据产品经理职位，请面试官多多指教。
该候选人的自我介绍按照学历背景—经验背景—主要职责—工作成果来展开，整体逻辑清晰，最后强调了自己与面试职位的关联性，体现出自己能够把握这个机会的自信，整体时长也控制得比较合适。
此环节大忌：长篇大论
笔者： 嗯，听上去你做的事儿还挺丰富的，就拿销售部门的线索分析工具来说吧，你考虑了哪些维度，销售部门又是怎么用这个工具的呢？
候选人： 我们的用户路径是各类广告推广渠道—公司官网/落地页—课程详情页—下载课程大纲等各种评估—点击付款按钮—下单成功，因此我们在销售的线索分析工具中会围绕这些用户行为展开。我们根据历史数据对这些特征进行提取，用逻辑回归来搭建模型，提取出对于最终决策最有影响的因子，作为销售部门的跟进依据。最终我们还会输出一个总体的用户价值评分，让销售部门在跟进之初就预判优先级和成单可能性。
笔者： 嗯，那么你们是怎么获取这些数据的呢？
候选人： 我们通过页面的埋点来获取这些数据，包括各个页面的浏览时长、跳出率、按钮点击率等。
笔者： 嗯，你们怎么去做这些埋点的？
候选人： 我们用的代码埋点，包括页面统计和事件统计。页面统计就是统计页面的访问情况、次数、时长和流向关系，事件统计主要是操作行为，比如按钮的点击和执行结果等。
笔者： 代码埋点有什么优劣势？
候选人： 代码埋点是我们自己工程师埋点，所以可以非常精确地选择什么时候发送数据，发送什么样的数据，数据的事件类型都可以自定义设置，比较灵活。但是代码埋点的代价比较大，每次更新都会带来很大的工作量。而第三方的SDK虽然部署起来比较方便，但是其准确性和多样化肯定不足以与代码埋点相提并论。
围绕项目和数据产品能力展开的环节往往是面试中的核心环节，面试官在此环节的主要考察目标包括：
·针对职位所需的专业能力对候选人进行考察，确认候选人与所招聘职位的专业要求的匹配程度；
·针对候选人的工作经历和项目经历进行细节考察（如技术细节、业务逻辑、设计思路、上下游工作关系等），确认候选人经历的真实性和基本功。
该候选人在这个环节表现得比较好的地方：对于自己所负责产品的业务逻辑比较清楚，了解销售部门在使用过程中的痛点，也了解产品研发过程中与埋点相关的技术细节，能够对比不同埋点方法的差异。
还可以表现得更好的地方：候选人没有明确说明销售线索分析工具的需求是来自销售部门还是自己团队的创新。如果是自己团队的创新，自己是如何说服销售部门使用和推广的，反馈如何，有哪些是开始没有想到的需求，有哪些又是鸡肋功能，这些信息能增加工作经历的可信度，同时展现候选人深度思考的能力。
此环节大忌：弄虚作假
虽然大家的项目经历不尽相同，但对于数据产品经理来说，所负责产品的数据运转流程包括采集清洗、计算管理、展示分析和挖掘应用的逻辑大体是相通的，因此项目涉及的埋点体系、数据指标及管理体系、统计分析工具和数据挖掘应用结果需要在面试之前好好回顾，做到心中有数。第4～11章将会对数据产品的组成和应用进行详细阐述。
笔者： 你觉得数据产品经理与其他产品经理的角色有什么不同？
候选人： 我觉得首先是工作内容上，其次是能力上。从工作内容上看，一般产品经理都重在对功能类需求的把握和对产品进度的管理，目标是提升用户体验，让用户更开心、更长时间地留在产品上。而数据产品经理的工作内容是建立数据指标体系，产出合适好用的数据工具或应用产品，数据产品经理相对来说是偏B端的，对于业务痛点的熟悉程度更高。
从能力上看，有的时候公司不是没有数据，而是有太多的数据，不知道怎么去看，不知道如何解读，这个时候需要数据产品经理设计恰当的数据指标以供用户分析。所以数据产品经理对于指标体系搭建、算法模型和数据平台建设都需要有比较深的认知，而拥有一定的数据分析能力或编程能力，沟通起来会更顺利。
笔者： 你工作的上游部门和下游部门分别是谁？
候选人： 一般来说，我的上游部门是各个业务部门，比如销售、市场、售后等，他们会给我们提需求，我也会主动了解他们工作中的难点和痛点，看能不能用数据来帮助他们作决策。下游部门包括数据分析部门和开发工程师，我们会一起研究模型，对数据质量进行检测，对数据来源进行部署。
面试官围绕数据产品经理职位的思考主要是希望考察候选人在工作中是否对数据产品经理这个角色的工作内容、边界、方法及未来发展方向有清晰认知，同时在之前工作经验中是否积累了通用的方法论。
该候选人在这个环节表现得比较好的地方：回答比较有逻辑，拆分成工作内容和关键能力两个方面来解释数据产品经理跟其他产品经理的角色，并分别提到了与自己经验能力相关的指标体系建立、数据分析能力和业务痛点把握这类关键能力，强化了在面试官心中的印象。
还可以表现得更好的地方：由于业务领域的细分，除了功能型产品经理以外，市面上逐渐涌现出策略产品经理、商业产品经理、B端产品经理等多种职位。候选人可以尝试其他的角度，例如在产品研发的不同阶段分别需要什么类型的产品经理介入，或者从公司业务的发展和团队建设的规模来看，职能细分是如何发生的。
此环节大忌：过分夸大职责范围
围绕数据产品经理职位的思考是通用型的问题，无论是初级、中级还是高级职位都可能会遇到。相对初级的职位一般侧重于业务问题的解决，而面试越高的职位越看重对于本领域知识的抽象、跨团队的协作和通用方法论的沉淀。对于不断成长的数据产品经理而言，这类软实力的提升不可谓不重要。第2章和第3章将对数据产品经理的工作职责和技能提升进行详细阐述。
笔者： 好的，有一个开放性的问题，有一个放满玩具的仓库，现在乱糟糟的，需要你对玩具进行一些分类，你会怎么思考这件事？
候选人： 嗯……方便问一下分类的目标是什么吗？是为了更快地找到想要的玩具，还是为了更快地发货，又或者是更合理地利用空间？
笔者： 这是一家玩具店的仓库，主要是为了更快地发货，当然也为了更合理地利用空间，毕竟空间也是成本嘛。
候选人： 如果是这样的话，从空间利用的角度上，我会先按照大件和小件来作区分，因为大件和小件的发货所需要的工具是不同的。除此之外，我会考虑按照店铺本身的宝贝分类来进行排序，最热销的品类放在最方便获取的位置，相对冷门的品类放在较里面的位置。再者，如果考虑季节性、节假日、活动促销之类的影响，还可以对目标客户群体进行细分，观察走势，对于仓库的分布进行调整。
笔者： 如果让你给大老板设计一张报表，每天早上供他查看，你会怎么设计？为什么？
候选人： 我觉得会分三个部分吧。第一部分是公司最主要的目标，也就是我们的北极星指标（例如营收，具体参见第6章）当年和当月的完成情况，以及与上周的同比情况。第二部分是对北极星指标进行拆解得到的二级指标。假设营收=用户数×客单价，报表会对用户数和客单价进行明细展示，包括新用户数、老用户数、整体客单价、不同课程的用户比例和营收情况等。如果大老板看这个报表的时间比较短，比如只有一两分钟，那么这两部分基本就满足要求了；如果他有更多时间，想要更好地指导下属工作的话，第三部分可以进行更细地拆分，考虑更丰富的维度，例如财务上不同渠道花了多少钱、ROI如何、不同的课程表现趋势如何、是否需要考虑课程更替、近期的投诉率和NPS如何变化等。
在开放性问题的环节中，面试官主要考察候选人在一个不熟悉的场景下解决问题的能力和逻辑思维能力。在这个环节中往往没有唯一的正确答案，因此，候选人在接到开放性问题时不要紧张，可以假设有多种情况，每种情况的解决方案能自圆其说即可。如果真的完全没有思路，也不要冷场或埋头苦想，可以就不清楚的地方向面试官提问，来获取思路。
这个候选人做得比较好的地方有两个，一是针对开放性问题的目的与面试官互动，缩小思考范围。将一个大问题拆解成一个个小问题，针对不同场景进行逐个解决，这种思考方式是面试中很可取的。往往面试中留给候选人的思考时间并不会很多，分拆问题有助于将双方都聚焦在其中一个点上，像抽丝剥茧一样找到最终的“线头”。二是将问题带入自己熟悉的环境。结合已有经验来解答，会比设计一个不熟悉的场景更得心应手。
此环节大忌：天马行空或支支吾吾
笔者： 嗯，好的，你的情况我们大致了解了，请问你有没有什么想了解的？
候选人： 我想了解一下这个职位所在的团队和团队规模。
笔者： 这个职位属于我们公司数据中台的部门，大团队有20人左右，按照不同的业务模块分成3个小组，我分管其中一个小组，目前加上我有8个人。你还有其他问题吗？
候选人： 好的，那我想请问下后续的安排如何？
笔者： 我们后面还会有一轮面试，是我们中台的负责人来面试你，有新消息我们HR会跟你联系！
候选人： 好的，谢谢面试官，今天辛苦您了。
在面试的结尾，一般面试官会问一下候选人对于公司或者团队有什么问题，这个时候面试官可以从候选人问的问题来了解他关注的东西，甚至是离职原因和求职动机。例如该候选人问了团队规模，可能是想知道团队是不是初创，大致的业务量和分工如何，是否有比较完善的流程。笔者也遇到过候选人提问公司福利、假期、收入等问题的，这类候选人往往对薪酬福利比较看重，可能是因为待遇不够而离开。
对于候选人而言，这是面试过程中一个典型的化被动为主动的机会，可以趁此机会主动提出自己比较关心的问题，请面试官回答。这里有两个陷阱请尽量避免。
·薪水，如果整体面试过程没有谈及薪水，最好不要主动提起薪水相关的话题。如果迫不及待地关心待遇或者福利，面试官或HR会认为你比较关心个人利益，在薪资上可能会斤斤计较。
·态度，在这个环节尽量不要回答“我没有问题”，既然来面试，肯定会希望有更好的职业发展，对于面试的职位理应有充分的准备，如果直接回答没问题，显得太过随意，对面试岗位没有充分的思考。
候选人可以针对职业发展、挑战和仍需提升的能力角度来发问，体现出上进心和求知欲，让面试官和HR认为你是积极上进的，加深对你的良好印象。例如面向面试官，你可以这样提问：
·您能帮我介绍下，我们部门的整体架构吗？平时对接比较多的上下游部门有哪些？
·我们部门是如何推动业务发展的？未来1～3年的规划是什么？如何看待行业/某个细分领域未来的发展？
面向HR，你可以这样提问：
·这家公司的文化有哪些特点？比较欢迎什么类型的员工加入团队？
·这个岗位为什么会开放出来？这个部门的人员设置是怎样的？
