大数据产品小谈

个人认为数据产品经理和数据分析师在大数据岗位中相对其他岗位是比较难做的，可能一般都会认为做挖掘或者算法的比较难，但是根据我的经验来看90%的做算法的同学或者岗位都是在直接使用现成的算法包，很少会直接优化底层数学算法，所以难度并没有这么高。

表示一定的认同，不过，好的算法工程师应该会根据具体的业务场景选择适合的算法训练。优劣之间自有比较。但是国内除了大厂，一般的公司算法工程师也就如上所说，像我们公司，大部分是直接使用现成的算法包，然后通过训练达到较为理想的使用效果。当然直接使用也不是坏事，毕竟已经有现成了，能站在巨人的肩上也是一件幸事·。最重要的是需要在面临场景需要时，有对算法进行改造的能力，以适应需求。

当然作为大数据产品经理，除了需要了解业务，也需要了解一些技术类的东西，也就是结合最新的科技与业务去贴合实现场景需求，相互促进。还是之前文章里的例子，手机解锁功能和指纹解锁与面容解锁，当科技发展到一定的阶段，需求实现的方式也会存在多样，效果也千差万别，所以产品经理需要及时了解这些，即便不主动了解，也可以与技术人员沟通交流去探寻新的技术应用。

而数据产品经理和数据分析师的难点在于这两个岗位内容的不明确性，需要他们自己去探索数据当中的奥秘。

目前业内大部分的数据产品经理都欠缺直接数据工作经验，对于数据的理解和探索也都缺少经验，所以大数据热闹这么多年市面上公认牛逼的数据应用比较少见。

确实如果产品经理能有部分数据分析的经验，对于数据产品化的工作是有百利而无一害的。我最先开始是做业务的产品，初次接触大数据产品，发生了一个错误，也许大部分公司也犯过这样的错误，就是把大数据产品做成了大数据大屏展示的产品，行话就是功能不够，设计来凑。网上能够找到的各种大数据产品也能发现，都是酷炫的设计，看起来高大上的，大屏是有一定作用的，特别是领导层，能够通过一个屏幕了解公司的运营情况，但是仅仅数据展示，现在已经很难忽悠拿下一个项目了。

所谓大数据产品，是需要在杂乱的数据中，发现业务中的奥秘，发现问题也好，观察指标变量关系也好，最终是要通过数据产品指导业务。而这是一个发现的过程，这个过程并不像业务产品，有一个客户很明确的告诉你要一个日志查询，要一个金额走势变化这样很具象的需求。数据产品的需求比较模糊，我没接触过电商产品，现在做的是运营商的内容大数据平台，运营商主要工作是维护网络环境，所以我们的大数据产品需要根据用户使用情况，提前预测故障，以及故障原因。这里的故障原因并不是指网络设备上的，而是网络或者调度均衡之类的故障。所以这些故障并不能单纯安排检修设备就能行，而必须通过运营商内部数据，去发现问题，去定位故障点以及去优化。所以需要产品经理了解业务，了解业务的数据来源和意义，需要根据业务梳理路线图，整理业务模型，需要对数据算法进行业务逻辑计算，以满足场景使用。这些过程，如果没有实际做过数据分析，很容易异想天开做成一个数据展示工具，特别是业务模型这一环，不只是4个字，它蕴含着一类业务的方法论。我初接平台的时候，很多业务都是与业务专家沟通交流去梳理业务功能需求的，中间也尝试着直接参与数据分析工作，通过与数据分析师的沟通交流，了解分析工作的套路，并形成产品。

这里得说一下产品经理和数据分析师的优缺点。产品经理吧客户实际工作变成产品，经常需要提炼需求，分析需求，将普遍的内容抽象为具体的标准化的过程，这个是数据分析师没有，数据分析师即便是有自己的工作方法论，但是每当遇到一件事情，仍然需要从头到尾去验证去审视，他们会做一些python脚本方便数据处理，但是不会想着去体系化。

所以如果想从事数据产品经理岗位，建议先从数据分析、数据仓库、数据算法、大数据开发等职位做起，一方面是了解公司内有什么样的底层数据（大到每个业务模块小到每个字段，数据非常多，也是数据产品经理的“米”，只有知道了有什么“米”才能在自己想象能力之上设计出合格的数据产品），另一方面积累在数据方面的感觉和经验。

积累数据方面的感觉和经验是必须的，另一方面“只有知道了有什么“米”才能在自己想象能力之上设计出合格的数据产品”可不一定。公司的米只是很小的一种米，基于公司的米做出来的产品可以合格，但并不一定很优秀。             产品应该是站在业务端去解决业务问题的，应该从业务角度出发去思考，基于此业务问题需要什么数据，而不是有什么数据解决什么问题。     数据在我们现在看来总是不全面的，基于业务，我们需要去数据中挖掘，当公司内部数据不全面，也要想办法从别的渠道去解决。所以产品应该是唯目标论。