美文网首页能力提升走上数据分析之路PMskill
如何一步步从数据产品菜鸟走到骨干数据产品

如何一步步从数据产品菜鸟走到骨干数据产品

作者: 会飞的虾仁 | 来源:发表于2015-11-11 14:27 被阅读355次

    一、数据产品工作简介:

    1.     数据产品经理的概念和范围:

    首先,思考两个问题:

    1、  你心中的数据产品都包括哪些?

    2、  你认为数据产品经理是做什么的?

    至少,我每次介绍自己是数据产品经理的时候,经常收到别人问:

    我有**问题,能帮我看看怎么回事么?这个数据为什么会变成这样?

    我:%¥……#%¥@;

    好,大家一起和我念:数据产品经理不是数据分析师,数据产品经理是产品经理的一种,数据分析是产品经理的核心能力之一,产品经理是数据产品经理的核心能力之一。

    首先,数据产品经理必须了解不同的公司,在不同的阶段,需要哪些数据产品,并能够制作出来,这是此职位的核心要求,也是我本系列文章重点介绍的部分。

    其次,数据产品经理必须有足够的数据分析能力,所以,我会讲一些数据分析的基本思路和方法论。如果有了数据分析的思维,再跟公司业务结合就会比较容易。

    最后,数据产品经理是产品经理的一种,所以要同时具备产品经理的能力:了解用户,需求调研,方案设计,协调技术、测试、设计等,不过这些网上有很多文章了,所以我只会讲数据产品更需要注意的地方。

    2.     数据产品的种类:

    在公司中,能够发挥数据价值的产品,即是数据产品;

    一般,主要从用途来分,分为以下两种:

    1、  分析类产品:通过数据的计算和展现,帮助业务进行分析、决策的产品,大概包括以下几类:

    流量分析产品:可以帮助产品经理进行页面设计、功能改进和改版评估等

    销售分析产品:可以帮助运营分析

    这两个产品都是公司的必备,对公司各部门都有较大帮助:

    帮助产品经理进行页面设计、功能改进和改版评估等;

    帮助运营人员做用户分析、活动分析等;

    帮助市场人员做投放分析优化等;

    当公司某一块业务比较重要,又有专门的部门负责时,一般会把数据分析系统独立出来,比如:

    供应链分析系统;

    客服分析系统;

    会员分析系统;

    2、  算法类产品:通过数据的计算,直接更改页面的逻辑的产品,成为算法类产品;

    比如:

    个性化推荐;

    搜索;

    用户画像;

    程序化购买广告;

    等;

    这两种是根据公司的情况来,区别并不是很明显,而且会不断演变。

    比如:对供应链支持的,可能最开始是销售分析系统里,一个库存分析的报表而已;

    后来,加入了各种补货预警、成本分析等报表,就变得很复杂,独立出来成为系统。

    再后来,选品和销售预测,都是需要较强的算法支持,就变成了一个算法类产品。

    在很多时候,我们进入的都不是BAT,而是一个垂直领域的领头公司,独角兽公司,这是很不错的选择。但是这种公司都不会一上来就配备很大的数据团队,可能也没有非常懂的领导,这时候需要数据产品经理不断规划数据产品的未来,从而协调资源。

    所以一个数据产品经理,不仅要了解各个数据产品,还要了解,在公司什么样的情况下,这个产品以什么样的形态出现。三个月后,公司可能会什么样,需要什么样的数据产品。

    这样,你才可以去申请技术人员和其他资源。

    *、问题回复:

    今天收到了很多问题,只能先集中把问题解决一下。

    以后的更新会先解答问题,再连载内容。

    1.     为什么会有这个岗位?

    简单说,就是公司已有数据,希望专业的人,来让数据产生价值。

    业务型的公司,经过一段时间飞速发展后(通常为半年到一年),一般会出现以下的情况:

    1、  得到资本方的认可,领导层会雄心勃勃,启用数据方面的战略。

    2、  公司自身,也会碰到非常多管理的问题,就会希望结束粗放式的增长和运营方式,转向更精细化、更专业、更有效率、更能控制成本的增长。

    3、  各部门都按自己的需求提取数据,会出现口径不统一的情况,比如一个部门和另一个部门的同一指标,出现不同解读。

    4、  各部门自己提的数据需求,基本上总是会有漏的环节。

    所以,这时候,需要有个懂的人,梳理各部门需求,汇总整理数据流程,将数据体系化,不然就乱了。

    这种情况下,对数据产品经理的要求是:

    1、要懂分析,不然就会变成一个只出报表的传话筒。

    2、要懂数据的产生逻辑,要能建立一个业务模块的数据指标体系,不然,出来的东西会比较乱,可能迟迟上不了线;

    还有另一种情况就是大数据团队招人。

    这种一般是大数据团队,有自己的技术和算法人员,已经做出一定的成果(比如推荐系统最开始上线时,即使团队中没有产品经理,只有算法工程师,也是很容易产生比较好的推荐结果),得到了领导高层的认可。但是如何将算法,更好的服务于公司的商业,产生直接的销售结果,这是算法人员很难有精力去想的,就要招一个产品经理来。

    这时候对产品经理的要求是:又要懂商业,人家就是找你来变现的,又要懂算法,又要懂产品,要求非常高。大家觉得大数据的产品经理比较贵,都是这种。

    2.     如何入门:

    我招过不同背景的人,所以总结下来:

    基本要求:理工科背景,性格要温顺,要能沉下心来。数据指标实在是一个太繁琐的事情,对性格的要求非常高。而且如果是数据分析,在一大堆数据里刨来刨去,很可能半天也没有结果,所以性格首要的。

    以下是加分项:

    1、  数据分析师出身。数据产品最好还是要提供解决方案,并不是说,业务人员告诉你他们碰到什么问题,你就能做出好的产品的。要心中有商业模型,有很多解决方案,看到时候需要提供哪一种。

    这些方案累积的过程,大部分需要训练,可是谁有时间去训练呢,而数据分析人员的工作本身就是思考各种问题解决方案的过程,要想办法把数据的问题找出来,并且能够作为报告展现。所以招数据分析人员做产品经理是一个快速省事的办法。

    如果我的团队中没有分析经历的,一般我都会让其去做几份分析报告,训练思路。

    2、  业务人员出身,做过产品经理的,一般知道产品经理需要哪些数据,才能优化页面;做过市场的、运营的,知道哪些数据能够提升效果,有这种背景,我们也会需要;

    3、  数据提取员:每个部门需要数据时,就会有一个提取人员,用sql从数据库中提取数据。这种职位我会推荐应届生去做,首先,了解公司后台各大系统的关系和产生数据,其次,了解业务部门的情况,还可以了解公司的发展重点。最主要是,他了解每个数据是怎么产生的,这是其他背景的产品经理没有的优势,开发很喜欢这样的人写的prd,不管业务方向对不对,至少需求是不用改的。

    4、  算法产品经理,一般我会要求有数学背景的硕士,带起来很快,性价比高。

    5、  其实还是看个人,因为我们现在的团队每个方向擅长的人都有,所以如果我觉得一个人比较有潜力,就招进来,让他挨个职位做一遍,就培养出来了。

    3.     其他问题:

    流量分析产品:可以帮助产品经理进行页面设计、功能改进和改版评估等

    销售分析产品:可以帮助运营分析

    这个帮助指的是什么?

    如果是通过产生的数据报表进行预判的话,那和数据分析师的角色会重叠。

    -------------------------------以下是回答----------------------------------

    分析类产品,无论报表还是页面,都是希望使用者可以看到问题,或者得到结论,这是帮助的意思。也就是说把数据分析师的思维给固化成产品逻辑。

    举例:比如周报,之前可能是分析师把所有的数据汇总在一起,查看,分析,然后告诉你哪里该改动了。

    但是数据产品把分析师每次用的数据和思维,图形化展现出来,你自己做为一个产品经理,看看就知道哪里出问题了。

    二、  分析类产品

    1.     定义和能力模型:

    首先说定义:什么是分析类产品。

    可以挖掘数据背后的价值,并通过数据的展示,为使用者提供帮助,即数据产品。

    一个数据产品经理的能力模型如下:

    数据分析的能力;

    商业模型的理解能力;

    需求分析和调研的能力;

    数据展现的能力,即可视化的能力;

    2.     数据分析的能力:

    在我年轻的时候,在团队中处于打头阵的状态,基本上老大有什么新的产品了,会先派我去做。等我做的把坑趟的差不多了,就交给别人,换下一个产品,所以我真是做过很多产品和页面。后来总结出做分析产品的一个套路来,如下:

    首先讲一个数据分析框架,这基本上被我适用于公司很多业务上:

    这是一个数据分析师的经典的分析过程。首先,为这个部门收集一些信息,帮助制定关键指标,其次,监测指标完成的好坏,并发现问题,然后,分析影响KPI完成的原因。最后,给出解决方案。

    数据产品经理要做的是什么呢?就是把这个框架中的每个过程总结出来,梳理清楚,每一步,都需要哪些数据、哪些指标,怎么展示,用图还是用表,用什么图。然后,再综合开发资源、上线时间等,最终决定产品是什么样。

    我以淘宝给卖家做的一个产品为例,来讲解这个过程:这是一个给管理团队和运营团队看的日报:

    首先,日常监测:他们选的是访客数、浏览量、实付金额、支付转化率、客单价、退款金额、服务态度评分七个指标;

    我们给每个部门做产品时,都需要首先制定核心指标。有很多时候,业务部门自己会提需求,但业务部门只能想到最直接的,很可能他们部门很严重的问题,会漏掉。

    从部门价值上来考虑:

    资本方给公司的要求是什么?

    哪些指标影响了估值?

    你目前在分析的这个部门,可以承担哪些影响估值的指标?

    哪些其他指标可以为这个指标服务?

    从用户行为来考虑:

    用户如何来到这个页面/这个流程?

    他都进行了哪些操作

    都经过了哪些步骤

    从哪个环节流失?

    整体流程上,用户最关心什么?他的时间?更好的服务?更多的选择?

    当然,还有很多维度可以考虑。

    这样分析下来,该部门的核心指标就找到了。

    对于部门来说,核心指标是比较好找的,可以跟部门老大合计,看他侧重哪方面即可。

    对于为管理层做决策来说,就相对难了一些,在国内现在的形势下,可以多了解资本市场的分析逻辑,多了解管理层的现在的关注重点。

    因为即使管理人员,做企业时,也是摸着石头过河,也在不断的学习,可能这个阶段学习的是一种商业理论,在另一个阶段学习的是另一种商业理论。所以相关的商业理论要了解,才能给抽象成报表、甚至分析页面。我为此曾经学过很多,balabala的。

    发现问题:达成情况、情况好坏;同比、环比、定基比;

    继续看这个页面,数据分析方式怎么用到页面设计中。

    同比:较上周同期;

    环比:较前一日;

    定基比:将行业中所有的卖家分层,用和该店类似的卖家的核心数据,来做对比,从而知道自己的优缺点。

    定基比中,我见过最好的,是淘宝的产品。我当时在代运营公司,确实卖家就想知道,哪些跟自己差不多的,比自己好一些的卖家,他们的一些核心数据是什么样的,我的数据到底改善空间有多大。

    当然作为平台,可以做的更好一点:比如,我们同省市的卖家,大概的数据是多少。像我们去山东谈酒类企业,他们其实就很关注其他山东的酒在网上的受认可程度。太大的品牌,给他们的借鉴意义毕竟小。

    当指标和分析方式都比较多的时候,用户看到页面,就会看到很多数据,但是不知道看什么。这时候就要用一些可视化的方式,突出重点。比如,用红色叹号,将下降较多的指标标出来。

    分析原因:在产品设计中,通常要把影响指标达成的原因,也列在这个页面上,以供使用者参考。当然影响因素会很多,所以产品经理首先要收集齐全影响因素,然后再把关键的、核心的因素挑出来。

    比如某个地区的月初退货率忽然增长,就要收集原因,可能如下:

    *管理

    **  当地销售人员刷单,为了达成上月业务目标,月初退货;

    **  部门人员,有的比较能干,有的比较弱,导致了整体数据的达成不好;

    *  商品:新上的商品质量不过关;

    *  促销:邮费政策、价格政策的变动;

    *  外部原因:

    *  京东做了一场大促,把价格给打下来了;

    *  忽然爆发了商品的替代品,原有的优势品类衰退;

    *  天气原因:当地下了一场大雨,导致送货速度降低,顾客不满意;

    *广告投放合作方临时变化(可能)

    这些原因,哪些可以量化呢?哪些发生的几率比较大,而现在并没有这样的数据可用查看?这些原因,在产品设计中,就可以做成数据下钻的报表,以方便了解详情;

    如上图所示,拿红圈圈起来的,就是原因分析这一步在页面上的展示。当你看到一款商品数据有问题时,既可以进入商品温度计,查看商品的每个环节(标题、商品页面设计等)到哪哪里有问题,还可用进入单品分析,查看流量来源等。

    解决方案:

    一般来说,我们建议数据产品经理做到原因分析这一层,就足够了。因为解决方案没有一定之规,不仅跟公司战略有关,还和业务团队的leader喜好,部门的发展情况有关。如果没有一定的高度,可能做出来的并不是很好用,并且所以一般不建议产品经理直接做到解决方案这一步;

    但是,如果能够做到,那么你整个的产品的质量和可用性,都会有较大提升。能够做到解决方案,说明你真的明白你的数据的价值是什么,用来解决什么。

    解决方案分以下几类,

    直接营销:在会员系统中,在不同的分析页面,配上不同的营销方式。点击可以对相应的用户进行营销;

    管控:通过管理制度解决,比如,建立末位淘汰制,将打包能力差的人员淘汰,替换成打包能力强的人员,就可以提升打包时间,这样解决方案就是多一张监督打包人员的表;

    预测:以现在这样的速度,预测未来会发生什么,需要做什么补救。这是我当初给仓储提的一个方案。具体忘了。

    另外还有一些,是数据出来后,数据产品经理可以去推动的。

    通过招聘解决:有一些问题,大家都看得到,为什么没有解决,很大程度是因为没有能做这些事情的人;

    通过系统来解决:

    将一些人工频繁操作的,做成系统,可以提升效能,节约成本;

    用更智能的系统,替代掉原有的人工的模式;比如,首页的转化率比较低,试着将一些坑位变成千人千面,看是否能增加转化率;

    通过战略来解决:比如,原有的模式是以采定销,采购人员认为什么好卖,就进什么货,这样的好处是可以压低进货价,坏处是积压库存;如果将整个商业模式改成以销定采,则可以根据市场需求,来确定进货量的多少,从而达到降低库存的目的;

    提出解决方案,有一个非常重要的前提,就是找到解决方案的负责部门:

    作为内部的分析产品,我们建议以部门为一个单位目标用户群体,比如:市场部、仓储部、客服部、运营部;毕竟,公司把一块业务流程让一个部门负责,本身一般意味着这块流程的独立性,并且说明有人为这块流程负责

    要点一:有人负责,这很重要。我们曾经分析过库存问题,当时已经很严重了,但是公司没有部门对此负责时,推动非常难。

    要点二:有一些指标,大家都知道是核心指标,但是没有人负责,也许是因为有更重要的事,也许是因为没有想好如何将该目标拆解下去,分给哪个部门。

    如果是前者,就要再找一些数据来,证明是否是核心指标,比如后来我们拿到了京东和聚美的库存周转率,这些数据都和酒仙网有鲜明的对比;

    如果是后者,就要看拆分的维度。比如库存问题,是拆给运营部门,还是拆给采购部门,解决的方案是完全不同的。

    相关文章

      网友评论

      本文标题:如何一步步从数据产品菜鸟走到骨干数据产品

      本文链接:https://www.haomeiwen.com/subject/tzyhhttx.html