数据产品经理是不是一个好选择？

文章插图
我想先尝试对这个岗位做个定义，但不会是一句话抽象总结的那种，因为我功力还不够，而且那种抽象总结往往也不怎么用户友好。

文章插图
我更倾向于先梳理清楚这个新兴的、混杂的岗位，到底都在做什么？从我有限的经历出发，我按照系统层次架构的方式分出了这么3类：
【数据产品经理是不是一个好选择？】基础层的数据产品，具象来说可能是埋点平台、数据仓库，往往更多也跟数据的来源接入有关，对产品经理自身的技术思维和素养要求更多；
中间层的数据产品，以画像标签平台、各种数据中台为主，在大部分场景都会是承上启下的角色。这就需要产品经理一方面能对数据的来源和质量有所理解把控，一方面也能以应用价值为目标规划自己的平台，确保它不会变成一堆功能的堆砌；
应用层的数据产品，集合了神策这类数据分析类的产品，也包含DMP等能实际做出动作产生收益的平台。总之这一层的数据产品跟钱更近，对产品经理的产品思维和素养要求的也更多。
这里正好可以提一句，要求产品经理具备一定技术背景到底有没有根据和必要性？从对数据产品的层次划分上，我目前认为对基础层和中间层做这种要求是有一定合理性的，但对应用层的产品经理而言，锦上添花吧～

文章插图

文章插图
花了一些功夫做定义之后，可以来通过2个案例，了解下数据产品领域目前的现状。第一个案例是上面这个简单的线框图，它复现的是某BAT大厂部门级的自助式可视化机器学习平台。它的目标是通过产品化降低门槛，让人人都能做数据分析+机器学习，愿景特别好。
整个平台集成了在线的数据导入和管理、机器学习组件、可拖拉拽的可视化操作界面、以及模型的线上部署调度。可谓是功能强大，操作便捷。

文章插图
然而平台上线之后用户反馈却不怎么好，简单说就是专家嫌弃它不够细节，小白抱怨它门槛太高。
专家心里对平台的预期，是对标自己写代码的，要是平台的功能没有写代码来的灵活、丰富，那为啥要这个平台？
小白就不一样了，他们对这个平台是心怀敬畏的，以至于都不敢用。产品经理们有时候觉得只要不写代码了，对没有技术背景的人来说就是福音，然而并不是。不了解算法的原理、能在哪些场景用来干嘛，是小白们上手的拦路虎。

文章插图
第二个案例就拿市面上很常见的数据分析平台来说。这类平台基本都长的差不多，以功能为出发点构建了很多指标和图表。虽然有包装成xx行业解决方案，但细看其实也并没有多大差别。

文章插图
我曾经拿着这类平台问一些非数据专业背景的朋友，他们对此的反馈一如上图：“我看到了一堆指标和图表，有些还很炫酷，但这些数据说明啥？我能根据这些直接做点啥？”不好意思，大概率你就只能看看，想干点啥就手动下载，然后excel里自己再捣鼓捣鼓吧～

文章插图
这类产品通常还会提及自己有灵活丰富的自定义分析功能，这些你怎么看呢？嗨～常规通用功能我都看不明白，你给我一个功能强大的自定义分析，是不是存心打发我自己去玩儿呀？反正到最后我想要的在界面上找不到，你都可以说：“去自定义分析里自己交叉配置一下就能得到了” 。从这个角度来看，自定义分析真的是转嫁责任与风险的利器！?

文章插图
两个案例讲完了，相信你对数据产品领域的现状已经有了直观的认知。我稍微总结下，就是——数据有余，产品不足。两个案例的问题归根结底都在于一开始没有想清楚，到底是要解决谁的什么问题？
第一个自助可视化机器学习平台，属于目标用户就没找准，基于现有技术能力构建出一个平台，最后落的里外不是人；第二个常见的数据分析平台，虽然产品介绍上一般都会写能解决用户的xxx业务痛点问题，但一看产品界面基本都不是那么回事儿，就不是问题导向构建的，而是指标导向构建的。

文章插图
现状盘点完了，可以尝试剖析下为什么会出现这种问题？个人看法哈，是人和环境的共同作用。
人的方面，由于是新兴岗位，从业者和领导都面临一些原生的问题；环境方面，企业数字化进程的发展阶段，以及数据产品自身价值的证实，都正在跨越。

文章插图
咱们先详细说人的问题。目前数据产品岗位的从业者，很少有根正苗红的“土著”，一般都是半路出家转行过来的，其中比例比较大的，就是自带较为浓厚技术背景的数据分析师、数据研发工程师。上面提到过，在基础层和中间层的数据产品，有技术背景是很有必要的；但换个角度，如果只有技术背景的熏陶，缺乏产品思维，也会是个问题。比如常见的问题逻辑路线就是：我有一个很厉害的技术——>我要把它变成产品——>市场上找找有谁对这个有需求。市面上的很多产品，就是基于这种背景打造出来的。
同时，既然岗位是新的，那么该方向的领导肯定也不会之前就是做数据产品的。领导自己的专业背景，也会影响他对这个岗位的定位和规划。比如古牧君就遇到过一个老板，他就觉得“数据分析写作业，数据产品抄作业”就挺好～大概意思就是，凡事先有数据分析做探索洞察，等确认之后再由数据产品上线实现产品化自动化。这种定位下的数据产品，你开心么？～

文章插图
说完人的问题，再说环境的因素。公司之前不需要数据产品，是因为有大量的数据分析师人肉顶上；但随着时代的进展，人力资源价格的提升，公司对效率的追求，就导致需要数据产品出来进一步提升效率。所以数据产品在提升效率这个维度，是在数据分析师基础上的一个再提升，是个二阶导数～但平心而论，国内互联网公司们又有多少跨过了第一个阶段？目测还真不是很多，即便跨过了，需要数据产品了，也更多是BI报表算个数、看个数这类的需求。所以眼下大家提到数据产品的时候，更多想到的可能就是那种数据分析看板了。
如果都是数据分析看板，那顺带着就有一个绕不开的问题：你怎么证明自己的价值？帮公司挣了多少钱是很显而易见的，但提升效率能带来多少节省or收入，可真不好说。还是回到咱们一开始说的数据产品的三层级，越是基础层的离钱越远，自身价值衡量越弱，存在感也越有待提升。

文章插图
挖掘了这么多的问题和本质，能不能解决？我觉得还是有努力的空间，比如从对自身能力的要求上、从岗位机会的选择上。
对自身可以更多以产品经理的身份要求，不要总觉得数据产品就光是技术了，产品定位出了问题、产品设计规划的不以用户/客户为中心，最后啥也不是～

文章插图
光努力不选择好也不行，如果有的选，我还是建议更多往离钱近、离业务近的层级走。倒不是说应用层就比其他层级高贵，而是我们中国人从小的教育就是先把知识点记住，至于有没有用怎么用以后再说。这种教学方式我相信大家都有深深的阴影，刚入门的人多了解了解所学所做有什么实际应用价值，更有利于学习的积极性和对知识的消化理解。