数据产品经理

最新推荐文章于 2025-04-25 16:16:55 发布

走咯走

最新推荐文章于 2025-04-25 16:16:55 发布

阅读量1k

点赞数 8

文章标签：产品经理

本文链接：https://blog.youkuaiyun.com/m0_53255923/article/details/138985249

版权

产品的商业论证到需求分析,到竞品调研,到产品的分阶段规划,产品的目标,设定产品的第一阶段的立项,然后产品的开发与落地,产品的上限,产品的运营与售卖,

数据平台：

要求底层能够汇总数据，清洗数据，治理数据，对数据进行分层，然后对外进行展示，提供数据分析的结果，可视化的数据界面。

目标：

更有效的赋能与于业务

产品规划能力：

能完整的规划数据平台产品：1.产品整体目标2.产品不同阶段目标和功能规划3.分阶段迭代的时间规划

产品整体目标：

进行需求分析,竞品分析，产品是干嘛的,为什么有这个产品,产品是用来干啥的

例如：能够让电商平台能够更好的提升销售业绩，让商家通过数据提高订单额，以及客户的二次购买率

产品不同阶段目标和功能规划：

这个产品是从0~1的话,我们就会分分成几个阶段

第一步：汇总数据,可视化的展示经营结果。数据都被捞到了,甚至客户的购买购买的习惯也被我们捞到了,都捞到了我们大数据平台里面。

例如：每个月有多少用户购买了,哪个商品的购买率较高,哪个商品较低,

我们可以汇总展示：购买商品的排行,用户排行与客户排行,购买的订单金额,每个月的订单金额

第二步：提供分析型工具

第三步：提供人工智能的模型工具,提供固化的智能分析工具

产品设计能力

行业通用玩法：bi对接数据库

bi展示类的工具连接数据源就可以进行对应的配置,配置好数据的维度力度,搜索的维度力度,计算口径等就可以在界面上进行数据的展示

知晓行业内的产品主要的目标和竞争格局

进行数据体系的规划和建设

实时交易信息,数据是怎么规划和怎么处理的

累计数据,即计算出来的数据，对于这种统计型的数据,进行怎样的规划

原子数（如公司总人数）原子指标怎么计算,怎么管理

复合型指标（人均销售额）怎么进行管理

规划数据的生命周期（为什么一个数据数据只有5年的生命周期,要有合理性论证）

生命周期是什么：把某一个指标,跟去年同期的指标做对比,跟近3年的平均数做对比,不需要看5年前的数据,那么是不是5年前的数据就要从服务器0封存,转移

数据体系的运营

同样的数据和数据之间,彼此是一个什么样的关系,是怎样被消费的

数据在不同的地方的流转：从这个数据产生，到这个数据被加工成数据指标,到领导驾驶舱被领导看到。一开始原始的数据存储在不同的业务系统和业务板块，就要进行整体的数据规划：

这个数据怎么来的,

这个数据怎么使用,

这个数据怎么加工,

这个数据数据要放在哪里,

这个数据怎么被人使用,

你都要去进行整体的一个规划

对业务的洞察和理解

设计数据,设计数据模型的逻辑

数据模型的逻辑：比如说数据仓库的分层关系。

天元数据层，汇总数据层，明细数据层，应用数据层是怎么样的一个分析关系,还有主数据都要去做对应的规划,比如说我们的ODS天元数据层,DWD，DWS，ADS层等等,都要去了解

职业数据指标与业务过程的关系

要知道指标产生,对应的数据的流转,以及对应的这个业务活动的过程

数据指标跟业务过程就有关系：例如：订单总额这个指标是怎么产生的,这个跟用户的购买活动有关系。用户点击某一个商品进行点击购买——购买之后进行付款,——收到商品进行确认收货,这样一个过程结束之后才能产生订单总额这个指标。因为已经交易成功，先产生单个用户的订单金额,最终才会汇总成一个店铺的订单总额,多个客户下单之后,成功交易的订单金额加起来,汇总成店铺的订单总额。 bi数据工程师,他得知道订单总额怎么产生的,因为产生订单的这个业务过程有多个活动。他要知道哪个数据是有效的,是能够来参与定店铺订单总额计算的这个真正有效的金额。

因为在后台它是数据表,所以对于这个计算的bi工程师,他要知道他取的是哪一个状态的数据。

知道数据表和数据表之间的逻辑,关联关系

比如说一个订单总额,到底关联了多少张订单的事实表,这个事实表里面的数据是怎样的结构和构成的关系,是如何通过一个指标来进行关联和被查询的。

每个过程当中会有几个步骤,会产生哪些数据,哪些数据是有价值的,是可以被挖掘来分析客户客服服务效率的,哪些环节可能有问题,能够对客服的服务流程做何种改进

优化指标体系

需要知道单个指标对应的指标体系的知识

指标编号是什么样子的,每个指标都有编号,方便在大数据平台里面进行对应的查询,
指标的定义,这个指标是个什么意思,目的是什么,为何而存在,（比如说订单总额是干嘛用的）
指标计算逻辑（比如说订单总额）是怎么计算的，取值是什么,计算口径是怎样的,
所属的业务板块，谁应该对订单总额这个指标进行负责,
指标所属部门
指标涉及的业务过程
是原值指标还是复合指标等等一系列的,
对指标进行分级,比如说这个指标是一级指标还是二级指标,那么什么样的指标我们作为一级指标,就是能够衡量公司经营结果的指标,比如说订单总额,订单总额减去订单减去成本即净利润,净利润除以人均除以公司的总人数公司的人均净利润,这几个指标都是越高代表公司的效益越好，代表大家干的活越有价值

需要知道指标的关联关系

指标计算血缘关系，指标业务血缘关系

指标和指标之间彼此是一个什么样的一个关系,那么其中一个某一个指标变好了,其他的指标是不是也在一起变好,或者当某一个指标在变好的时候,其他指标在变差

需要知道指标的优化目标

里面有一点是完善数据资产管理，对公司有价值的数据我们都叫做数据资产,不是所有的数据都有价值,只是一部分数据有价值,所以你要搞清楚数据资产是怎么定义的,那在不同的公司定义的标准都是不一样的。要知道数据资产的一些类目，比如说ODS层数据表,DWD层的数据层的数据表,DWS的数据层,ADS数据层表,甚至于我们通过ADS,也就是我们的应用服务层出去配置的相关接口,都可以沉淀在大数据平台作为数据资产,我们的数据接口也是资产,数据报表,数据字典,各类数据表,各类数据应用都是属于资产。

一切有价值，可沉淀在大数据平台的均为数据资产,什么叫沉淀,就是一次写好以后,可以在平台里面被复用,比如说这个接口是查询订单总额的一个接口,那可能EIP系统需要查询订单总额,cm系统也需要打查询订单总额,也可以给各个数据分析门户或者数据看板用,这些接口,一次开发多次复用。

职位需要

良好的业务团队协作能力

对使用大数据赋能业务充满激情和动力,那么你需要专业能力,团队管理与协作能力,既然涉及到团队管理,个人素质和特质你要充满激情,充满动力

要求有商家数据产品的设计经验

帆软的认证工程师,就专门去学习帆软的BI配置工具,怎么去配的,怎么去对接底层的数据表的。国内现在流行的bi分析型工具,就是帆软report和FBI

有较好的数据分析能力

能够沉淀数据分析的方法论,通过产品类固化一类分析思路,比如说分析专题应该怎么设计,怎么把分析专题里面所需要的数据组件,分析型组件去进行固化对吧,相当于有一个低代码的平台来做这件事情, 那么你要知道怎么去分析,是基于业务过程做分析,还是基于什么做分析对吧,

形成场景的业务

场景的数据解决方案,比如说专门针对订单提升的数据分析方案,专门针对活动效率分析的数据分析方案,对业务有较好的指导意义,

做一个大数据分析平台,就是为了赋能业务,为了让业务干得更好,为了提升业务

迭代

需要具有产品化的思路,固化沉淀与迭代,这是B端产品经理所必须具备的知识。要怎么样迭代行业经验,迭代数据分析的经验,沉淀数据分析的经验在自己的产品里面

产品的推广与售卖的能力
分析场景的能力

要针对哪些业务的痛点来做对应的汇总,对应的数据来做对应的分析

比如说我的订单额一直提升不上来,那么订单额关联哪些因素,一般的情况下订单不好有哪些原因造成的,商家可以基于你数据给出的结果和原因,进行层层的排查,找到怎么样找到改进的方向

项目管理能善于沟通和推进能力

良好的逻辑能力,善于沟通推进能力,是你的个人素质和个人特质,要看看你是不是一个愿意沟通,善于沟通，能够执行力很强，能够有效的进行推进的人,推进能力比较强的人,

也就是说你要你要很清楚你的目标是什么,达成你目标的关键行动是什么,这个关键行动对应是谁来做这个事情,你要很清楚,你要对这帮人做管理,那你可能对这帮开发人员或程序员,没有直接的管理能力,但是你要横向做管理,横向的去拉通,产品经营是最考验一个人的横向拉通能力的

熟悉项目管理能力,专业能力专业知识

pmp你有没有考,ACP和scram敏捷项目管理懂不懂。产品开发当中的项目的一些控制点,比如说项目的开发模式的选择,项目的风险管理,项目的人员管理，项目的计划管理，项目的风险管理,项目的决策的关键的干系人管理

熟悉大数据应用场景
有数据仓库,bi数据挖掘,用户画像等方面的工作经验者优先

通过用户画像能够能够洞察出来一些客户订单方面的问题，直接为业务进行赋能

用户原来它的数据分散在各个业务系统里面,然后我们通过用户画像,把各个业务系统里面的,与用户有关的数据,以及有价值的数据全部都提取出来,汇总在怎么样一张用户表里面,形成一个用户画像

可能会被应用到如下场景，例如：比如说这个客户他打电话来进行投诉的时候,你好,我是工号1107客服,请问有什么能帮助您吗,好这个时候这个客户还没有进行说话的时候,这个客户画像就会起到作用,马上跳出来这个客户近期的三笔订单,然后其中有一笔订单没有进行收货,这个客户在跟卖家拉扯的聊天记录,也已经谈到你的界面上来了

那么你就可以说诶您好,请问您想要咨询的是尾号5578的这个订单吗,我们有看到我们在后台有看到您正在这笔订单,您正在跟商家发生投诉是吗,这个时候我们可以通过这个数据,把被动服务转化为主动服务给到这个客户,这个客户他就会觉得哇我还没有说话,你就知道了我相关的信息了,甚至于这个时候投诉,这个时候界面上产生了他以往的数据的时候,然后我们的马上有对应的处理建议,我们的客服知识库里面马上弹出来,对应的对应的处理措施,优先安抚客户客户情绪,找到相关的症结,

这时候你就把用户画像这个模型用到了客服投诉的场景当中,直接与业务关联起来,第一化被动客户服务转化为主动客户服务,第二,把用户画像跟公司的客服的知识库结合起来,有专业化的操作和应对场景,减少客服去动脑子,降低人工工资成本

如果我们把所有的东西都能够固化沉淀下来,机器来做的话,减少人工,那么是不是能让人工更便宜。