数据产品经理从零到一(1):数据产品能力模型构建

时间: 2021-07-06 15:25    来源: 未知   
点击:

  笔者正在由电商产品经理转型数据产品经理,为了提升自己学习的效率,尝试以这种输出驱动输入的模式,将自己学习的思路和学习内容分享给大家,也希望可以与其他数据产品经理多多交流。

  本文尝试凭借笔者的理解构建一套数据产品经理能力模型,作为自己未来学习的方向。

  笔者在拉勾网和猎聘网上搜索数据产品经理和高级数据产品经理,将岗位职责汇总整理,招聘方对于数据产品经理的需求如下所示:

  6、能很好地掌握产品思路、技术方案、商务策略等,驱动各角色解决问题 ,具有良好的商业洞察与判断,很强的逻辑思维能力、产品策划、品牌包装与宣传能力,对数据和业务敏感,有一定技术背景优先考虑。

  从上面的企业招聘需求可以看出,数据产品经理除了需要具备一些普通产品经理基础能力外,对数据分析,商业智能,数据挖掘等技能有着非常高的专业门槛。虽然数据产品经理也细分出应用方向,大数挖掘方向,数据分析方向,但为了更加有效的共同,还是有必要补全知识结构。数据产品经理多是数据分析师和数据开发通过内部转岗完成的,笔者属于电商产品转应用方向数据产品,在发挥业务理解优势的同时,需要快速补全数据分析相关知识,便于与对接同事高效协作。

  曾经分析过AI产品经理模型,也是从产品经理的朋友圈说起,因为产品经理很多时候承担着协调推进角色,也承担了部分”翻译官“的觉,将业务需求转化成不同的语言表达,找老板要资源,请开发写代码,叙述清楚页面设计要求,这个时候就需要产品掌握不同分科中的一些”黑话“,让对方感觉你是自己人,数据产品经理也是同样的,我们来看看数据产品经理的朋友圈,也有助于进一步理解数据产品能力模型。

  数据产品经理本质是互联网产品经理的一个细分领域,其产品的用户是公司内部,外部客户等,其目标是通过数据分析和挖掘,辅助其发现问题,提高决策准确性,而为了完成这类产品,我们不单要与传统的开发,交互,设计,用研,客户,测试同学打交道,还需要与数据分析师,数据科学家,AI工程师,数据仓库管理员等同学沟通,为了可以保证沟通中的效率,我们需要清楚沟通时可能会涉及到哪些专业名词,技术实现边界,行业发展情况,竞品实现逻辑,笔者将尝试在后续文章中梳理总结。

  数据产品经理是产品经理岗位的一个细分领域,其能力模型可以理解为一般产品经理能力模型+专业能力补充模型。下图是腾讯产品经理能力模型体系,清晰界定了不同等级产品经理19个能力侧重方向,整体来看学习能力,执行力,沟通能力,市场/用户调研与分析是最核心能力。

  以上19个基础能力模型中,数据产品经理在技术知识模块和市场分析能力/前瞻性需要了解/熟悉/掌握如下知识和技能:

  2、熟悉数据生产加工流程:数据采集,数据预处理,数据存储,数据分析,数据挖掘,数据可视化,数据服务产品化;

  OLAP:(On-Line Analytical Processing)联机分析处理。OLAP是数据仓库系统的主要应用,支持复杂的分析操作,侧重决策支持,并且提供直观易懂的查询结果。

  OLTP:(On-Line Transaction Processing)联机事务处理。OLTP是传统的关系型数据库的主要应用,主要是基本的、日常的事务处理,例如银行交易。

  可以看出,数据分析强调使用统计学方法,发现有用信息,支持决策,构造建设性结论。

  数据挖掘与大数据关联性更加密切,利用人工智能,机器学习,统计学等知识,对于大型数据集进行分析,发现规律,预测未来,辅助决策。

  数据建模是对现实世界各类数据的抽象组织,确定数据库需管辖的范围、数据的组织形式等直至转化成现实的数据库。 建模过程中的主要活动包括:确定数据及其相关过程;定义数据;确保数据的完整性;定义操作过程;选择数据存储技术。数据建模大致分为三个阶段,概念建模阶段,逻辑建模阶段和物理建模阶段。其中概念建模和逻辑建模阶段与数据库厂商毫无关系,换言之,与MySQL,SQL Server,Oracle没有关系。

  数据分析和数据挖掘的关系:从数据量级来看,一般情况下,数据分析的数据量可能并不大,而数据挖掘的数据量极大。从建模条件来看,数据分析是从一个假设出发,需要自行建立方程或模型来与假设吻合,而数据挖掘不需要假设,可以自动建立方程。从分析对象来看,数据分析往往是针对数字化的数据,而数据挖掘能够采用不同类型的数据。

  从结果来看,数据分析对结果进行解释,呈现出有效信息,数据挖掘的结果不容易解释,对信息进行价值评估,着眼于预测未来,并提出决策性建议。数据挖掘与数据分析两者紧密相连,具有循环递归的关系

  数据库是指长期存储在计算机内有组织的、可共享的数据集合。数据库中的数据按一定的数据模型组织、描述和存储,具有较小的冗余度、较高的数据独立性和易扩展性,并可为各种用户共享。数据库理论的研究主要集中于关系的规范化理论、关系数据理论等。近年来,随着人工智能与数据库理论的结合及并行计算机的发展,数据库逻辑演绎和知识推理、并行算法等理论研究,以及演绎数据库系统、知识库系统和数据仓库的研制都已成为新的研究方向。

  数据仓库(Data Warehouse) 是一个面向主题的(SubjectOri2ented) 、集成的( Integrate ) 、相对稳定的(Non -Volatile ) 、反映历史变化( TimeVariant) 的数据集合用于支持管理决策。首先,数据仓库用于支持决策,面向分析型数据处理,其次,数据仓库是对多个异构的数据源有效集成,集成后按照主题进行了重组,并包含历史数据,而且存放在数据仓库中的数据一般不再修改。

  为最大限度地实现灵活性,集成的数据仓库的数据应该存储在标准RDBMS(关系数据库管理系统Relational Database Management System) 中,并经过规范的数据库设计,以及为了提高性能而增加一些小结性信息和不规范设计。这种类型的数据仓库设计被称为原子数据仓库。原子数据仓库的子集,又称为数据集市。

  数据库是面向事务的设计,数据仓库是面向主题设计的。数据库一般存储在线交易数据,数据仓库存储的一般是历史数据。从时间属性来看,数据库保存信息的时候,并不强调一定有时间信息。数据仓库则不同,出于决策的需要,数据仓库中的数据都要标明时间属性。

  BI(Business Intelligence)即商务智能,它是一套完整的解决方案,用来将企业中现有的数据进行有效的整合,快速准确地提供报表并提出决策依据,帮助企业做出明智的业务经营决策。

  商业智能的概念最早在1996年提出。当时将商业智能定义为一类由数据仓库(或数据集市)、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组成的、以帮助企业决策为目的技术及其应用。而这些数据可能来自企业的CRM、SCM等业务系统。

  主流商业智能产品:Tableau、saiku、kylin、BDP、growingIO、神策、阿里数加等。笔者正在阅读阿里巴巴的 《大数据之路》,后续将结合阿里数加产品整理阅读心得。

  大数据(big data),指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。大数据的5V特点(IBM提出):Volume(大量)、Velocity(高速)、Variety(多样)、Value(低价值密度)、Veracity(真实性)。大数据包括结构化、半结构化和非结构化数据,非结构化数据越来越成为数据的主要部分。

  大数据的发展趋势:数据资源化,大数据与云计算深度结合,科学理论的突破,数据科学和数据联盟的成立,数据泄露泛滥,数据管理成为核心竞争力,数据质量是BI成功的关键,www.474758.com,数据生态系统复合化程度加强。

  需求分析,数据采集,数据预处理,数据分析,数据挖掘,数据可视化,数据服务产品化(模板化)。

  向业务部门进行调研,了解业务需要解决的问题,将业务问题映射成数据分析工作和任务,同时结合平台已有能力,确定数据分析或挖掘方案。

  第一步需要定义数据源选择,DBA可以基于数据分析需要,找到相关数据,建立一张数据宽表,将数据仓库的数据引入到这张宽表当中,基于一定的逻辑关系进行汇总计算。这张宽表作为数据分析的基础,然后再依据数据分析需要衍生出一些不同的表单,为数据分析提供干净全面的数据源;

  后续笔者将梳理数据产品设计结构,从数据驱动产品设计,数据分析常用方法,数据分析工具的使用等,感兴趣的朋友可以添加关注。

  田宇洲(微信公众号:言之有术),人人都是产品经理专栏作家,北京大学软件工程管理硕士,北京电信4年产品经理,负责B2B电商平台的前后端产品设计,擅长游戏化产品设计,挖掘用户画像。

  大家期待已久的《数据产品经理实战训练营》终于在起点学院(人人都是产品经理旗下教育机构)上线啦!

  本课程非常适合新手数据产品经理,或者想要转岗的产品经理、数据分析师、研发、产品运营等人群。

  课程会从基础概念,到核心技能,再通过典型数据分析平台的实战,帮助大家构建完整的知识体系,掌握数据产品经理的基本功。

  学完后你会掌握怎么建指标体系、指标字典,如何设计数据埋点、保证数据质量,规划大数据分析平台等实际工作技能~

  现在就添加空空老师(微信id:anne012520),咨询课程详情并领取福利优惠吧!

  您好,看到您的总结分享非常受用,正准备去您前公司面试,是否方便加个微信交流下?我的微信是是,谢谢。

  跳槽的时候以为自己做的是数据产品,结果进来了发现实际中做的是AI产品。。。。现在先补充AI的知识,然后在系统学习一下部门的数据系统,在做总结~

  哈哈,是的,慢慢往里面看,先看出来个框,慢慢深入补全,后面我可能也要在产品和数据分析,挖掘挣扎了。。。

  跳槽的时候以为自己做的事数据产品,结果进来了发现实际中做的是AI产品。。。。现在先补充AI的知识,然后在系统学习一下部门的数据系统,在做总结~

  听到很多言论说在中国程序员是吃青春饭的,那么产品经理呢,也吃青春饭吗?

  人人都是产品经理()是以产品经理、运营为核心的学习、交流、分享平台,集媒体、培训、社群为一体,全方位服务产品人和运营人,成立9年举办在线+期,线+场,产品经理大会、运营大会20+场,覆盖北上广深杭成都等15个城市,在行业有较高的影响力和知名度。平台聚集了众多BAT美团京东滴滴360小米网易等知名互联网公司产品总监和运营总监,他们在这里与你一起成长。