大数据培训新三板挂牌机构 股票代码:837906 | EN CN
阿里巴巴菜鸟级数据产品经理半年回顾总结篇
干货教程:如何绘制业务流程图(二)
干货教程:如何绘制业务流程图(一)
技术贴:如何在数据库中秘密地查询隐私数据
攻略教程:信息图(infographic)是怎么做出来的?
分析师一定要看!用数据讲故事的五个步骤
技术篇:怎样玩转千万级别的数据?
北漂书生:大数据时代SEO数据如何搜集和分析
干货,从十大问题重新认识并读懂互联网
相似图片搜索、算法、识别的原理解析(下)
相似图片搜索、算法、识别的原理解析(上)
制作信息图时请遵循这10条原则
提高表格可读性的一些技巧,适用于Excel、PPT等数据报表
实用教程:如何让Excel图表更具“商务气质”?
一张数据信息图是这样制作完成的
菜鸟读财报,如何从上市公司财报中挖情报?
北大数据分析老鸟写给学弟们一封信
如何一步一步制作出高品质数据信息图?
总结:海量数据分析处理的十个方法
【实战经验】数据分析师如何了解老板真正想法?
零售业数据分析那些事儿
数据分析时l常用电子表格公式【大全】
用数据来告诉你 上市公司财报的秘密
这12个数据能 帮你搞定淘宝店铺
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(四)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(三)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(二)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(一)
淘宝网店从激活到挽留,4步走玩转数据营销
文案怎样写才有意思、不空洞、打动人?
入门级扫盲贴:数据分析的步骤有哪些?
关系即数据,论社交媒体的关系转换
数据的力量,苹果教你用数据鄙视竞争对手
谁说文科生不能做数据分析?数据分析入行→技能提升→优势
产品运营数据分析——SPSS数据分组案例
如何追踪iPhone和iPad等移动设备的用户行为数据?
阿里巴巴中国站:用户满意度指标权重计算方法
广告中的AdNetwork、AdExchange、DSP、SSP、RTB和DMP是什么?
信息图制作教程:关于数值的表现
为什么大数据会如此轰动?(值得深度的文章)
多图技术贴:深入浅出解析大数据平台架构
面板数据分析中标准误的估计修正——根据Peterson (2009)的归纳
财务官、投资人、CIO看过来:给企业数据定价
推荐系统中常用算法 以及优点缺点对比
探索Weotta搜索引擎背后的大数据技术
如何识别虚假数据?
为什么我们像驯化小狗那样驯化算法
程序员必须知道的10大基础实用算法及其讲解
电子商务:最影响转化率的九大要素
如何迅速成为一名数据分析师?
想从事大数据、海量数据处理相关的工作,如何自学打基础?
如何用亚马逊弹性MapReduce分析大数据?
译文:机器学习算法基础知识
给hadoop新手的一封信:Hadoop入门自学及对就业的帮助
从入门到精通,我是这样学习算法的
小商家,从老客户身上获取的数据才更有意义
13页PPT讲述:大数据下网站数据分析应用
40页PPT详解:京东大数据基础构架与创新应用
67页PPT解密搜索引擎背后的大技术:知识图谱,大数据语义链接的基石
营销洞察力——10个营销度量指标
技术篇:前端数据之美如何展示?
董飞:美国大数据工程师面试攻略【PPT】
easel:如何制作好的信息图——来自专家的顶级技巧
大数据实操:以3D打印机为例,如何知道卖点有没有市场需求?
大数据建模 需要了解的九大形式
用户画像数据建模方法
从规划开始,公司or企业如何入手和实施大数据?
干货:商品信息数据分析和展现系统的设计与开发
高手教你用Excel制作百度迁徙数据地图
50篇干货:淘宝店/电子商务如何玩转数据分析?
精华索引:大数据实际应用案例50篇
验证最小化可行产品 (MVP) 的 15 种方法
干货:数据分析师的完整知识结构
大数据技术Hadoop面试题,看看你能答对多少?答案在后面
用SPSS做数据分析?先弄懂SPSS的基础知识吧
怎样做出优秀的扁平化设计风格PPT? 扁平化PPT设计手册#3
解答│做大数据过程中遇到的13个问题
40页PPT│社交网络发展的新动力:大数据与众包
以Amazon、豆瓣网为例,探索推荐引擎内部的秘密#1
怎样做出优秀的扁平化设计风格PPT?#2
怎样做出优秀的扁平化设计风格PPT?#1
36页PPT│大数据分析关键技术在腾讯的应用服务创新
如何丰满地做SWOT分析?
【35页PPT】TalkingData研发副总阎志涛:移动互联网大数据处理系统架构
27页PPT|以珍爱网为例,如何构建有业务价值的数据分析系统?
国外数据新闻资源分享
21页PPT重磅发布:Mariana——腾讯深度学习平台的进展与应用
从0到100——知乎架构变迁史
PPT解读:百度大数据质量保障方案探索
45页PPT|大数据环境下实现一个O2O通用推荐引擎的实践
从数据看豆瓣兴衰
深度学习系列:解密最接近人脑的智能学习机器——深度学习及并行化实现(四)
重磅推荐:129页PPT讲述移动时代创业黄金法则 via:腾讯企鹅智酷
重磅推荐:大数据工程师飞林沙的年终总结&算法数据的思考
OpenKN——网络大数据时代的知识计算引擎
大数据下城市计算的典型应用
技术贴:大数据告诉你,如何给微信公众号文章取标题?
你的QQ暴露了你的心——QQ大数据及其应用介绍PPT
如何从企业报表看企业的生存能力?
实用的大数据技巧合集
技术帝揭秘:充电宝是如何盗取你的个人隐私的?
重磅!50页PPT揭秘腾讯大数据平台与推荐应用架构
原创教程:饼图之复合饼图与双层饼图(1)
PPT:大数据时代的设计特点——不了解这个你做不了今天的设计
教程贴:如何用方程式写春联?
原创教程:如何用Excel制作简易动态对比图
深度译文:机器学习那些事
教程帖:数学之美——手把手教你用Excel画心(动态图)
董老师走进斯坦福,聊聊硅谷创业公司和大数据的事儿(附课件PPT下载)
【限时】年度钜献,108个大数据文档PDF开放下载
董飞专栏:大数据入门——大数据相关技术、Hadoop生态、LinkedIn内部实战
亿级用户下的新浪微博平台架构
一张图了解磁盘里的数据结构
浅析数据化设计思维在阿里系产品的应用
美团推荐算法实践
一个P2P创业公司有哪些部门,都是做什么的?
一个P2P平台的详细运营框架是怎样的?
机器学习中的算法——决策树模型组合之随机森林与GBDT
神经网络简史
58页PPT看懂互联网趋势,大数据/物联网/云计算/4G都有了
广点通背后的大数据技术秘密——大规模主题模型建模及其在腾讯业务中的应用(附PPT)
微信红包之CBA实践PPT——移动互联网海量访问系统设计
一文读懂机器学习,大数据/自然语言处理/算法全有了……
搜狐新闻客户端的背后大数据技术原理——推荐系统(PPT)
原创教程:用Excel做动态双层饼图
半小时读懂PMP私有广告交易市场
怎样分析样本调研数据(译)
PPT:支付宝背后的大数据技术——DataLab、Higo的实践及应用
大数据技术人员的工具包——开源大数据处理工具list(限时下载)
计算机视觉:随机森林算法在人体识别中的应用
24页PPT:机器学习——支持向量机SVM简介(附下载)
互联网高手教你如何搜集你想要的信息
深度:对地观测大数据处理、挑战与思考
原创教程:用Excel做饼图之复合饼图与双层饼图(2)
移动大数据时代: 无线网络的挑战与机遇(附pdf下载)
Excel使用技巧——25招必学秘技
【年度热门】加上这些 Excel 技能点,秒杀众人(多图)
原创教程:用Excel做纵向折线图
知识图谱——机器大脑中的知识库
何明科专栏:用数据化的方式解析投资条款
DT时代,如何用大数据分析创造商业价值(23页PPT)
MIT牛人梳理脉络详解宏伟现代数据体系
你的老婆是怎么算出来的?揭秘佳缘用户推荐系统
飞林沙:商品推荐算法&推荐解释
PPT:如何成为真正的数据架构师?(附下载)
开源大数据查询分析引擎现状
董飞专栏:打造数据产品必知秘籍
译文:如何做强大又漂亮的信息图
如何使用Amazon Machine Learning构建机器学习预测模型
如何运用数据协助货架管理(内附26张PPT)
SVM算法
主流大数据系统在后台的层次角色及数据流向
PPT:阿里全息大数据构建与应用
人脸识别技术大总结——Face Detection & Alignment
教程:用Excel制作成对条形图
易观智库:大数据下的用户分析及用户画像(18页PPT附下载)
技术向:如何设计企业级大数据分析平台?
电商数据分析基础指标体系
IBM SPSS Modeler 决策树之银行行销预测应用分析
拓扑数据分析与机器学习的相互促进
基于 R 语言和 SPSS 的决策树算法介绍及应用
用php做爬虫 百万级别知乎用户数据爬取与分析
另类新浪微博基本数据采集方法
以10万+阅读的文章为例 教你做微信公众号的运营数据分析
破解数据三大难题:变现?交易?隐私?
微店的大数据平台建设实践与探讨
阿里巴巴PPT:大数据基础建议及产品应用之道
基于社会媒体的预测技术
人工智能简史
技巧:演讲中怎样用数据说话
马云和小贝选谁做老公?写给非数据人的数据世界入门指南
掘金大数据产业链:上游资源+中游技术+下游应用
原创教程:手把手教你用Excel做多层折线图
销售分析:如何从数据指标发现背后的故事
如何一步步从数据产品菜鸟走到骨干数据产品
也来谈谈微博的用户画像
行走在网格之间:微博用户关系模型
如何拍出和明星一样美爆的自拍照?斯坦福大学用卷积神经网络建模告诉你
运营商如何玩转大数据? 浙江移动云计算和大数据实践(PPT附下载)
大数据分析的集中化之路 建设银行大数据应用实践PPT
腾讯防刷负责人:基于用户画像大数据的电商防刷架构
创业提案的逻辑
友盟分享 | 移动大数据平台架构思想以及实践经验
寻路推荐 豆瓣推荐系统实践之路
“小数据”的统计学
重磅!8大策略让你对抗机器学习数据集里的不均衡数据
小团队撬动大数据——当当推荐团队的机器学习实践
微博推荐架构的演进
科普文 手把手教你微信公众号数据分析
信息图制作的六个注意点
【权利的游戏】剧透新玩法:情理之中?意料之外
推荐系统(Recommender System)的技术基础
核心算法 谷歌如何从网络的大海里捞到针
Quora数据科学家和机器学习工程师是如何合作的
阿里巴巴PPT:大数据下的数据安全
数据建模那点事儿
全民拥抱Docker云–Lhotse系统经验分享
实时股票分析系统的架构与算法
架构师必看 京东咚咚架构演进
什么叫对数据敏感?怎样做数据分析?
推荐系统基础知识储备
刘德寰:数据科学的整合与细分 数据科学的七个危险趋势(视频)
实际工作中,如何做简单的数据分析?
分布式前置机器学习在威胁情报中的应用(附PPT下载)
数据科学 怎样进行大数据的入门级学习?
扛住100亿次请求 如何做一个“有把握”的春晚红包系统?(PPT下载)
从 LinkedIn 的数据处理机制学习数据架构
大数据会如何改变管理咨询公司(I)
优秀大数据GitHub项目一览
生硬的数字和数据新闻:这么近,那么远
经典大数据架构案例:酷狗音乐的大数据平台重构(长文)
揭秘中兴大数据在银行领域的系统部署
基于大数据的用户画像构建(理论篇)
【R】支持向量机模型实现
数据图处处有陷阱?五个例子教你辨真伪
如何用R绘制地图
你确定你真的懂用户画像?
数据模型需要多少训练数据?
【接地气】01 数据报表的颜色怎么配
游戏价值和数据分析新思路
【R】异常值检测
快的打车架构实践
豆瓣还是朋友圈:大数据、新方法和日常问
PPT数据图表,怎么做才好看?
大道至简的数据体系构建方法论
数据的误区及自身业务
新浪微博的用户画像是怎样构建的?
面试干货!21个必知数据科学面试题和答案part1(1-11)
易观智库:中国大数据产业生态图谱2016(附下载)
Airbnb的数据基础架构
50PB海量数据排序,谷歌是这么做的
大数据时代工程师如何应对–今日头条走进硅谷技术讲座
D3.js教学记(下)
D3.js教学记(上)
飞林沙:企业级服务公司如何赚钱?只有平台级产品才有大数据的理论
一个母婴电子商务网站的大数据平台及机器学习实践
7大板块 组成数据分析师的完整知识结构
干货:SaaS领域如何分析收入增长?
学术 | 词嵌入的类比特性有实用意义吗?
6个用好大数据的秘诀
一个数据库外行眼中的微信优化 (附专家补充)
大数据调研,如何实现快全准?
数据大师Olivier Grisel给志向高远的数据科学家的指引
数据堂肖永红:数据交易的是使用权或数据的增值,而不是数据本身(PPT附下载)
淘宝商品详情平台化思考与实践
刘译璟:百分点大数据理念和实践(图文+PPT下载)
如何快速搞定一份看起来还不错的演示文档?
【BABY夜谈大数据】决策树
数据驱动设计:数据处理流程、分析方法和实战案例
美图数据总监:Facebook的法宝,我们在产品中怎么用?
树的内核:量化树结构化数据之间的相似性
拿到用户数据之后,LinkedIn怎么赚钱?
GrowingIO张溪梦:增长黑客的核心 企业应该重视产品留存率(附PPT下载)
[译]Airbnb是如何使用数据理解用户旅行体验的?
微博推荐数据服务代理: hyper_proxy的设计和实现
星图数据谷熠:消费领域DaaS 大数据重构未来商业游戏规则(附PPT下载)
鲍忠铁:TalkingData大数据技术与应用实践(PPT下载)
【干货教材】数据分析VS业务分析需求
九枝兰专访:数字营销的核心—企业如何使用数据管理平台(DMP)进行精准营销
我们的应用系统是如何支撑千万级别用户的
R应用空间数据科学
Excel进行高级数据分析(上)
Excel进行高级数据分析(下)
国内各大互联网公司2.0版技术站点收集
网站数据分析思路导图
大数据分析报表设计开发要素
大数据需要的12个工具 推荐
YARN/MRv2 Resource Manager深入剖析—NM管理
YARN/MRv2 Resource Manager深入剖析—RMApp状态机分析
Hadoop 1.0与Hadoop 2.0资源管理方案对比
Hadoop 2.0中单点故障解决方案总结
Hadoop 2.0 (YARN)中的安全机制概述
Hadoop 新特性、改进、优化和Bug分析系列1:YARN-378
Hadoop 新特性、改进、优化和Bug分析系列2:YARN-45
Hadoop 新特性、改进、优化和Bug分析系列3:YARN-392
Hadoop版本选择探讨
探究提高Hadoop稳定性与性能的方法
《Effective C++》读书笔记(第一部分)
Hadoop分布式环境下的数据抽样
Hadoop计算能力调度器算法解析
如何编写Hadoop调度器
数据结构之红黑树
Hadoop pipes设计原理
《C++ Primer plus》学习笔记之”类”
《C++ Primer plus》学习笔记之”类继承”
《C++ Primer plus》学习笔记之”C++中的代码重用”
《C++ Primer plus》学习笔记之”异常”
《C++ Primer plus》学习笔记之”RTTI”
Hadoop pipes编程
Hadoop Streaming高级编程
《C++ Primer plus》学习笔记之”标准模板库”
《C++ Primer plus》学习笔记之”输入输出库”
Linux Shell 命令总结
算法之图搜索算法(一)
awk使用总结
素数判定算法
《C++ Primer plus》学习笔记之“函数探幽”
使用Thrift RPC编写程序
如何在Hadoop上编写MapReduce程序
怎样从10亿查询词找出出现频率最高的10个

如何一步步从数据产品菜鸟走到骨干数据产品

于2017-04-01由小牛君创建

分享到:


产品经理

作者:酒仙网高级数据经理杨楠楠  个人微信号:276982689 文章首发pmcaff

网上关于数据分析师的文章很多,但是关于数据产品经理的文章很少,所以经常有各个领域的垂直网站来和我交流,问我数据产品应该怎么做,人怎么培养,团队应该怎么建。所以我就把别人的问题、自己的回答,结合自身的成长经验,做了一个课程。后应pmcaff之约,在这里把课程讲稿连载。

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。

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:

数据挖掘

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:

数据挖掘

  • 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。

数据挖掘

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;

数据挖掘

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;

End.