以上两点其实都还是普通产品经理的范畴,到了这一部分才真正开始数据产品经理的专业课。明确了问题后,应该通过什么样的思路进行分析?需要明确以下原则:数据产品经理一定要有数据分析技能,才能更好创造更大的数据价值
数据产品设计理念,应从总览到细分,并且不断对比
总览应提纲挈领,简明扼要,让用户先了解当前发生了什么事情和问题的大概方向。不要让用户一进来就扎进无尽的细节中
细分应该提供足够丰富的维度便于分析。每次细分必须带着指标下去,所有分析的结果必须可以落实到动作执行,并与业务紧密相关
数据本身没有意义,数据的对比才有意义。数据产品的核心就是把这种对比凸显出来。
这个环节是数据产品经理最核心的区别其他产品经理的部分,同时也要求甚高。既需要丰富的产品设计经验,也需要深刻的业务理解能力和数据分析能力。 分析思路需要相应的数据支撑,数据展示类的产品自不用说,即使是用户画像的算法类产品,也必须有足够的准确数据做支撑。在确认的过程要注意以下两点:数据的完备性提前明确所有需要的数据是否已经准备完全。数据就像水面上的冰山,展示出来的只是很小的一部分,它的采集,清洗和聚合才是水面下 98% 的部分。所以如果需要的数据没有采集或没有经过清洗的话,会让整个工期增加了极大的不稳定因素。
数据的准确性在埋点采集的时代里,这绝对是个遇神坑神的大坑。很多时候临到使用,才发现这个埋点的方式一直都是错误的。或者发现这个指标计算的方法没有把某种因素排除掉。这种情况在企业内部类产品比较常见。因为部门众多口径繁杂,一不小心掉进去了,就别想爬出来了。
所以,一个优秀的产品经理想要跟Facebook 一样做到Data Driven ,必须首先做到数据的完备和准确,埋点是必须要解决的痛点。国内很多公司开始使用来自硅谷的新一代数据分析产品GrowingIO,它们采取的无埋点采集数据的方案,便可以解决在数据准备上遇到的很多问题。数据所见即所得,完备性准确性迎刃而解。
以上四步最终确定完成之后,就可以选择相应的产品形态了。常见的数据产品形态有:着重于数据呈现的有邮件报表类,可视化报表类,预警预测类,决策分析类等;着重于算法类的用户标签,匹配规则等等。篇幅所限,这里挑可视化报表类跟大家分享下:5.1 指标的设计
首先需要明确什么类型的产品适用什么样的指标,如电商最核心的是订单转化率,订单数,订单金额等,对于社交网站来讲则是日活跃用户数,互动数等。
指标的呈现说白了,就是数据可视化。这对数据产品经理来说极为重要。它并不只是UI设计师的工作,因为它涉及到别人怎么去理解你的产品和使用你的数据。一方面需要阅读相关专业的书籍,另一方面,是要去观察足够多的产品,看他们是如何实现的。这里有一些通用的规则可以和大家分享:
图片来自于网易云课堂
数据产品学问太深,我们也只是窥得冰山一角。一个优秀的数据产品经理必须要具备各种技能, 要了解自己的用户,要和他们保持长期有效的沟通;明晰用户的核心需求,而非停留在表面;而最重要的是一定要掌握数据分析技能、会用数据分析工具,时刻有Data Driven 的意识。
本文由GrowingIO 产品经理陈新涛创作,转载请注明出处。