搞數據還是做產品?淺談『數據產品經理』

淺談數據產品經理

數據分析師職場發展的另類出路 文章時提到了兩個方向,一個是數據X諮詢、另一個是數據X產品,其中數據X產品就是所謂的『數據產品經理』。

大家認識我可能都是從數據分析的角色開始,但其實我做數據產品也有幾年的時間了,會轉做這個職位的考量也比較單純。我一直追求的是數據價值最大化,在經歷許多分析專案的過程中,我感覺到很多需求其實都是有共性的,因此標準化、自動化,會讓數據(至少在廣度)有更大的價值。

數據產品經理的能力,是數據為主要能力?還是產品為主要能力?

雖然我比較早期就投入這職位,但其實我也很模糊了一段時間,私下問過不少同行他們的工作內容,也詢問過管理者他們心中的數據產品經理是什麼長相。

有人說是產品為主,例如電商產品經理、後台產品經理、行銷產品經理,這都是產品經理的細分領域,所以數據產品經理也是比照這一邏輯。

有人說以數據為主,因為產品經理實現的是”功能”,但數據基本不存在”功能”可言

那麼到底是…?


數據產品細分

數據分析這職位剛出來時,大家都不太清楚到底職位邊界在哪,我的觀察大概需要3~5年市場才會清晰,像是現在大家就比較清楚知道數據分析至少要分成Data Engineer 、Data Analyst(Business intelligence) 跟Data Science(ML Engineer)

同理,數據產品經理當然也不例外。產品經理本身就是比較抽象的工作,再結合”數據”,因此數據產品經理就更抽象了。要回答這個問題,首先要知道什麼叫”數據產品”?

我認為數據產品可以細分三種類型,分別是工具型、管理型、及應用型。而彼此的側重點略有不同,才造成大家認知的差異。

一、偏工具型的數據產品

  • 對於Data Engineer,我們要採集、要計算、要調度、要ETL
  • 對於分析師,我們要建立圖表、dashboard,要做AB實驗
  • 對於Data Science,我們要建立model、要上線正式環境

這些工作都可以直接寫代碼完成,例如大家比較熟悉的資料視覺化,在以往我們要做這種工作,我們是用R/Python;對於前端工程師可以用一些組建例如D3.js、 ECharts開發。不是不能做,但是有點麻煩,而Tableau、PowerBI、DataStudio就簡化了這件事,他是面向資料視覺化場景,透過產品的能力降低門檻,解決了資料視覺化的痛點。

如果有看過Tom Sung那篇很熱門的【數據分析師會走向泡沫化嗎?】文章,其觀點之一(文章第四點- 4. Self Service 才是未來)就是工具型的數據產品的發展會讓技術門檻降低。

雲服務大廠例如Google CloudAWSAzure,裡面屬於”大數據”或者是”分析”類型的產品都是屬於這一分類。也有不少小而美或是很有潛力的新興公司,例如BI領域的ThoughtSpot、雲資料倉庫/資料湖領域的DataBrickSnowflake、大數據開發(ETL)的dbt、資料治理領域的DataHub等。

延伸閱讀:
- Google Data Catalog如何幫忙管理數據? 產品介紹與體驗心得
- 數據分析師要失業? 透過2022 Gartner 報告,解讀BI產品發展趨勢
- Databrick為何收購BI產品Redash?產品視角來看Redash的功能與價值

二、偏應用型的數據產品

應用型會在數據生產鏈路的最尾端,關注數據本身可以帶來的”商業價值”,通常會結合某一種具體應用。例如行銷領域,結合數據將顧客分眾自動化;例如在ERP領域,結合數據將庫存管理做到預測存貨與預警

舉例,A跟B兩個產品都具備”透過標籤進行顧客分眾”功能,單純從功能角度,兩個產品一樣好。

但A產品的標籤只有10個(且都是交易類標籤),B產品的標籤有100個(多了用戶行為標籤),那麼把”數據”也納進來衡量,B產品是更好的。

再介紹一個產品:阿里巴巴的生意參謀,從產品型態看,就是一個一個dashboard,但他核心是透過數據讓淘寶商家”做決策”,做決策又被分成三大塊:敵情、我情、行情。可以試著感受他產品佈局就是在圍繞這三件事,dashboard只是一個表徵。

如果只把他當成dashboard,那產品確實技術含量不高。但如果可以把敵情、我情、行情都整合再一起,幫助商家作出科學決策,那價值就高了。又或者Google Trend,也是同理。

延伸閱讀:Shopline-數據分析中心(Shoplytics)產品體驗

三、偏管理型的數據產品

做分析的同學或多或少都曾經覺得數據很髒很亂,這裡面有歷史原因、有業務發展過快、沒有規範意識導致、或是業務線龐大各自有各自的規範

例如之前看老產品的歷史行為數據,一個點擊事件在後端儲存的值,event_type有”點擊”、”click”、”Click”,中文跟英文都有,大小寫不統一(甚至還有拼錯的);或是做分析時,也會發生指標的混淆,例如訂單數,可能A部門的訂單數是退貨也算、B部門要客戶簽收才算,引發大量溝通成本。

在細緻一點,例如表名看不懂、欄位名亂取、代碼太醜…

管理型的產品經理目標是將”數據變好用” ,在數據方法論與架構思考的琢磨會比較多,產出最基本是文檔,實現規範化、也需要從更高視角俯視企業目前大數據能力的全局;更好是可以把規範性事務,夠過工具型的產品實現自動化。比較常見的有tracking code管理平台、指標管理平台、資料治理平台、數據地圖平台。

延伸閱讀:數據太髒了!3個步驟做好數據質量管理

市場與發展

回到開頭的問題,數據產品經理到底主要是數據、還是主要是產品?

我認為三種類型都需要數據能力+產品能力+商業能力,只是側重點不同;當然這三者之間也不是涇渭分明,彼此有一定的重疊程度,因此數據產品經理的能力要能夠同時兼顧數據、產品、商業,要求算不低。 最後我們直接來看JD(針對大陸互聯網公司)怎麼描述。

1. 工具型數據產品經理

對於工具型,原本就是從事相關工作的人員會比較好身任。舉例當你本身就是DS,你很清楚DS是怎樣開發模型、要經歷哪些步驟?你才知道哪些過程可以優化,或是哪個關鍵點可以透過自動化節省開發成本。

這種產品從商業模式來看,主要是內部建設,內部用得不錯開始往外推廣或是開源,例如是Linkedin的WhereHows、Airbnb的Airflow,往大的說AWS也是歸類這種模式。以公司視角,在前期大都屬於沈默的研發成本,也會被歸類到IT這種成本單位。這種工作在台灣不多,大型公司才有幾會見到。

2. 應用型數據產品經理

對於應用型,我覺得是從事DA的人比較好切入的類型,因為做DA我們的分析大多是圍繞商業,可能是現狀、可以是優化策略,可以是新業務發展策略,對商業就已經有一定的理解度。一般的產品經理、營運這些跟業務比較強相關的職能,也比較合適走這塊。

這類型的產品,大多一開始的定位就是商業化出發,跟營收等KPI掛鉤比較深、或是出發點是建立公司在產品以外的護城河。可想像空間比較好理解,因此也比較多企業涉足。

除了大型企業,新創方面,例如91APP的Marketing Cloud、Migo功典資訊、漸強實驗室、Appire、ikala、kkday、Vpon…(太多了如果有遺漏請包涵),雖然不一定稱呼為數據產品經理,但存在類似的職位。

3. 管理型數據產品經理

管理型不論台灣或歐美,大多是有一定規模的企業才有需求,畢竟小企業賺錢衝營收搞客戶都來不及了…如果從工程師角度看,這也就是所謂的技術債。到了該還的那一刻,就是管理型數據產品現身的時候了。

以我觀察大陸的情況,初期只集中在互聯網大廠,但近期大型傳統行業(批發零售、汽車、製造…)對這塊需求也是漸增的,可能是數據的重要性已經很被大家認可,而傳統公司發展久、數據也不少,卻缺少有效利用。所以要對已有數據以及未來可能產生的數據做通用性的管理方案,甚至還會成立數據資產委員會之類的組織,做自上而下的管理模式。

最後

工商一下,市面上其實已經有不少關於數據分析、數據工程的課程、書籍等資源,但要透過”數據”來驅動”業務”,需要的是更廣泛的知識體系,橫跨數據、商業與產品

我在Hahow for business有一門偏應用型數據產品的課程,想要帶領大家從更高的視角來了解數據的價值。這是一門結合了『商業』、『數據』與『產品』的基礎課程,因此不論你對數位轉型議題有興趣,或是工作中要跟數據打交道,都非常適合!

如果你的公司有跟Hahow for business合作是免費收看!歡迎多多支持!!

Hahow for business 描繪使用者輪廓

歡迎分享你的心得

🙌 你是數據分析新手嗎?入行必學SQL課程由此開始 >>>

X
Scroll to Top