精华内容
下载资源
问答
  • 主要通过大数据产品是什么,大数据产品经理必备技能,如何打造你的大数据产品,大数据产品应用案例四个部分展开讲授如何成为大数据产品经理
  • 成为大数据产品经理你需要知道的.pptx
  • 时下这类PRD的应用场景主要代表产品有阿里云产品、腾讯云产品、第四范式产品、VIVO/OPPO产品的大数据平台部门等等,以大数据治理和大数据计算为生的数据平台类产品,所以叫纯粹大数据产品经理的PRD。 01 大数据产品...

    时下和未来TB级以上的大数据场景下的产品将是主流产品,时下这类PRD的应用场景主要代表产品有阿里云产品、腾讯云产品、第四范式产品、VIVO/OPPO产品的大数据平台部门等等,以大数据治理和大数据计算为生的数据平台类产品,所以叫纯粹大数据产品经理的PRD。

    01 大数据产品经理PRD和用户画像、推荐系统类PRD的区别

    虽然用户画像和推荐系统也是以数据为基础的产品,有的推荐系统甚至经过AI赋能。但是不属于本文讲的大数据产品。原因如下:

    1. 用户画像产品

    用户画像: User Profile用户画像是通过搜集和分析用户行为喜好、静态属性信息和消费习惯信息等数据,将用户的特征信息抽象化的进行展示。

    用户画像是将用户信息的可视化表示,可以理解为用一系列用户标签对用户特征进行简短生动的描述。

    用户画像的标签表征用户的兴趣、爱好、习惯特点,为标签计算权重来表示用户对标签特征的需求程度,使用户的特征得到量化。

    2. 推荐系统

    推荐系统有很多中,其中有一种是用户画像的用处,即利用用户画像做个性化推荐、广告推荐、活动推荐、内容推荐等。

    3. 用户画像产品和推荐系统产品实际上是本文所讲的数据平台产品的应用

    我们看如下图:

    上图可见:用户画像是本文所撰写PRD产品的一种应用,推荐系统是用户画像产品的一种应用。三者关系是:先有本文所撰写的大数据产品,然后是构建用户画像,再则是做推荐系统。

    02 撰写大数据产品PRD的步骤

    步骤一:大数据产品的产品用户定位

    由于大数据产品属于底层基础性产品,故此PRD的用户是数据管理员、数据开发工程师、数据分析师、数据科学家。

    步骤二:大数据产品的产品总体架构

    产品基础是硬件层,用来做数据的计算和治理;再往上是数据计算引擎层,引擎框架层负责日志采集、集群管理、调度、监控告警、故障容错等;再往上是平台产品层,主要做BI、AI机器学习和管理中心;再往上是业务应用层,即智能决策、智能营销等,详情如下图:

    步骤三:大数据产品的产品功能策划清单

    大数据产品PRD功能主要写清楚3件事,第一件事是数据如何集成、第二件事是数据如何处理计算、第三件事是数据如何输出给与应用。功能清单类似如下图所示:

    步骤四:功能需求详细描述

    PRD中核心的部分是对功能的清晰释义。

    例如:大数据产品中对数据源管理功能的描述,数据源管理是DM所处理的数据的来源管理,包括数据库、数据仓库、接口、IoT、文件等各种类型的数据源。在数据集成中可以选择使用,在数据管理中可以预览数据。

    例如:数据源连接功能描述:数据源连接管理是通过连接实时动态访问外部数据源的方式。数据源连接配置支持数据库、大数据或数据仓储类、接口、IoT,数据源连接是大数据管理平台基础通用能力。使用角色为普通用户。

    例如:数据源连接-数据库功能描述:通过平台访问/读取外部数据库的连接管理。支持连接RDB、NOSQL类型的数据库。

    常常在PRD里面还需要配以用户界面如下图示例:

    步骤五:数据集成的功能定义

    数据集成功能描述:数据集成是提供多源异构数据源之间的数据高速稳定的数据迁移和同步功能。

    至此一份大数据平台级产品的PRD主要核心功能算是示意完毕,剩下的就是撰写一些非功能性需求,例如:界面操作的交互规则、性能需求等。

    03 大数据和AI的关系

    从策划大数据平台产品步骤二里面的产品架构就可以看出,大数据是用户主动产生的浏览行为等数据和被动产生的例如被摄像采集的数据,数据有规范的链路的格式,也有图片等文件格式,在把非链路的图片格式文件处理成链路格式的数据需要用AI;

    例如,用AI的图片识别能力提取图片里面的信息,像用AI提取拍照的发票,AI可以自动提取发票中的金额等关键信息。所以AI和大数据是相互帮助的关系。

    最后

    本文主要讲了非普通PRD的撰写,以极简的文字描述了大数据产品PRD的撰写步骤,一方面是为了满足市场上大数据产品经理渴望大数据产品设计文档的需求,另外一方面用极简的步骤撰写大数据产品PRD是为了给读者留下更深刻的思考空间。

    更多的大数据和AI产品经理的内容,下一篇会继续撰写,期待读者都能极速撰写一份大数据产品PRD。

    展开全文
  • 必读|聊聊大数据产品经理

    千次阅读 2020-05-04 00:02:49
    本文也算是一个读书笔记吧,书名《数据产品经理》,作者梁旭鹏。五一期间,浪尖没事,就给大家整理些文章,以供大家在大数据的路上走的更明白,更通畅。本文摘自第一章,主要是讲大数据发展,数据产品...

    本文也算是一个读书笔记吧,书名《数据产品经理》,作者梁旭鹏。五一期间,浪尖没事,就给大家整理些文章,以供大家在大数据的路上走的更明白,更通畅。本文摘自第一章,主要是讲大数据发展,数据产品,数据产品经理,数据产品经理的工作日常及数据产品经理应该具备的思维模式。

    1.起源于大数据

    人人都在说大数据,那么“大数据”这个词是从哪里来的呢?据资料记载,大数据一词最早出现在1983年著名未来学家托夫勒在其所著的《第三次浪潮》中,该书提出“如果IBM的主机拉开了信息化革命的大幕,那么‘大数据’才是第三次浪潮的华彩乐章”。随着计算机和存储地不断发展,直到2009年“大数据”才成为信息技术行业中的热门词汇,逐渐被人们所知。

    大数据时代的到来,首先,离不开不断发展的计算机存储能力和完美的计算能力。其次,随着移动互联网、物联网的发展和智能手机的普及,每天无时无刻不在产生海量的数据,有了一定的数据量。就这样,海量数据与计算能力相结合,大数据计算技术完美地解决了海量数据的收集、存储、计算、分析的问题,于是,就迎来了我们身处的大数据时代,它让我们充分地认识到了数据的价值与意义。

    随着移动互联网和智能硬件的发展,我们的数据会以各种各样的方式被存储记录下来,下面是生活中我们经常会接触的一些场景。

    (1)手机等设备上的各种应用收集了用户各种各样的行为数据,用户每天产生大量的访问数据,这些数据被某些公司所有,形成大量的用户行为数据。企业利用用户每天操作各种App的数据,可以分析或者优化产品。

    (2)随着电子地图以及导航应用(如高德地图、百度地图)的发展,我们的交通出行越来越方便,同时产生了大量的出行数据,它代表的更多的是用户的出行方式和出行行为,这些数据经过分析和结合具体的业务场景将会产生巨大的商业价值。

    (3)在进入社交网络的时代后,微信、微博、抖音这些应用就从来不会离开我们的视野,甚至占据了用户大量的时间。掌握这些数据,我们就可以轻易地了解用户的社交属性信息,引导更多的人参与其中,创造越来越多的数据,通过分析这些数据可以了解人们的社交关系网和生活、社交习惯,能够掌握一个人的日常情况。

    (4)淘宝、京东、美团等电商的崛起,带来了大量的网上交易数据,包含支付数据、搜索行为、物流运输、购买喜好、点击顺序、评价数据等。通过分析这些数据,我们可以掌握用户的购物习惯和消费情况。

    (5)随着百度等搜索引擎和知识问答社区的流行,用户的主动搜索点击行为和提问也汇集了大量的数据。通过这些数据,我们可以了解到用户关心的问题和日常生活中遇到的各种问题。

    大数据领域对人才的标准也随着其迅速的发展不断变化,在大数据发展初期,对人才的需求主要集中在ETL开发、数据仓库开发、Hadoop开发以及系统架构开发等技术领域,以计算机、传统IT背景的人才为主。目前随着大数据向各个垂直领域的延伸发展、大数据应用领域的不断拓展,大数据领域对统计学、数学专业的人才,从事数据分析、数据挖掘、机器学习、大数据项目管理等领域人才的需求加大。本文要重点介绍的数据产品经理,也在这个过程中逐渐走进人们的视线,成为一个新的产品经理岗位。

    2.数据产品

    要讲清楚数据产品经理,首先要弄清楚数据产品经理负责的内容——数据产品。在这些年的工作中,我理解的数据产品是可以发挥数据价值去辅助用户做更优决策的一种产品形式。它在用户的决策和行动过程中,可以提供更多的分析展现和数据洞察,让数据更直观、高效地驱动业务。可见,数据产品主要消费数据,通过自动化形成稳定的产品形态。显然,数据分析师经常写的报告也可以被理解为以数据为主要产出的产品,但并不具备自动化产出的特性。

    从受众用户群体来看,数据产品可以分为三类:

    (1)企业内部使用的数据产品。如自建BI数据分析平台和推荐系统等,这里之所以提到推荐系统,是因为它与用户画像、搜索排序类似的算法一样,本质上是根据用户数据和相应的数据模型建立的一套评分标签体制,也属于数据产品的范畴。

    (2)企业针对公司推出的商业型数据产品。如Google Analytics、GrowingIO、神策数据和BDP商业数据平台等,它们主要以平台行为为其他公司提供商业化服务。

    (3)每个用户均可使用的数据产品。如猫眼的实时票房和淘宝指数等,这类产品主要面向普通用户,而且大部分提供免费服务。

    在明确了数据产品的概念之后,我们不禁要问:数据产品是如何产生的呢?我们为什么需要数据产品呢?它的价值在哪里?

    数据产品把数据、数据模型以及分析决策逻辑尽可能多的形成一个产品形态,以更直观智能的方式,发挥数据的价值,辅助用户更快地做出更合理的决策。

    猫眼电影实时票房排名

    真正的数据产品是建立在大数据场景下通过数据挖掘并且体现数据价值后的产品化,最后再融合进业务产品流程中做辅助业务和驱动业务发展。

    一个好的数据产品需要将用户的核心需求作为该产品的核心,并且充分发挥大数据的价值,然而,这句话对于每一个数据产品经理来说是不容易做到的。

    第一,很多使用该产品的用户是内部用户,因为自身的一些客观原因,他们对数据存储、指标定义以及数据处理的了解和认识有所不同,所以会有不同方面的需求,这些需求中有很多都是很零散的,很难把握和总结归纳,需要按照统一流程处理。每一个数据产品经理都需要具有提炼数据需求、找出问题本质、推动解决问题的专业能力。

    第二,对于一些企业的内部数据产品的用户来说,他们既是用户,同时又扮演着同事、老板、朋友等角色,他们本身就拥有一定的能力对产品经理的决策权进行一定的干预,而且经常说自己的需求很重要,这就需要数据产品经理平衡这些矛盾,审视这些优先级。

    数据产品经理会更细、更深入地挖掘用户对数据的潜在需求,分析对业务的贡献价值,服务于公司内的业务团队,甚至第三方公司,辅助他们更好地运营,但是没有脱离产品的本质,核心问题都是解决目前痛点问题和引导用户的未来需求。

    3.数据产品经理

    只要具备业务能力、产品能力和数据能力,能满足数据产品经理基本的要求,有成长潜力都可以成为数据产品经理。

    对于业务能力来说,因为每个公司的业务都不一样,所以能够掌握一些业务常用的思路和处理能力、能够在业务中发现痛点,并通过数据产品解决或者辅助解决问题的数据产品经理就是合格的。

    数据能力是用数据和事实说话的能力,而不是拍脑袋决定的。例如,有些面试者爱说我觉得怎样,但是简历里面写的项目没有任何数据支撑,更别说数据埋点、数据仓库、基础的数据处理这些方面的经验和能力了。

    说到产品能力,数据产品经理要能够把需求产品化,完成基本的需求文档和评审,并推动产品从需求到落地。如果数据产品经理有一定的产品运营经验会更好,就可以收集用户需求不断迭代产品,同时,也要具有一定的沟通、协调资源和进度把控能力。

    数据产品经理在日常的工作中,要与公司的很多同事合作。例如,经常要面对业务方同事、研发工程师等,下图所示为数据产品经理和他的朋友们。

    数据产品经理与其朋友们

    其中,距离表示各个职位和数据产品经理的远近,箭头的粗细代表日常与数据产品经理沟通的数量,箭头的指向代表由哪一方主动发起沟通。当然,个别公司还会设置交互设计师、数据挖掘工程师等职位,他们也经常和数据产品经理打交道,上图只是表示了一些公司通用的职位。

    数据产品经理的本质是互联网产品经理的一个细分领域,其产品的用户可以是公司内部同事,也可以是外部用户或者付费用户,其工作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。为了完成数据产品,数据产品经理不仅要与传统的研发工程师、交互设计师、UI设计师、用户研究人员、产品用户、测试工程师打交道,还需要与数据分析师、数据科学家、算法工程师、数据仓库工程师等沟通。为了保证沟通中的效率,数据产品经理需要清楚沟通时可能会涉及需求收集、产品实现方式、需求管理、数据产品推动、数据产品实现、数据产品落地与运营等。

    日常工作内容:

    a.一切从业务出发。收集业务需求,根据需求优先级,整理下一版本的需求文档,明确产品功能和需求细节,以便尽快定稿。

    b.离不开产品原型和需求文档。做原型设计,设计功能页面及交互情况,以便数据产品研发工程师更容易理解需求。

    c.数据产品经理大约有50%左右的时间都在和研发工程师打交道,无论是前端研发工程师、后端研发工程师,还是数据仓库研发。工程师,需要组织一切可以组织的研发力量,让项目尽快交付满意的产品。当在开发过程中遇到方案里一些细节不明确的地方时,数据产品经理要主动与研发工程师一起解决这些问题。

    d.多与用户沟通。在数据产品上线以后,数据产品的目标用户主要是公司里各个部门的同事。数据产品有给数据分析师用的,有给各个业务线的同事用的,所以,要听一听用户的声音,基于用户需求规划下一个版本的迭代路径。

    看数据产品的用户使用数据情况,分析各个功能的用户转化和留存情况,汇总迭代方向

    4.数据产品经理的思维方式

    曾经有人说,产品经理就是发现问题,并制定一套解决方案,组织一些人一起去解决问题,然后再持续不断地对解决方案进行优化和改进。在这个过程中,产品经理们做了一个又一个项目,迭代了一个又一个产品,积累了很多经验,在复盘和总结项目的时候,通常会发现有些方法是通用的,对于数据产品经理的日常工作,技能是我们的安家立命之本,但是在技能之上,更重要的是思维方式,它决定了我们做事情的方法、思路。对于一名数据产品经理来说,哪些方法论和思维方式是我们经常会用到的呢?

    4.1 归纳与演绎思维

    归纳法与演绎法是在写作过程中逻辑思维的两种方式。人类认识活动,总是先接触到个别事物,而后推及一般,又从一般推及个别,如此循环往复,使认识不断深化。归纳就是从个别到一般,演绎则是从一般到个别。

    a.归纳法

    归纳法是产品经理思考和总结的有效方法,是经典物理研究及其理论建构中的一种重要方法。归纳法透过现象抓本质,将一定的物理事实(现象、过程)归入某个范畴,并找到支配的规律性。就像我们在做竞品分析的时候,通过审慎地考察各种竞品,并运用比较、分析、综合、抽象、概括以及探究因果关系等一系列逻辑方法,推出一般性猜想,然后再运用演绎对其修正和补充,直至最后得出结论。总而言之,归纳就是从已知信息推理出一个结论。

    b.演绎法

    演绎就是发散,类似于我们在画思维导图的时候,从一点出发,发散出很多相互独立、不相关的点,再一步步发散出去,不断穷举出想到的点。演绎法从一般到个别,即以一般的原理为前提论证个别事物,从而推导出一个新的结论。

    演绎的方式:大前提—小前提—结论。

    大前提:一个客观事实。

    小前提:属于上面那个事实的子范畴,子范畴就是其中的一个点,包含在事实的基础上。

    结论:根据相关性得出结论。

    在数据产品经理的现实工作中,归纳和演绎的应用是十分广泛的。一个业务是由很多部分归纳组成的,会受到很多具体化的指标影响,所以在定义一个问题时,我们可以对问题进行归纳。例如,每个电商平台都会关注交易额(GMV),而GMV又是受用户流量、转化率和客单价三部分影响的。其中,用户流量受推广来源流量、新用户流量、老用户流量等指标影响,跳出率和购物车流失率等指标会关系到转化率情况,客单价又不是一成不变的,很多时候新老用户的客单价都不相同,因此可以用下图进行逻辑划分。这样,当交易额出现异常情况时,我们便可以通过图1-6分析影响交易额的指标,一步步定位是什么原因引起的问题。

    交易额的逻辑分层

    4.2 数据思维

    我们先看一下数据、信息和知识这三个概念。

    数据就是数值,是一种客观存在,是通过观察、实验和计算得出的结果,并随着社会的发展而不断扩大和变化。特别是在现在的移动互联网时代,数据不再是仅仅限于字面上的数字,图片和视频都是数据,我们开车或者骑行中的轨迹也是数据,甚至身体的健康状态信息等也都属于数据的范畴。

    信息是对这个世界中人或者事的描述,泛指人类社会传播的一切内容,它比数据更加抽象。1948年,数学家香农在题为《通信的数学理论》的论文中指出:“信息是用来消除随机不定性的东西”。信息是被组织起来的数据,是为了特定的目的,对数据进行有关联的组织和处理,赋予数据以具体意义,从而可以用来回答5W2H中的Who(谁)、What(什么)、Where(哪里)、When(什么时候)的问题。以2018年10月23日通车的港珠澳大桥为例,它是建立在中国境内,连接香港、珠海和澳门的大桥,桥隧全长为55千米,其中主桥为29.6千米、香港口岸至珠澳口岸为41.6千米,这便是由数据表述的有关港珠澳大桥的信息。

    知识是通过数据和信息处理以后,被验证过的,而且是绝对正确的。可见,知识是数据和信息之上的,更加高级和抽象的概念,是基于信息之间的联系,总结出来的规律和方法论。知识具有系统性、规律性和可预测性,主要用于回答Why(为什么)和How(怎么做)的问题,而得到的知识能够使我们更加清晰地了解世界和生活,还能够不断改变我们周围的世界。

    数据、信息和知识的层次关系和重要性

    上图解释了数据、信息和知识的层次关系和重要性,我们做任何决策的知识都是要建立在信息的基础上的,仅仅凭直觉和意识做的一些决策,如果没有数据支撑,那么是没有办法经过积累沉淀下来形成知识的,有些企业只是收集数据,却不知道怎么用、应该用在哪里。数据如果静静地放在那里是没有任何价值的,有效的数据驱动可以将企业里的数据充分地转化成信息,并且形成结构化的知识体系,高效地指导企业各个业务快速发展。

    另外,当对要解决的问题不能寻找到一个简单、准确的解决方法时,我们可以通过历史数据,寻找合适的算法,构建出模拟真实数据的模型,从而预测真实场景下的数据,寻求进一步的解决方案,这就是数据驱动方法的意义所在。虽然这些模型都会有一定的误差,但是在合理误差范围内的结果都可以进一步指导企业做出决策和对业务进行指导。随着大数据时代的发展和硬件计算资源的进步,我们通过数据生成知识的速度会越来越快、效率会越来越高,在这个高速发展的时代,数据驱动会越来越高效地帮助企业发展,达到用数据汇集信息、通过信息挖掘知识、用数据驱动业务的目的。

    4.3 用户思维

    用户思维是指站在用户的角度考虑问题,从用户的问题出发。这里的用户,可以是使用产品的用户、公司的客户,也可以是合作部门提需求的同事,还可以是自己的老板。马化腾说过,产品经理最重要的能力是把自己变傻瓜。周鸿祎也提出,一个好的产品经理必须是白痴和傻瓜状态。

    产品经理要能够随时切换自己的思维方式,能够随时从“专业模式”切换到“傻瓜模式”,这就是用户思维的体现。产品经理要能够忘掉自己的行业背景和知识积累,以及产品逻辑和实现原理,变成对这个产品一无所知的“小白”。

    用户思维一般只关注用户的需求和想要的结果,以用户需求为导向,不会太关注执行和实施的过程。

    以大数据分析平台为例,用户的思维如下。

    昨天上线了一个活动,我打开大数据分析平台,就想看活动的数据情况。

    在这个思维模型里,用户的预期是直接获取上线后活动数据的情况,让他快速了解活动的效果,尽快做出决策。所以在这个过程中,我们所做的任何工作都是从用户的这个核心需求出发的,并且实现这个核心需求的目的路径越短越好,用户的整个思维体现可以用下图表示。

    大数据分析平台的用户思维体现

    如何掌握并熟练应用用户思维呢?首先,要在心里时刻想着用户,牢记用户的需求,以“小白”心态理解用户的需求,并在整个产品设计、推广过程中,复盘自己是否体现了用户思维,有没有以用户为导向。然后,融入用户真正的使用场景中,只有这样,你才会作为一个真正的用户体验产品和服务,当遇到一些痛点时,才会意识到产品需要改进的地方,才能真正体会用户思维。最后,要多和用户打交道,定期进行用户需求调研访谈,这样才能准确地把握用户思维,真正做到以用户思维为导向。

    4.4 产品思维

    用户思维只关注产品功能,会把需求简单化,而工程师的工程思维会关注工程实现,就会想到具体的实现细节问题,所以如果让用户思维的人和工程思维的人直接沟通,经常会看到吵得不可开交的场面,最后争得面红耳赤,仍然不能解决问题。这种情况导致的最终结果要么是无休止的无效沟通,项目很难实施,要么是交付的产品很难用,不能满足用户的需求。这时候就需要具有产品思维的人,也就是产品经理,在需求上进行把控,在表现层尽量向用户思维靠拢,又要尽可能地考虑工程实现,把需求具体化成严谨的逻辑表达出来。这样,就弥补了用户思维和工程思维之间的鸿沟,在用户思维和工程思维之间构建了一个桥梁,保证了产品的顺利实现。

    业务方用户作为产品的需求方和最后的使用者,不会参与到产品的具体实现过程中,而负责产品实现的,是程序研发工程师、UI设计师、交互设计师、测试工程师和产品经理等。产品经理在整个过程中,作为需求方的代言人,代表的是用户的利益,所以要具有一定的产品思维,能够把用户思维转化为产品原型或者项目方案,让具有工程思维的研发工程师更容易理解和接受。只有真正具有产品思维,做出来的产品才能更方便用户使用,才会在产品设计中以用户思维为导向。例如,在大数据分析平台中,用户对数据的需求基本上就是能够很快地找到自己关心的业务报表,直观地获取数据信息,并根据数据指导业务决策,产品思维在设计报表功能中的体现下图所示。

    产品思维在设计报表功能中的体现

    需要注意的是,这里的用户不仅是业务用户,还要考虑老板的意见、运营的想法、数据分析师的需求和自己对产品的规划。产品要经过交互设计师、UI设计师在交互和页面上优化,并通过工程师的程序实现,最后交付用户使用,并根据用户反馈继续迭代。

    用户思维代表的是用户的心理模型,产品思维代表的是假设的用户模型,工程思维代表的是真实的实现模型,这三种思维方式对产品经理都很重要,而且产品经理要善于转换思维。在我们擅长的领域,我们的思维往往是产品思维和工程思维,当转换到不懂的领域时,看待这个领域事情的思维就变成了用户思维,要时刻保持一个空杯心态。

    4.5 工程思维

    工程思维主要关注的是项目实现的过程,包括项目的方案、项目排期、项目进度跟进、项目执行等,是一种更加关注细节逻辑、更加严谨的思维方式。比如,要开发一个大数据分析平台,如果单纯用用户思维看,那么很可能只关注表面的功能,其实这只是项目中很小的一部分,还要关注系统架构选型、后端功能实现、系统的适配性、服务的稳定性、查询速度等一系列问题,它还原了产品具体实现的本质。

    以大数据分析平台报表展现功能为例,如果数据产品经理只有用户思维,那么只会关心报表展现哪些单图内容、都有哪些筛选条件。可是,如果数据产品经理用工程思维看,就要考虑这个功能具体是如何实现的,要能够知道大概的步骤和方式,就会考虑如下步骤实现:

    (1)根据页面ID获取Dashboard配置;

    (2)根据Dashboard页面配置渲染页面;

    (3)根据图表ID获取图表配置项;

    (4)创建报表中的自定义图表,并进行渲染展现。

    用流程图展现下图所示,数据产品经理如果有很好的工程思维,那么会更容易与研发工程师沟通,并确保项目在合理、可控的基础上顺利进行。

    大数据分析平台报表展现的工程思维体现

    4.6 others

    当然,还有一些思维方式和方法论也是每一个产品经理在工作中经常用到的。例如,产品经理要经常写PRD,那么PRD要以怎样的思路来写,这里就要用到5W2H分析法。

    在实际应用过程中,5W2H分析法非常简单、方便,易于理解、使用,并且富有启发意义,对于决策和执行性的活动措施也非常有帮助,也有助于弥补考虑问题的疏漏。

    5W是Who、When、Where、What、Why,2H是How、How Much,如果大家觉得这么多英文比较难记,下面的例子可能更便于理解:因为之前的手机摔坏了(Why),小王(Who)于2018年11月11日(When)在天猫商城(Where)通过秒杀活动(How)花费了9000元(How Much)购买了一台iPhone XS(What)。我每次在写需求文档之前都会在心中默念一遍5W2H,等想清楚了再开始写。有了5W2H分析方法的帮助,我们在写PRD和思考问题的时候,就不用怕遗漏而被程序员追问了,因为他们问到的我们都提前想到了。

    接下来,介绍产品经理的目标管理工具——SMART(S=Specific、M=Measurable、A=Attainable、R=Relevant、T=Time-bound)原则。它是使产品经理的工作由被动变为主动的一个很好的管理手段。具体的含义如下:指标必须是具体的(Specific);指标必须是可以衡量的(Measurable);指标必须是可以达到的(Attainable);指标是实实在在的,可以证明和观察的,并和其他指标有一定的相关性(Relevant);指标必须具有明确的截止期限(Time-bound)。

    有了SMART原则,我们在复盘总结的时候,就有一个可参考、可量化的方法,让我们的总结与评判更理性和更贴近真实。

    产品经理与程序员沟通(项目管理)的必备方法——任务拆解法。任务拆解法是一种处理方法,指的是目标→任务→工作→活动。产品经理要学会拆解任务,只有将任务拆解得足够细,才能做到心中有数,才能有条不紊地工作,才能统筹安排时间表。你是不是在工作中遇到过如下场景:“这个需求一周能做出来吗?”“不行,需要两周,这个功能太复杂了。”“十个工作日怎么样?”当与程序员讨价还价时,你感觉既心累又无力。如果你学会了使用任务拆解法,那么对话很可能就是下面这样的:“这个需求一周能做出来吗?”“不行,需要两周,这个功能太复杂了。”这个时候你慢慢地拖来一把椅子,坐在他旁边。“来,我们把这个项目一步步拆解一下,你看这个小功能是不是一小时就搞定了……”最后,拆解下来统计一下累计时间,发现3天就能搞定了,而且每个功能的小细节都是程序员自己肯定的时间,是不是很有成就感?!这个方法也是你提高项目推动能力的有效方式。

    产品经理需求评审会收尾利器——Todo事项列表。一场会议下来,总要讨论出一些结果或者得到一些结论,要不会议就是无效会议。在会议后,接下来应该做什么呢?这就是所谓的行动项,我们要做什么、谁来主要负责、时间点是什么,都要通过邮件发出来,周知所有参会人员以及相关人等,对于达成共识的事情,大家就要按照这个TodoList完成。

    产品经理经常会用到的一个词——优先级。做事情要有轻重缓急之分,产品经理的PRD要实现的功能有很多,到底应该先做哪些,如何实施呢?这时候,就需要在里面找出那20%最重要、最需要先做的事情,然后投入80%的时间做这些事情。很多文章都介绍过如何定义优先级以及如何排序,足见其重要性,这里就不多做重复了。如果需求优先级不明确或者有问题,那么可能会导致项目错失市场,甚至无疾而终,最终导致失败。

    对于上面讲的这些内容,可能很多人觉得有点形而上。其实,这些都是需要结合我们在工作中的项目和经历不断体会、不断总结、不断完善的。这些方法不仅可以应用于产品工作中,还可以应用到学习和生活中,也会得到意想不到的收获。做产品越久,越发现产品源于生活,产品与生活的这些方法论和思想很多都是相通的。希望大家在数据产品的道路上越走越远,早日形成自己的一套产品理论体系和方法。

    推荐阅读:

    10.scala的柯里化

    如何Spark的shuffle移植到自己业务

    一文读懂数据湖及企业中的架构特点

    爱奇艺在日志实时数据监控的探索与实践

    浪尖的微信公众号

    展开全文
  • 通过与Office365和必应的产品开发团队与数据分析团队密切合作,我作为大数据产品经理,为他们进行产品迭代和用户行为研究提供了强有力的支持。 六年的PM经历,四年全职投入,积累了大量设计大数据产品...

    大家好:


    我是徐倩,微软大数据部门高级产品经理,毕业于北京大学。



    2011年我开始踏入互联网行业,担任百度翻译的实习产品经理。毕业四年,一直在微软大数据核心团队担任产品经理。迄今为Office365和必应搜索(Bing.com)设计并推出过多款核心数据产品。



    通过与Office365和必应的产品开发团队与数据分析团队密切合作,我作为大数据产品经理,为他们进行产品迭代和用户行为研究提供了强有力的支持。


    六年的PM经历,四年全职投入,积累了大量设计大数据产品以及洞察数据分析员需求的经验。


    这次讲座感谢猴子的邀请,针对前期大家提出的问题,我会在讲座中从以下4个方面来分享:

    1)什么是大数据产品?

    2)成为大数据产品经理的必备技能是什么?

    3)如何打造你的第一款大数据产品?

    4)分享具体的大数据产品设计与应用案例






    展开全文
  • ◆ ◆ ◆◆活动主题◆ ◆ ◆◆大数据时代的产品经理◆ ◆ ◆◆活动背景◆ ◆ ◆◆对于传统互联网产品经理来说,大数据时代意味着我们可以通过大数据工具和方法,迅速查阅大量数据,以...

    ◆ ◆ ◆ ◆

    活动主题

    ◆ ◆ ◆ ◆

    大数据时代的产品经理

    ◆ ◆ ◆ ◆

    活动背景

    ◆ ◆ ◆ ◆

    对于传统互联网产品经理来说,大数据时代意味着我们可以通过大数据工具和方法,迅速查阅大量数据,以揭示隐藏的规律、未知的联系、市场趋势、顾客偏好等等有用的商业信息。这样我们就能预计客户需求或欲望,由此改进服务,在问题出现之前,发现并减弱问题的影响,并优化管理决策。 

    作为一个大数据产品经理

    • 如何提炼使用场景并设计自己的产品?

    • 如何与团队沟通协作推进产品快速落地?

    • 如何找到产品改进点和突破点?

    • 如何使用丰富的交互场景推动产品创新?

    • ......

    这些都需要产品经理能够系统化的抽象出场景、需求和解决方案。因此,数据分析能力无疑是大数据产品经理的核心能力。

    本期活动,PMCAFF邀请到了明德信息CEO李巍、阿里高级产品专家徐敏慧,两位位长期深耕于大数据领域的资深行业专家,带你全面认知大数据领域的相关技术、产品和商业模式。

    ◆ ◆ ◆ ◆

    活动时间

    ◆ ◆ ◆ ◆

    6月22日(周六) 下午14:00-17:30

    ◆ ◆ ◆ ◆

    活动规模

    ◆ ◆ ◆ ◆

    50人

    ◆ ◆ ◆ ◆

    面向人群

    ◆ ◆ ◆ ◆

    互联网产品经理、IT工程师、对大数据感兴趣的人员

    ◆ ◆ ◆ ◆

    活动地点

    ◆ ◆ ◆ ◆

    成都市锦江区义学巷83号啡信

    ◆ ◆ ◆ ◆

    活动流程

    ◆ ◆ ◆ ◆

    14:00-14:30 活动签到

    14:30-15:00 活动开场

    15:00-15:40 主题分享 

    15:40-15:50 互动问答

    16:00-16:40 主题分享 

    16:40-16:50 互动问答

    17:00-17:30 交流合影

    ◆ ◆ ◆ ◆

    活动嘉宾

    ◆ ◆ ◆ ◆

    李巍  明德信息CEO

    历任新东方,安博教育等上市企业产品教研负责人。首批百度网络营销培训负责人。前麦子学院运营与教研总监。参与主导旅游、教育行业多个终端产品的设计与运营。

    徐敏慧  阿里高级产品专家

    现任阿里高级产品专家,十年产品汪一枚,前百度高级产品经理,前360高级产品经理。

    ◆ ◆ ◆ ◆

    活动报名

    ◆ ◆ ◆ ◆

    场地有限,本期活动名额仅限50人,报名需审核,请慎重!

    点击“阅读原文”立刻报名

    扫描下方二维码报名

    扫码报名

    展开全文
  • 本文讲的是SACC 2016:专访宜信大数据研发经理侯松,随着数据时代的到来,以云计算、物联网、大数据、智能设备为代表的新兴技术正在得到越来越广泛的应用,各行业以“互联网+”为契机正在掀起一场新的风潮,互联网金融...
  • 2014中关村大数据日于2014年12月11日在中关村举办,大会以大会以“聚合数据资产,推动产业创新”为主题,探讨数据资产管理和变现、大数据深度技术以及行业大数据应用创新和生态系统建设等等关键问题。大会还承载从政...
  • 了解大数据平台的基础架构有助于我们清楚数据是怎么流转与处理的,在每一层的结构中数据是以什么形式存储的,当我们听到工程师们谈论到这些内容时,不至于一无所知。本文内容偏基础,适合像作为入门了解。文不如表,...
  • 大数据研发经理 薪资:30-40K 职位描述: 1、负责公司大数据平台的规划与建设。 2、组建大数据领域技术团队,以数据为依据向运营提供决策建议。 3、负责机器学习产品总体架构,攻克技术难关和主导关键技术决策。 4、...
  • 企业如何迎接大数据 大数据不应该只是IT部门的事情,而是全公司协同作战的事情。管理层可以从大数据中获得洞察做决策,运营部门可以根据数据分析结果来改善运营策略,市场部门可以从数据分析中来优化广告投放策略,...
  • 大数据是什么? 大数据不是一向单一的技术,而是一个概念,是一套技术,是一个生态圈。 对于大数据的概念,不同研究狗从不同角度有不同的定义。 Gartner认为“大数据是需要新处理模式才能具有更强的决策力、洞察...
  • 大数据系统架构有两种组成部分, 实时流处理和批量数据处理。我们根据具体的需求选择适当的数据处理框架。一些框架适合于批量数据处理,而另外一些适用于实时数据处理。一些框架使用内存模式,另外一些是基于磁盘I/O...
  • 随着大数据的发展,人们对大数据的处理要求也越来越高,原有的批处理框架MapReduce适合离线计算,却无法满足实时性要求较高的业务,如实时推荐、用户行为分析等。因此,Hadoop生态系统又发展出以Spark为代表的新计算...
  • 去年下半年,我开始负责公司的用户画像工作,经历了公司用户...本文不是对大数据千篇一律的感悟,而是我一年内工作积累的干货,希望对各位产品经理有帮助。 一、大数据是什么? 大数据,big data,《大数据》一书对...
  • 创意信息总经理何文江:打造大数据产品和解决方案综合提供商 来源:中国证券报·中证网 作为大数据产品和综合解决方案的提供商,创意信息将公司发展融入国家“新基建”战略,突破国外软硬件厂商卡脖子式垄断,加快...
  • 大数据产品--项目管理篇 一、团队组建 1、团队角色 团队角色及其职责如下: 产品经理:负责产品规划,拉通公司战略规划、市场、研发、财务等部门,负责从产品的规划、实现、落地实施、客户反馈等整个过程的...
  • 大数据领域,Hadoop无疑是炙手可热的技术。作为分布式系统架构,Hadoop具有高可靠性、高扩展性、高效性、高容错性和低成本的优点。然而,随着数据体量越来越大,实时处理能力成为了许多客户需要面对的收腰挑战。...
  • 1 书籍基本介绍 书籍名称中文:《大数据时代:生活、工作与思维的大变革》 书籍名称原文:《Big Data:ARevolution That Will Transform How...《大数据时代》是国外大数据研究的先河之作,本书作者维克托•迈尔•...
  • 此岗位存在众多细分领域,即与其他行业结合而生的特定产品经理,例如:电商产品经理、AI产品经理、大数据产品经理、社交产品经理等等,每一细分领域产品经理岗位都需要额外特定的知识、能力及技能才可胜任,但所有...
  • 猎聘CEO戴科彬在纪念日上发布猎聘研发的两款针对HR和猎头的大数据产品“简历透镜”和“职位智能评估”,并宣布未来猎聘要立足大数据做战略布局,用大数据改变整个人力资源行业。 据戴科彬介绍,简历透镜是从量化的...
  • 产品经理职能类型

    2017-03-18 20:36:00
    产品经理的类型分为行业与终端 行业:比如旅游,电商 终端:比如移动产品   产品经理包括: 前端产品经理 ...另外,数据产品经理(大数据),当前大数据产品越来越多了,随之大数据产品经理也越发受到重视。
  • Hadoop是Apache的子项目,是一个分布式系统基础架构,它主要是用于大数据的处理。Hadoop所提供的分布式文件系统(HDFS)实现了大规模的存储(在所有计算节点上分布式存储50TB数据),这为整个集群带来了非常高的带宽...
  • 7月26日,2019网易云创峰会在杭州召开,网易大数据在会上发布了全链路大数据产品网易猛犸6.0,网易大数据总经理余利华表示,猛犸6.0通过整合全链路数据质量监控、全链路资产分析和全链路数据发现等一系列能力,解决...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 38,151
精华内容 15,260
关键字:

大数据产品经理