回顾与展望：我的数据产品之路

作者从自己的工作经历出发，结合相关经验，对数据产品经历是什么和数据产品的价值进行了总结，与大家分享。

从去年的三月份开始，到现在这个时间点，一年零八个月。总是在想着，做个公众号吧，或者是写点什么吧，也好输出一些自己的经验和所学。但总是会觉得迟迟无法动笔，无处开头，没有主题。

毕竟年终，我想也是时候总结一下自己的收获及所得。细数一下，自己也算是经历了三个公司的人了，将近两年的时间，每次回想起每个选择的当口都觉得当时的选择是正确的。

工作经历

刚毕业进了比较大的集团企业，做C端产品，第一次了解到产品的基本工作，日常的会议，第一次听到并且参与头脑风暴的会议。在这个地方我是一个刚入职的小白，一路的升级打怪，经历需求评审、运营活动、数据埋点、后台设计等各种各样的问题以及经历，让我在这个地方慢慢的成长。

从时间的年轮上来看，在一入行选择做C端产品，能够尽快的培养自己对产品的思维以及建立用户同理心的思考角度。这些无疑都是在为后续的工作中做铺垫。

一年之后经历了同样比较大规模的地产公司，成功由C端转做B端。在这段时间内，强迫着自己完成之前并未规范的工作规范。开始写详细的PRD文档，甚至制定属于自己的原型规范。

当然在这里的时候，我们和开发以及测试更多都是通过邮件来确定事宜，虽然诸多不便，但邮件的好处是能够留档，这些文档都被很好的保存下来，也能够对应到责任人。

后来经过种种原因，又转行到了大数据平台，开始做可视化、数据分析、指标体系……这些在我看来每段经历都是在为下一次做铺垫。其实早前在做B端时，就已经制定了自己简单的职业规划，深入前景较好的领域业务，成为业务专家类型人才。因为在任何企业内，都需要自己的竞争力足够强，这样才不仅仅只是一颗螺丝钉。

到了现在的公司后，开始转型做大数据产品。在此之前，我认为数据产品经理也是一个很大的迷，因为对我来说，并不能够明白数据产品的具体职责内容。

数据产品是什么

数据产品的定义是什么呢？基于个人来讲，我觉得数据产品更多是通过数据建立完整的指标体系，发挥数据真正价值进而辅助用户去做决策的一项服务。

数据产品的数据建立往往是有两种途径：

1. 自己基于原有业务累计数据
2. 自己协调数据

那可能有些人未必能简单通俗的明白，这里其实很好理解，累计数据可以理解为公司原有业务数据，在做数据产品时，可通过建立数据规范将数据从原业务系统中获取。协调数据就是可能当你提供这项服务时是没有该项数据的，那就需要需求方配合我们一起将数据完整性落实。

1. 数据转换、清洗、加载

在数据产品的产品价值中，非常重要的一步便是数据转换、清洗、加载。无论数据是系统通过接口对接抑或是手工录入等情况，那数据都是非常杂乱的，因此需要通过标准的方式过滤掉不需要和不合规范的数据。

数据清洗时，主要包含几个方面：（作者：JouyPub 来源：简书，著作权归作者所有。）

1. 空值处理；根据业务需要可将空值替换为特定的值或直接过滤掉；
2. 验证数据正确性；主要是把不符合业务含义的数据做一处理，比如，把一个表示数量的字段中的字符串替换为0，把一个日期字段的非日期字符串过滤掉等等；
3. 规范数据格式；比如，把所有的日期都格式化成yyyy-MM-dd HH:mm:ss的格式等；
4. 数据转码；把一个源数据中用编码表示的字段，通过关联编码表，转换成代表其真实意义的值等等；
5. 数据标准，统一；比如在源数据中表示男女的方式有很多种，在抽取的时候，直接根据模型中定义的值做转化，统一表示男女；
6. 其他业务规则定义的数据清洗…

2. 数据指标体系搭建

指标体系是什么？在说指标之前，我们应该先明白需求一直是产品的先行方向。当然更多的时候其实用户未必知道自己需要的是什么，是到底希望用数据怎么样提升运营管理能力，或者是用什么数据提升？

那这里很重要的概念是指标，指标可能是反应一定时间内运营情况的能力，也可能是反应资金风险等。指标体系就类似于绩效考核的概念，通过建立指标来确定考核项，通过指标得分体系能够看到整体考核得分；同时建立指标的预警体系后，可以看到每个指标风险程度。

3. 指标怎么找

通过自上而下、自下而上两种方式找定性/量的指标。

通过达到一定量的数据积累，根据需求方或自身拓展，定制指标。

自上而下：

上指业务，通过业务角度分析衡量需求的指标。上也指宏观角度，从宏观角度来设定一个框架，能够将整体业务框在框架中，从这个角度思考指标如何设定。

例如需要梳理企业的经营指标时，可从国家考核企业的一些标准，这同时也是从更宏观角度进行思考；同时降一个维度，就可以从企业层面，考虑财务（利润、成本、债务）、人力资源（人员经费、效率）、项目支出（项目营收…）等各个方面综合考虑可体现经营的指标。

自下而上：

通过需求方数据列表字段梳理是否有可用的指标。比如从某些指标中也可以找到其关联的一些指标。指标的建立是极其复杂的，可能由分类、一级指标、二级指标、关联指标等组建而成。那从业务中梳理数据也一定能找到适用的指标。

定制指标应该是在定性、定量指标能达到一定基础上后，基于业务客户提出的一些想法，或者数据分析师能够梳理出一些新的数据后，能够在原有基础上创新指标。

数据产品的价值

数据产品的价值很多人可能还认为停留在数据获取、数据展现的这个阶段。例如BI系统、可视化大屏等。但其实我们在做产品的过程中，产品的价值更多是体现在风险预警中，通过数据，建立指标预测模型，预测指标可能会出现的风险范围，通过这些基础进行预警。

当然仅仅预警也并不能体现出产品的价值，仍然不是一个完整的闭环，想要真正的发挥产品价值时，也必须有追溯风险的能力；风险治理情况、整改追溯、风险预测形成完整的风险预警体系。

数据后台与业务后台差别

普通业务后台可能更多是基于前台产品的功能进行配置，例如物业管理系统的后台，可能有业主管理、商品管理、台账管理、报修记录等。大多数功能都是针对前台功能进行后台配置，当然可能业务不同后台的难以复杂程度大相径庭。

写到最后

在数据产品这条路的修炼过程中，仍然有非常多学习不到的地方，有很多知识还需要我个人不断的努力。包括数据分析仍然是一条半黑半明的道路，等待着我摸黑进行。

 

本文由 @MargenLiu 原创发布于人人都是产品经理，未经作者许可，禁止转载。

题图来自Unsplash，基于CC0协议。