在大數據領域裡，你們是不是忽略了數據產品這個崗位？

文·HCY崇遠

我們知道，不管是阿法狗帶動起的一波AI浪潮，還是ZF在推動的全民大數據運動，又或者是各大培訓機構一直在鼓吹的「大數據時代、AI時代」什麼鳥。

都在一直試圖向眾人傳達一個很重要的信息，大數據很重要，相關的崗位有利可圖。於是，一波又一波的轉行大軍瞄準了大數據領域的相關崗位。在眾多培訓機構的鼓動下，在跟風的各大高校的慫恿中，各種大數據相關的崗位變的炙手可熱。

偏開發一類的崗位，大數據工程師、Hadoop工程師、大數據開發工程師、大數據架構師，反正是各種變著法兒叫，變著各種名頭招人。除此之外還有各種大數據分析師、大數據挖掘工程師、大數據演算法工程師等等諸如此類。

細心點的人發現沒，這些或多或少都是技術工種，視乎有一個崗位一直被轉業大軍所忽視，是的，那就是『數據產品經理』，好像一直沒怎麼被人所關注。

而我之所以關注這個點，是因為，我們數據團隊已經逐漸的從數據體系化、到數據服務化、再到數據產品化的過渡。

當然，此前由於我們的數據產品偏向於內部使用，再加上目前產品團隊著實沒有人力，也沒有在這塊有所了解的產品經理，所以，在推進我們的內部數據產品經理的時候，我很榮幸兼任著這一崗位(哈哈哈哈)。

而當我們的目標瞄準外部，試圖將我們的內部數據產品正式對外產品化的時候，我突然感覺我們真的需要一個真正的數據產品經理，而不是由我這個工程師繼續兼職，這是對付費用戶的不負責任。

是的，我們需求一個數據產品經理。

然而，我卻悲催的發現，這視乎是一個很難的事情，特別是在親自參與了產品團隊對該崗位的招募面試流程之後，對這個結論有了更深的感觸。是的，在深圳視乎很難招到一個比較像樣點的數據產品經理。

什麼叫像樣點的數據產品經理？最起碼在數據的落地應用方面，在數據產品的用戶交互方面，在數據的實際價值挖掘應用方面，最起碼有一定的了解吧，有一定自己的見解吧。對於市場上一些數據產品，最起碼能夠做一番剖析吧。

這兩年來，在眾人的目光都聚焦到偏工程師、偏技術的相關大數據崗位上來的時候，視乎大家並不認為數據產品經理這個崗位應該得到重視。但我感覺這不應該是個正常的狀態。

大數據在企業的應用落地發展，是有一個過程的，一般來講都會從早期的平台構建、到體系化建設、在到數據直接統計價值體現，再到服務化產品化。是有一個具體的演變過程的。

在早期之所以數據產品經理沒有得到過多的重視，是因為在早期數據的落地應用並沒有到達一個很高深、很需要專業能力的地步。這意味著，普通的工程師，或者普通的產品經理都能讓數據的價值在淺層挖掘上得到展現。

但是，隨著數據價值的進一步被探索，除了大公司之外，其他所有涉及數據的公司也必然逐漸的往數據深處探索，試圖讓數據更深層的價值具現化，那麼，這個時候必然會有更高的要求。

那麼，什麼是合格的數據產品經理呢？我們先來看看什麼產品經理。丁香園的robbin（范凱，前javaeye創世人，目前丁香園CTO）曾在簡書上發文說過：

一個好的產品經理是一個崗位不是一個專業，是一個需求經驗和崗位，並且，他需求抽象思維能力、邏輯推理能力，以及數據分析能力。

對此，我深感贊同，特別是最後一點，已經有當前數據時代產品經理都逐漸往數據能力方面靠的意思了。

那麼，數據產品經理在除了需要具備一般產品經理需要具備的能力之外，還需要有其他什麼技能呢？

首先，我個人認為每個數據產品經理應該是一個數據傳道者。

這點可能不太好理解，我曾在之前的文章中有提到過，國內的數據價值思維一直是有待於提升的。我曾在過去的一年半時間裡，切身的體會到了這一點。

在過去的一年半時間裡，我司的業務童鞋，成功的從不知數據為何物，到會看運營數據，再到主動需求數據，再到相對理性需求數據，最後再到數據產品化的需求過渡。而整個推動的幕後黑手就是數據部門。

這是一個很艱辛的過程，我個人認為數據產品經理應該是一個數據價值應用落地的佈道者、傳播者、推廣者。

而如果需要落實這一點，這意味著這個數據產品經理要擁有足夠的專業性，不止在產品方面的專業性，也需要在數據方面有足夠的專業性。

數據專業性。

具體表現為對數據敏感，能夠感知數據變化、差異化，對數據產生流程、加工流程、結構等等有一定的了解，能夠對事務進行很好的數據量化，對於數據驅動業務的原理有足夠的認知。

是的，數據產品經理是一個技術性要求偏高的產品崗位，對數據的敏感意味著其可以隨時把握數據的變化，量化產品的效果，從而優化它。而數據產品的面向用戶本身也需要具有一定的邏輯以及科學思維(不然的話拍腦袋就行了，合併用它呢)，所以在產品形態表現上也更能體現專業性。以數據的思維去思考業務，以數據的量化結果作為導向。

應該更接地氣一些。

目前市面上其實已經有不少產品是立足於數據之上的，但是少有能給人留下深刻印象的，那是因為很大一部分數據產品都是流於表面的數據形式，難以接地氣，解決不了實際的問題。

舉個例子，市面上做輿情的很多，大部分千篇一律，爬數據，然後計算輿情走勢，輿情熱度，觀測網路輿情變化。然後呢？很多時候就是沒有然後了。

關於微信新媒體的輿情，我曾對部門裡的小夥伴說，OK，即使你知道微信里哪些是熱點，哪些是熱門，哪些熱點的走勢又是怎麼變化的，上升或者是下降，然後呢？然後又有什麼卵用？

這是一個很常見而典型，甚至是被做爛了的數據產品，但是做到這個程度是沒有什麼用的，它找不到著力點，是虛的，除非你能把它落地下來。

比如，如果是針對的就是垂直輿情方向，那麼，僅僅做到輿情的感知是遠遠不夠的，這不是最終的目的，對於很多ZF機構來說，他最終的目的是控制輿情，而不是僅僅是知曉。

知曉沒有任何蛋用，他需要解決問題，例如，如果是不好的輿情，他需要能夠快速找到源頭在哪，誰在傳播他，誰快速擴散的階段起著決定性的因素，他就能對症下藥，迅速掐死傳播路徑，然後追究源頭，終止異常輿論擴散。

是的，他需要系統能夠提供給他快速定位，判斷終止的關鍵點位，如果能夠接入終止的下游端就更贊了，如果不能快速終止，那是否能夠提供輿論導向的入口，讓輿論按導向的方向進行轉變。

如果說這是一個良好的輿論，那麼，我需要繼續讓他傳播，甚至是進一步擴散，那麼，你能提供良好的落地方案，甚至是系統化的執行流程嗎？

除了輿情的控制，還有其他方向嗎？再假設，關於微信新媒體的輿情，知道了熱點有什麼用？捕捉熱點並且跟進是自媒體的天性，也是吸引流量的一大法寶，那麼是否能為自媒體創作提供著陸點呢？

光有熱點是不夠的，因為假如我是一個自媒體，我天天刷網站也能或多或少猜到一些，雖然它能夠量化結果節省不少時間，但遠遠不夠。圍繞每個熱點，我需要你告訴我，這個點位值不值得去寫，是不是會持續火爆，還是說已經到了頂峰馬上要下落了，怎麼寫容易產生爆款，這個點位大家的觀點是什麼，態度是什麼，什麼態度切入容易引起共鳴，核心事件的過程素材是什麼，這個熱點對於哪個年齡段的人來說新引力較大，這個點位對於男女哪部分人較吸引。

把這些形成可創作的策略，這就是落地點，是的，我不用想太多，因為系統已經為我提供了豐富且可參考的策略建議，我只需要把這些東西再融入我的個性化元素，一個良好的題材或者稿子就有了。

所以，這一切的一切，都是需要圍繞後續解決問題的目的進行落地的，我們的是著力點，而不僅僅流於表面的東西。流於表面的東西也不是說完全沒用，只是沒把問題徹底解決而已，所以，我們需要把問題更加落地的解決，

所以，在當今時代，數據產品經理很重要的一個特質就是，要儘可能的把數據產品更接地氣一些。

再舉個一個很常見的數據產品，比如圍繞電商數據的BI系統，這個是很常見的，比如圍繞亞馬遜、圍繞淘寶的各種各樣的商品BI系統，但我認為絕大部分都是一個套路，也沒有很好的解決問題，這個大家可以想想，如何讓他更落地一些。

最後，需要從事這個崗位，我們應該如何做？不過貌似我也回答不了這個問題，因為我也不是數據產品經理。但我想，這並不耽誤我對這個問題進行思考。

可以明確的幾個點就是，他需要你對各個方面都有足夠的累積，在常規的產品思考方面，對業務的理解構建起自己的數據化體系認知，習慣以量化的思維進行思考，對數據相關的技術、架構有一定的了解，對數據驅動業務的場景有足夠多的思考。

在過去的這麼多年中，我從未停止過在技術的上層應用思考，作為一個野路子出身的「數據產品工程師」，我更希望自己能夠更全面的了解產品從0到1的整個誕生過程，再結合本身對數據的了解，在數據應用落地上有更多的認知，從而架構其自己在數據產品應用上的體系化知識。

最終究的目的是通過數據解決業務問題，只要能解決業務問題，產品形態是可以變的，實現技術也是可變的，演算法模型是可選的。所以，作為一個技術人，需要認可技術的力量，但也需要從上層的思維去思考整個過程，才不會深陷於技術思維中不可自拔。

太久沒更新了，有點容易變的懶惰，還是需要更多一點思考，更多一點輸出，讓自己的思維不要過於懶惰，此外就是以後決定用老本名署名了『HCY崇遠』。

謹以此篇文章獻給我那些，停更了一個月之久仍未取關我的朋友們。