引言

在大多数公司，数据产品经理都是不可或缺的职位，关系着公司的数据是否能够发挥价值。但是，数据产品经理又是较难培养的一个职位，行业中成熟的学习资料较少，所以很多数据产品经理处于迷茫之中。

(资料图)

为此，小编采访了几位资深数据产品经理，访谈了 关于数据产品经理的能力和价值 ，希望给各位带来启发。

本次采访的嘉宾是 张辉 ， 火山引擎数据产品总监 。张辉老师拥有超过10年大数据研发和产品经验，对数据中台领域有深入的理解和学习。

采访问题如下：

1. 数据产品经理有哪些子方向？

2. 每个子方向所需能力有哪些?

3. 数据产品经理如何发挥自己的价值? 数据产品经理如何赋能业务?

4. 数据产品经理核心的挑战有哪些?

5. 数据产品经理的前沿趋势有哪些呢？

6. 数据产品经理在行业中的前景和发展机会如何?职业发展路线如何？

7. 非技术出身的大数据开发平台产品经理如何提升自己的上限？是研究透该领域的技术呢，还是说不需要深入研究？

8. 业务怎么看数据产品和他们的合作/关系？这里的业务可以是产运、商分、或数分等？

9. AI、ChatGPT带来的机遇与挑战

10. 如何平衡数据产品经理的技术性和商业性需求？

11. 如何进行市场调研和用户调研？

DataFun社区｜出品

数据智能专家访谈 第15期｜来源

▼

01.

数据产品经理有哪些子方向？

从整个工具链路来说：

第一种是工具类型的数据产品 ，如现在云厂商和ToB越来越多，大部分可以放到工具类，比如像数据中台、BI、CDP等。

第二种是服务业务的数据产品 ， 数据业务类产品 ，比如电商领域，会有很多服务商家的数据产品，包括ToB的和ToC的，比如阿里的生意参谋。

第三种是解读数据的数据产品 ，主要做埋点梳理、数据指标梳理、数据模型等。

前两类都是可见的产品工具，第三类是把数据梳理得更有业务价值。

还有一类数据产品经理是专门做商业化的，是帮助去思考怎么把数据产品商业化。这类数据产品经理有一个非常独特的技能要求，就是需要有非常深的商业理解，比如怎么定价更合理、哪些差异点是真正能作为市场突破口以及市场策略沟通等。

▼

02.

每个子方向所需能力有哪些?

不同类型数据产品的能力差异比较大。

第一类工具类的数据产品，可以分为PaaS类产品和SaaS类产品。

注：PaaSm是 Platform as a Service 的缩写，是指平台即服务。服务器平台或者开发环境作为服务进行提供就成为了 PaaS。

PaaS包括数据引擎、实时计算、批处理等，更偏技术，需要更深入底层技术 ，跟技术强相关，需要对数据的技术有比较深刻的认知，对数据的处理、加工的过程要比较熟；

SaaS类面向客户是和PaaS类不一样的，更多面向的是分析师、产品经理、运营等，怎么能帮助他们创造业务价值，甚至可以做一些更加AI、智能化类的产品。 帮助客户创造业务价值，是跟其他产品区分开的地方 。

第二类业务类数据产品主要实现数据如何创造业务价值，直接创造价值，需要深刻理解数据和业务之间的关系，数据是如何作用于业务影响业务的。 第三类数据埋点、指标、数据模型这些的数据产品经理，跟业务走的比较近，需要对数据非常敏感，熟悉数据分析建模方法论、以及埋点管理等知识。

综合来看，所有的数据产品经理的几个特征：

产品经理的特征； 对数据敏感、有数据sense、知道数据价值，知道如何拿数据、解读数据、分析数据。

▼

03.

数据产品经理如何发挥自己的价值?数据产品经理如何赋能业务?

关于赋能业务，首先要考虑的是“你的业务到底是啥？”。数据产品经理分类还是比较细的，要先清楚业务，才知道怎么赋能。

比如中台的数据产品经理，他的业务方是数据仓库等开发人员，目标是帮助这些人提效，更好的解决业务问题。

比如在电商领域做数据银行，他的业务是帮助品牌商家店铺经营的更好，这是他的业务价值。

所以处于不同位置的数据产品经理，业务是不一样的，所以核心是先想清楚自己的业务是啥，然后去真正的解决这个问题。

在解决问题的过程中， 核心是与业务走的近，做到真正的懂业务 。不懂业务实际场景，是解决不了问题的。

在与业务走的近时，总是能找到一些典型指标，即北极星指标。一定要找到这个指标，然后把这个指标做好。这些指标是与业务非常强相关的，要聚焦这些指标的提升。

▼

04.

数据产品经理核心的挑战有哪些?

在国家层面，国家成立大数据局，对于数据字化转型非常重视。在企业角度，包括互联网厂商，都非常重视数字化。 但是，很多公司并不具备使用、发挥数据价值的能力 。互联网公司相对好点，其他的公司，数据的使用并不是很好。

最大的问题是怎么用数据创造更多的价值，这个点是目前数据人应该重点思考和解决的问题 ，也是帮整个社会或者企业去进步。

无论是工具类的数据产品，还是业务类的数据产品，都是在不同的角度，去考虑创造价值，去赋能。工具类的数据产品实际上是为了让做数据的人更快更方便的使用数据，提高这些人的效率，工具好就可以创造更大生产力。做业务数据产品的，就是真正直接发挥数据价值。

最终都是为了用数据创造更多的价值。这是为什么这几年数据产品经理比较火的一个根本原因，甚至未来会更火，因为市场和大环境都非常重视这个事。

对于数据产品经理，最大的挑战便是如何用数据帮助这些公司创造价值。

▼

05.

数据产品经理的前沿趋势有哪些呢？

数据产品经理的趋势跟大数据技术趋势相关。大数据技术的趋势包括如下：

企业云技术，用云做大数据处理是一个趋势，包括存算分离，降低成本。 DataOPS，最近两年比较火的，本质是怎么通过一套体系的东西，去提高从数据需求到解决问题这个流程的效率。 ChatGPT，未来会有一个比较大的影响，会改变以前我们数据分析的一些方法，甚至可能直接给一些建议指导。

业内还有其他的一些概念，个人觉得成熟度不够，大的概念就是这些。

▼

06.

数据产品经理在行业中的前景和发展机会如何?职业发展路线如何？

我总体是很看好数据产品经理的发展前景。从国家战略到企业，总体属于朝阳行业。

在职业发展方面，一种是偏PaaS类的产品，最好是懂技术，至少要懂到一定程度再切入，否则难度会比较大；另一种是业务类产品，和做埋点建模的那些数据产品，前期一定要做基础沉淀，对于方法论一定要熟，另外就是行业知识要深耕、理解，不要太片面的去看 ，因为不深耕一个行业，很难把一个行业的数据摸的非常清楚，只能片面的去看一些大框架的问题，这是不够的。

▼

07.

非技术出身的大数据开发平台产品如何提升自己的上限？是研究透该领域的技术呢，还是说不需要深入研究？

这是PaaS类的数据产品经理的典型问题。

这位同学的技术深度不够，但又去做大数据平台的产品经理，发现会有技术局限性。应该要去研究这个领域的技术。

不过这个研究和研发的研究不一样，比如技术到底是怎么解决问题的，技术未来的发展方向，以及技术有哪些局限性，对技术的基础实现原理有哪些。这些问题是必须要去了解的， 如果这些都不了解，就会遇到瓶颈，并且只能follow技术，技术让你做什么就做什么，很难去把控这个事情，所以必须去研究。

▼

08.

业务怎么看数据产品和他们的合作/关系？这里的业务可以是产运、商分、或数分等

做数据产品与其他产品最大的区别是，他会跟商业分析、数据分析师、数仓开发等角色去协作。在我的经验中，业务分析师、数仓开发等，很依赖、认可数据产品。数据产品经理对他们的帮助实际上是很大的，不过他们更希望由更资深的同学来做数据产品经理。

▼

09.

AI、ChatGPT带来的机遇与挑战

ChatGPT确实会带来很多的机遇，对整个上层的数据分析会带来非常大的变化。很多BI在通过对话聊天的方式做数据分析，但效果不是很好。所以看起来ChatGPT能在这块创造比较大的价值，但是具体怎么创造，需要探索。

对于SaaS产品，ChatGPT会带来一个比较大的创新机会，目前的交互、形态、使用方式，都会有比较大的变化，就会有一大堆新的产品出来，仍然解决现在的SaaS正在解决的问题，但是解决得更漂亮。

对于PaaS类的，数据中台、数据研发、DataOPS等，也会带来很多变化，会发生总体效率的提升。

▼

10.

如何平衡数据产品经理的技术性和商业性需求？

我的工作主要是ToB，虽然数据产品核心是技术，但做B端是为了商业变现，需要平衡两者关系。 首先，技术是为商业服务的。同时，技术的创新可能引发商业的量变 。比如GPT，就是因为一个超级牛的技术，导致了商业的量变，这家公司就挣了很多钱。

以上述这两条为前提，去看待技术和商业需求的平衡。

需要在团队里保持一定的技术创新，比如投5%或者百分之多少，这是为了保证突破性的事情 ，但是同时要花更多的资源投入到商业变现上，这是基准线。是这么balance，而不是放弃一个。但是技术创新的团队比例不应该占比太高，需要控制到一个范围。

▼

11.

如何进行市场调研和用户调研？

市场调研和用户调研是产品的基本功，非常重要。

市场调研具体做的方式：

一是从现有资料里面找，可以试用其他人做的产品，以及产品帮助文档，寻找公开资料； 二是通过战略的同学，做专家访谈，或者其他渠道去拿到信息和数据； 三是与友商技术沟通及交流； 四是通过datafun、信通院等组织、会议获取主题信息。

这四种方式组合起来，去做市场调研。

用户调研：

ToB的客户公司，分为用户和客户，这是俩角色，用户是指直接用产品的人，客户指为产品买单、付钱的人，这两种人都得调研，都得去做研究。比如一个公司采购电脑，采购部的人负责采购，公司的员工负责使用电脑，但是管不了购买什么电脑。

用户研究有用研的同学，会比较专业。

客户研究就比较商业，目前没有一套理论抽象的方法论，建议关注国内外的创业公司的发展和情况，结合实际项目来沉淀和积累。

▌2023数据智能创新与实践大会

4大体系，专业解构数据智能 16个主题论坛，覆盖当下热点与趋势 40+演讲，兼具创新与最佳实践 1000+专业观众，内行人的技术盛会

第四届DataFunCon数据智能创新与实践大会将于⏰ 7月21-22日 在北京召开，会议主题为新基建·新征程，聚焦数据智能四大体系： 数据架构 、 数据效能 、 算法创新 、 智能应用 。在这里， 你将 领略到数据智能技术实践最前沿的景观 。

欢迎大家 点击下方链接 获取大会门票～