写给数据产品经理新人的职场生存指南

最近收到很多新人数据产品经理朋友的咨询，他们大多数都已经对数据产品经理的岗位是什么，需要什么能力有了基础的认知，但是真正到了要去学习和提升的时候，面对铺天盖地的文章内容，以及质量参差不齐价格却都普遍不低的视频课程，却不知道从何着手。所以，今天想结合自己的工作历程，聊一聊数据产品经理如何在职场中生存下来。

一、首先是关于产品思维的刻意训练

数据产品经理毕竟也是产品经理，所以不管数据基础怎么样，掌握产品的流程化思考方式，开展工作会更加顺畅。虽然说产品思维这个词非常老套了，但它的确是会指导你开展工作的通用方法。这里讲的产品思维是作为产品经理的一种思考方式，工作流程和方法论。比如，初入职场，当你还没彻底搞懂什么是指标和维度、数仓模型、字段时，就被安排去承接业务的数据报表需求了，你准备怎么去做呢？

1.学会用产品经理的思考方式去做需求

产品经理的主要职责就是每天对接和处理各种各样的业务需求。拿到新需求，怎么做？

为什么要做这个需求

充分了解已有的背景信息，有的老板常提一句话需求，因为自己不懂而不敢去问，吭哧吭哧做完了老板说不是自己想要的，耽误了时间，出力不讨好。

用户是谁？

每一个产品都有明确的用户群体，数据产品也不例外，而且相较于C端产品的普适性，数据产品的用户还要做个三六九等的划分，谁是核心用户，谁是覆盖用户，谁是潜在用户？

解决什么问题

作为新人肯定对业务了解不深，知道了用户是谁了，结合有限的背景信息，这个时候就要充分发挥产品经理的沟通天赋了，找业务沟通调研其工作内容，遇到了哪些痛点和问题，期望这个数据产品解决什么问题。

需要什么功能（指标和维度）？

对于偏工具类的数据产品，如CDP、大数据开发平台等，一方面是结合对用户的需求场景的调研确认目前他们的诉求，另一方面是结合竞品分析，确定产品的功能规划。很多新人往往只是按需实现需求，而在高阶产品的成长道路中，产品规划能力是明确要求的能力维度。所谓的产品规划，主要就是结合产品的定位，确定产品要包含哪些功能要点，再根据当前业务痛点，确定各个功能的优先级，形成短中长期不同版本迭代的计划或者roadmap。然后明确的告诉老板说，我们这个产品要包括ABCDEF的功能点，但是考虑开发资源和时间现状，MVP版本优先做ABC功能。

关于需求分析的模型与方法论有非常的多，看些文章了解下四象限、ICE排序、KANO模型就可以了，重要的是要把需求处理的流程先固化下来，然后拿着工作中的具体的需求实践总结，有人说产品经理能力的高低和悟性有很大关系，这个悟就来自于不断的实践和刻意的复盘总结。纸上得来终觉浅。

二、其次项目管理推动产品落地流程和方法

在敏捷项目管理理论当中，把70%项目失败的问题归结为流程的问题。经过多年的实践发现的确是这样。因为产品经理是依赖于他人完成产品方案的落地。协调和管理跨职能的项目团队是日常工作的重点之一，否则设计的方案再好，上不了线也是尴尬，没有业务价值的输出。

在项目管理领域有专门的PMP或者敏捷开发的ACP认证。所以想要完全学习完所有内容还需要花很多时间的。但是掌握最核心的流程和要点就足够日常使用，加上自身项目的实践总结，沉淀出适合自己的项目管理方法。

如何管理需求

面对各个业务部门的各种数据、产品需求，要避免忙成陀螺但还被业务吐槽。所以，要学会利用需求管理工具，把接收到的需求统一管理起来。很多项目管理软件比如Trello、Ones、leangoo等，最次的就是自己用excel了，团队共享不太方便而已，但自用足够。目标是自己清楚地知道有多少需求待处理，优先级是什么，何时需要找业务沟通确认，已经排期或者上线的需求定期做好信息反馈，避免等着业务来问排期。出现延期更要做好沟通，这样才会成为业务眼中靠谱的人。而不是提了需求石沉大海。

怎么跟项目？

产品一旦排了开发资源后，就是日常的项目管理和开发跟进工作了。澄清需求几乎是每天都会遇到的，除此之外。要学会在一些关键节点组织会议，并且利用透明的力量同步项目进度、问题及风险。

项目启动会

重大项目需要单独召开启动会，务虚为主。主要目标是获取授权，抢占资源，有时需要打鸡血，比如这个项目是公司战略重点，多跟开发“洗洗脑”，做好了大家一起吃香喝辣。

需求评审会

产品经理不得不开的会议包括：和业务的需求确认会，和开发的方案评审会，和团队的需求排期会。很多产品经理最怕开需求评审会，因为怕被老板、被开发、被业务Diss。首先从心态上，要做好准备，评审会的目的就是要找出需求不明确和不合理的地方，在方案环节尽可能考虑周全，避免上线之后不满足需求，如果评审会一团和气，出事后甩锅于事无补。其次，要在每一次被Diss之后做好总结，为什么我设计方案的时候没有想到，没有想清楚。下次要尽可能规避，就像高中时有些数学题经常有陷阱，有了错题集不断强化后，下次就不再犯同样错误。此外，在产品方案设计环节，可以提前和业务沟通，和开发提前讨论技术方案，问题前置化，减少评审会上的问题数量。最重要的一点，就是自己在设计产品方案和PRD时，要不断问自己问什么需要这个功能，这个按钮，为什么放到这里，而不是其他位置，自己先Diss自己，减少被别人Diss。知彼知己百战不殆，还要吸收竞品分析的结论，有的时候你的一句，这个方法竞品是这样做的，但是有123个问题和缺点，是不是比其他的解释更有说服力呢。最后，能用数据量化分析的就要用数据说话，毕竟是搞数据的嘛。

项目站会&周会

敏捷开发中，团队成员会有每天的站会，主要目的是沟通和澄清问题，说下主要进展和计划，提高团队成员沟通的频率，互通有无，及时发现和解决问题。切记不要沦为形式。

项目汇报的频率与技巧

常规汇报：对于重点项目（老板们都非常关心）尤其要做好向上的汇报和信息同步。如果周期2周内，可以每天汇报关键进展，IM群或者邮件均可。3周及以上的长周期项目至少要按周汇报。这样老板就很放心，不管他关不关注，至少你主动沟通，不仅曝光度高，而且老板会觉得你非常靠谱。

问题汇报：做项目有风险在所难免，尤其是项目初期不确定因素非常多，出了问题首先自己要快速搞清楚大致问题，初步判断严不严重，如果觉得对项目进度、项目范围有影响，就要及时向上反馈，老板最不喜欢的就是别人都知道出问题了，他却是最后一个知道。提前沟通可以获取相关的资源支持，哪怕是准许延期的许诺。

需求变更管理

唯一不变的就是变化。作为产品经理不管是和业务还是和研发沟通，切记一句话的口头需求和随意的变更。尤其是开发过程中，涉及到业务流程等内容的变更一定要记录存档，对主流程和研发进度有影响的，严格遵循变更控制流程。否则，一旦项目失败或者出了问题，产品和开发扯不清楚。研发说产品让我这么改的，产品说我是让你那么改的。

产品上线运营及推广

项目测试开发工作完成后，在正式上线之前，找核心用户或需求方做好用户接受度测试，避免上线后，用户大面积吐槽，到时候就晚了。另外，产品上线前，需要考虑数据埋点，统计功能上线后的使用效果。一方面是证明你这次迭代的价值，用数据说话，另一方面就是用数据驱动产品迭代了。同时，要记得收集用户的正向反馈，毕竟季度述职有的时候需要用户视角说你做的好不好。

三、此外是数据思维和数据能力的不断提升

掌握了需求处理和项目落地这几个产品经理的核心能力和工作流程之后，至少你会是一个靠谱的人。再加上对数据思维和数据能力的，就可以逐渐成为一个优秀的数据产品经理。曾经团队中有个同学，其他岗位转岗数据产品经理，不仅缺少数据能力，而且产品基础也非常差，一段时间负责开发套件产品的需求跟进和迭代，天天被开发吐槽，只是需求的传声筒。

数据产品经理存在的价值是利用数据帮助业务高质量决策或者为产品的智能化应用赋能。此外，工具类数据产品经理，则是负责建设这些过程涉及的通用工具，以实现人力成本和数据价值输出效率的提升。

数据采集和埋点能力

和业务端对接多的应用型数据产品经理必备，数据驱动的本质是数据驱动增长，过去更多的是关注订单量、营收等宏观的业绩经营指标，数据化运营从宏观到微观，开始关注用户从认知产品到最终完成一次业务流程的全过程行为洞察，而这个过程中，埋点是数据价值的起点，数据产品是以数据为原材料，做用户行为分析或者可视化分析类的数据产品，作为数据产品经理，需要把埋点数据规范化的管理起来，否则没有埋点采集数据，就是巧妇难为无米之炊，设计出来的产品方案再完美，交互再丝滑，却没有数据。

数据分析能力

数据就像原油，很少人可以直接使用。只有通过分析、挖掘之手，提纯成汽油、柴油、以及各种化纤用品，才能最大的发挥价值。埋点采集到了数据之后，还需要进行分析、抽象、产品化，才能被更多的业务直接使用。在这个过程中，需要具备建设业务监控的指标体系，并将分析思路整合到数据产品中的能力。可以自己结合具体场景多加练习，比如，自己去设计一套短视频业务的指标体系，会先研究指标体系建设方法，其次是了解业务过程，再去设计对应的指标。

数据仓库理论知识

数据资产管理及治理方向数据产品经理必备，业务数据化、数据资产化，数据仓库的分层管理不仅可以提升数据的复用性，也可以提高数据运维的效率。在做数据资产管理与治理类工具类数据产品时，将资产减少的规范流程融入到系统中，每次建表时，基于系统的提示与自动填充可以既快速又高效，而不是需要每个开发者把规则形成肌肉记忆。此外，对于数据的一致性、完整性、及时性、准确性等数据质量监控规则也需要掌握，毕竟数据质量问题是数据产品的生命线，如果给业务的数据都是错的，决策失误、精准营销不再精准。

大数据技术组件及架构

开发套件方向数据产品经理必备。虽然说“人人都是产品经理”,过去也有很多关于产品经理要不要懂技术的争议，个人觉得作为数据产品经理，至少要了解一些基础的大数据技术的应用场景，以及数据流转的链路，这样对于数据质量的监控，实时、离线数据的差异及技术限制，更加合理地设计产品。而对于底层开发套件、开发工具类的数据产品经理就更必要了。试想，如果你连HDFS都不知道是什么，当需要你设计一个HDFS目录管理的工具时，你该从何着手。

机器学习算法模型的主要使用场景

策略及AI方向的数据产品经理必备，比如做个性化推荐，至少要知道常用于推荐的算法有哪些吧，基于用户的协同过滤和基于商品的协同过滤分别是什么意思？

四、总结想成为业务、研发眼中优秀的数据产品经理并不容易。不仅要产品素质优秀，还要有扎实的数据能力。具备其一，可以做数据产品经理，但只能称之为靠谱或者技术能力比较强。而两者都不具备时，不仅自己上班如上坟，还要饱受领导、对接研发、业务的各方吐槽和Diss。