搞數據還是做產品？淺談『數據產品經理』
在數據分析師職場發展的另類出路 文章時提到了兩個方向，一個是數據X諮詢、另一個是數據X產品，其中數據X產品就是所謂的『數據產品經理』。
大家認識我可能都是從數據分析的角色開始，但其實我做數據產品也有幾年的時間了，會轉做這個職位的考量也比較單純。我一直追求的是數據價值最大化，在經歷許多分析專案的過程中，我感覺到很多需求其實都是有共性的，因此標準化、自動化，會讓數據(至少在廣度)有更大的價值。
數據產品經理的能力，是數據為主要能力？還是產品為主要能力？
雖然我比較早期就投入這職位，但其實我也很模糊了一段時間，私下問過不少同行他們的工作內容，也詢問過管理者他們心中的數據產品經理是什麼長相。
有人說是產品為主，例如電商產品經理、後台產品經理、行銷產品經理，這都是產品經理的細分領域，所以數據產品經理也是比照這一邏輯。
有人說以數據為主，因為產品經理實現的是”功能”，但數據基本不存在”功能”可言
那麼到底是…？
數據產品細分
數據分析這職位剛出來時，大家都不太清楚到底職位邊界在哪，我的觀察大概需要3~5年市場才會清晰，像是現在大家就比較清楚知道數據分析至少要分成Data Engineer 、Data Analyst(Business intelligence) 跟Data Science(ML Engineer)
同理，數據產品經理當然也不例外。產品經理本身就是比較抽象的工作，再結合”數據”，因此數據產品經理就更抽象了。要回答這個問題，首先要知道什麼叫”數據產品”？
我認為數據產品可以細分三種類型，分別是工具型、管理型、及應用型。而彼此的側重點略有不同，才造成大家認知的差異。
一、偏工具型的數據產品
- 對於Data Engineer，我們要採集、要計算、要調度、要ETL
- 對於分析師，我們要建立圖表、dashboard，要做AB實驗
- 對於Data Science，我們要建立model、要上線正式環境
這些工作都可以直接寫代碼完成，例如大家比較熟悉的資料視覺化，在以往我們要做這種工作，我們是用R/Python；對於前端工程師可以用一些組建例如D3.js、 ECharts開發。不是不能做，但是有點麻煩，而Tableau、PowerBI、DataStudio就簡化了這件事，他是面向資料視覺化場景，透過產品的能力降低門檻，解決了資料視覺化的痛點。
如果有看過Tom Sung那篇很熱門的【數據分析師會走向泡沫化嗎?】文章，其觀點之一(文章第四點- 4. Self Service 才是未來)就是工具型的數據產品的發展會讓技術門檻降低。
雲服務大廠例如Google Cloud、AWS、Azure，裡面屬於”大數據”或者是”分析”類型的產品都是屬於這一分類。也有不少小而美或是很有潛力的新興公司，例如BI領域的ThoughtSpot、雲資料倉庫/資料湖領域的DataBrick跟Snowflake、大數據開發(ETL)的dbt、資料治理領域的DataHub等。
二、偏應用型的數據產品
應用型會在數據生產鏈路的最尾端，關注數據本身可以帶來的”商業價值”，通常會結合某一種具體應用。例如行銷領域，結合數據將顧客分眾自動化；例如在ERP領域，結合數據將庫存管理做到預測存貨與預警
舉例，A跟B兩個產品都具備”透過標籤進行顧客分眾”功能，單純從功能角度，兩個產品一樣好。
但A產品的標籤只有10個(且都是交易類標籤)，B產品的標籤有100個(多了用戶行為標籤)，那麼把”數據”也納進來衡量，Ｂ產品是更好的。
再介紹一個產品：阿里巴巴的生意參謀，從產品型態看，就是一個一個dashboard，但他核心是透過數據讓淘寶商家”做決策”，做決策又被分成三大塊：敵情、我情、行情。可以試著感受他產品佈局就是在圍繞這三件事，dashboard只是一個表徵。
如果只把他當成dashboard，那產品確實技術含量不高。但如果可以把敵情、我情、行情都整合再一起，幫助商家作出科學決策，那價值就高了。又或者Google Trend，也是同理。
三、偏管理型的數據產品
做分析的同學或多或少都曾經覺得數據很髒很亂，這裡面有歷史原因、有業務發展過快、沒有規範意識導致、或是業務線龐大各自有各自的規範
例如之前看老產品的歷史行為數據，一個點擊事件在後端儲存的值，event_type有”點擊”、”click”、”Click”，中文跟英文都有，大小寫不統一(甚至還有拼錯的)；或是做分析時，也會發生指標的混淆，例如訂單數，可能A部門的訂單數是退貨也算、B部門要客戶簽收才算，引發大量溝通成本。
在細緻一點，例如表名看不懂、欄位名亂取、代碼太醜…
管理型的產品經理目標是將”數據變好用” ，在數據方法論與架構思考的琢磨會比較多，產出最基本是文檔，實現規範化、也需要從更高視角俯視企業目前大數據能力的全局；更好是可以把規範性事務，夠過工具型的產品實現自動化。比較常見的有tracking code管理平台、指標管理平台、資料治理平台、數據地圖平台。
瀏覽 1,505 次
