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。

圖文／Rock Data.玩搖滾的數據人

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。

市場與發展

回到開頭的問題，數據產品經理到底主要是數據、還是主要是產品？

我認為三種類型都需要數據能力+產品能力+商業能力，只是側重點不同；當然這三者之間也不是涇渭分明，彼此有一定的重疊程度，因此數據產品經理的能力要能夠同時兼顧數據、產品、商業，要求算不低。 最後我們直接來看JD(針對大陸互聯網公司)怎麼描述。

1. 工具型數據產品經理

對於工具型，原本就是從事相關工作的人員會比較好身任。舉例當你本身就是DS，你很清楚DS是怎樣開發模型、要經歷哪些步驟？你才知道哪些過程可以優化，或是哪個關鍵點可以透過自動化節省開發成本。

這種產品從商業模式來看，主要是內部建設，內部用得不錯開始往外推廣或是開源，例如是Linkedin的WhereHows、Airbnb的Airflow，往大的說AWS也是歸類這種模式。以公司視角，在前期大都屬於沈默的研發成本，也會被歸類到IT這種成本單位。這種工作在台灣不多，大型公司才有幾會見到。

2. 應用型數據產品經理

對於應用型，我覺得是從事DA的人比較好切入的類型，因為做DA我們的分析大多是圍繞商業，可能是現狀、可以是優化策略，可以是新業務發展策略，對商業就已經有一定的理解度。一般的產品經理、營運這些跟業務比較強相關的職能，也比較合適走這塊。

這類型的產品，大多一開始的定位就是商業化出發，跟營收等KPI掛鉤比較深、或是出發點是建立公司在產品以外的護城河。可想像空間比較好理解，因此也比較多企業涉足。

除了大型企業，新創方面，例如91APP的Marketing Cloud、Migo功典資訊、漸強實驗室、Appire、ikala、kkday、Vpon…(太多了如果有遺漏請包涵)，雖然不一定稱呼為數據產品經理，但存在類似的職位。

管理型數據產品經理

管理型不論台灣或歐美，大多是有一定規模的企業才有需求，畢竟小企業賺錢衝營收搞客戶都來不及了…如果從工程師角度看，這也就是所謂的技術債。到了該還的那一刻，就是管理型數據產品現身的時候了。

以我觀察大陸的情況，初期只集中在互聯網大廠，但近期大型傳統行業(批發零售、汽車、製造…)對這塊需求也是漸增的，可能是數據的重要性已經很被大家認可，而傳統公司發展久、數據也不少，卻缺少有效利用。所以要對已有數據以及未來可能產生的數據做通用性的管理方案，甚至還會成立數據資產委員會之類的組織，做自上而下的管理模式。

最後

工商一下，市面上其實已經有不少關於數據分析、數據工程的課程、書籍等資源，但要透過”數據”來驅動”業務”，需要的是更廣泛的知識體系，橫跨數據、商業與產品

我在Hahow for business有一門偏應用型數據產品的課程，想要帶領大家從更高的視角來了解數據的價值。這是一門結合了『商業』、『數據』與『產品』的基礎課程，因此不論你對數位轉型議題有興趣，或是工作中要跟數據打交道，都非常適合！

如果你的公司有跟Hahow for business合作是免費收看！歡迎多多支持！

這篇文章 搞數據還是做產品？淺談『數據產品經理』 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。