数据产品!一文看懂!全网最细!

本文适合 2 年以上产品经理阅读食用。本篇文章是本人 6 个月来思考和实践,希望对于你有用。

当互联网时代,迈入大数据时代,数据产品作为新型的产品形态出现你我面前。

今天的文章,我想跟产品经理的你,科普“数据产品”

一、数据产品,是什么?

对于很多产品经理来说,数据产品是一个很陌生的概念。

数据产品包含两个关键词:产品和数据,那,什么是产品?

产品,是企业跟用户进行价值交换的媒介

用户永远只关注得到什么,需要付出什么,企业关注解决用户问题,从用户获取相等或超出的价值。

怎么进行他们价值互换?通过产品。

数据产品属于一种产品类型,它是通过结构化数据,跟用户进行价值交换的产品

数据产品和其他类型产品的核心区别,它是通过数据来解决问题。

数据也能解决问题,很反直觉,我们举个例子:数据看板。

产品经理日常工作除了按版本交付产品功能之外,还要考虑如何将产品背后的关键数据进行提升。

产品经理如何发现产品关键数据出现问题呢?

通过数据看板来解决这个问题。

数据看板通过将产品数据指标,加上时间、页面等不同维度,实时动态展示产品数据,协助产品经理衡量新版本上线后数据优劣。

除了数据看板,我们常听到大数据分析、数据中台都属于数据产品。

对一件事件,知其然远远不够,还要知道数据产品的本质。

数据产品的本质是,结构化数据思维,也叫度量。

二、数据产品的本质

什么是结构化数据思维?

要理解什么是结构化数据思维,我们先了解什么是结构化数据。

结构化数据,指通过二维表结构,逻辑描述个体信息的数据

我们都用过Excel描述过信息,例如我们登记员工信息,我们会在表格罗列,姓名,性别,年龄等,并在字段下方填写员工的信息。

这样的结构就是二维表结构,一行数据,就是一个个体信息数据。

结构化数据的好处在于清晰描述个体信息,且方便从数据上发现问题和解决方案。

假如要了解公司男女比例,通过结构化数据,筛选求和,很简单得出答案。而不是需要一个一个清点公司男女生人数。

结构化数据思维,是指系统思考个体结构,用数据解读个体特征的思维

什么意思?

当遇到问题时,很多人都会陷入解题思维,即遇到问题,直接思考解决方案的思维。就是芒格说的,拿着锤子的人,看啥都像钉子。

解题思维最大的问题在于,我们容易被自己自己现有的工具迷惑,而忽视问题本身的需求,忘了更好地解决问题才是目的,甚至为了使用工具而去制造问题。

如果我们用结构化数据思维,该如何解决问题呢?

结构化数据思维,第一思考,是谁的结构化?即需要找对问题,或需求的主体。

如果我们找错主体,后续结构化数据做得再成功,无法解决问题。

第二思考,主体结构是怎么样?即包含几个核心特征和非核心特征。

个体结构由核心特征和非核心特征组成。核心特征,是能确定一类用户的关键属性。

比如性别和身体残疾度是区分公共厕所的用户核心特征,所以公共厕所有男女厕所,残疾人厕所。

如果按年龄设计,就会造成公共厕所使用的混乱和各种问题。

第三思考,个体特征形成二维表结构,填充数据。

从 0 到 1 ,给你讲明白什么是数据产品?

当问题或者需求被我们结构化,数据化后,问题的本质继而被清晰化、简单化,解决方案就成一件简单的事情。

三、数据产品的价值

对于非数据产品经理,数据产品的价值在哪里?它能带来什么?有什么用?

数据产品,有三个关键价值:

1. 挖掘问题背后的本质

挖掘问题背后的本质,这一点在数据产品的本质有很好展示,数据产品对于问题的描述,一定是以数据进行输出结果。

使用数据产品解决问题过程中,我们会不断被要求对问题的个体进行结构化,数据化,挖掘其真正的本质。

俞军大佬曾抛出一个问题:“如何让用户更多地使用拼车功能?”

从 0 到 1 ,给你讲明白什么是数据产品?

如果你是滴滴产品经理,你该如何解决你老板的问题?

直接上线拼车促销活动?还是直接将拼车放在滴滴流量最大的入口,增大曝光?

但问题是,我们怎么判断自己的方案是正确的?

解题思维带给我们坏处,往往是解决方案没有从本质上解决用户需求,忽略问题背后的陷阱和风险,当冒出问题时,只能通过打补丁解决,导致产品功能复杂程度增加和糟糕的产品体验。

如果我们用数据产品,该如何解决这个问题呢?

整体分三步走:找个体 ➡️ 抓特征 ➡️ 填数据

第一,要找到问题中的个体。

如何让用户更多地使用拼车功能?那么:这个问题中用户是谁?

要知道用户是谁,我们可以从需求侧推导用户,打车核心需求是更快、更舒服抵达目的地。

与打车相反的是,公共交通。因为价格便宜,但时间长,下上车区域固定。

到这里,目标用户浮出水面,拼车用户是依旧使用公共交通,但不想使用公共交通,又想低成本出行的用户

第二,抓取个体的特征

拼车用户有 2 个核心特征:价格和时间。对价格不同敏感程度和时间不同敏感程度,会形成多种用户类型。

通过核心特征抓住核心用户,用非核心特征丰富核心用户,比如性别、年龄、打车地点等,形成一个结构化数据表格。

从 0 到 1 ,给你讲明白什么是数据产品?

第三,补充个体数据。

个体数据可以从存量用户中提取,如果没有或存量用户数量太少,可以对核心类型用户做用户调研获取数据。

核心用户可能会分出很多类型,所以需要统计各个用户量的占比,以此筛选出我们P0-P1级别的用户,作为种子用户。

从 0 到 1 ,给你讲明白什么是数据产品?

问题可以通过到数据描述时,这个问题本质变成:“通过什么方案可以使敏感价格xxxxx类型的用户尝试使用或者持续使用拼车功能?”

挖掘到问题本质,问题随之变简单了,解决方案同样变简单,对解决方案正确性,就有了判断,才有把握能解决俞军大佬的问题。

2. 不确定性的问题定量成确定性的问题

数据产品的价值,不单单在于它在追求问题本质,而且它能将不确定性的问题定量成确定性的问题

在俞军大佬的问题里,“如何让用户更多地使用拼车功能”,这是一个典型的不确定性的问题。

这样的不确定性问题,在我们日常工作,企业决策都会遇到。例如:如何快速增长?如何完成KPI?等等。

基于不确定性问题思考的解决方案,能否解决问题,也是不确定性的。

解决方案结果的不确定性,大概率没法有效解决问题,持续浪费公司资源,解决新的问题,这对产品经理后续发展是不利的。

如果我们解决方案复杂,大部分情况下,是我们没有找到真正的需求或问题。

通过数据产品,我们可以确定真正的问题时,将不确定性的问题定量成确定性问题。

例如:如何让用户更多地使用拼车功能?通过数据产品思维,我们可以定量成:

  1. 通过什么方案可以使白领A类型的用户尝试使用拼车功能?
  2. 通过什么方案可以使大学生B类型的用户持续使用拼车功能?
  3. ·······

当不确定性问题可以定量成确定性问题时,意味问题简单化、结构化、数据化,从而解决方案也变得简单、可控。

3. 产品经理未来的核心竞争力

看到问题或者需求,每个产品经理都会输出解决方案。

核心的区别,是能不能解决问题或需求,以及解决方案的效率高低

所以,能否快速找对问题,然后发现问题本质,成了解决方案关键因素。

拥有数据产品思维,就是我们和其他产品经理的差异化。在解决问题上,与解题思维的产品经理相比,我们拥有优势。

我们不断使用数据产品思维去解决遇到问题,积累的经验和效率会成为我们天然的护城河,别人很难复制。

通过差异化+优势+护城河,数据产品成为了我们核心竞争力。是我们自身能力一项资产。

这项资产可以在未来,帮助我们在职业发展中获取优势,且不容易被时代淘汰。

四、数据产品的核心三要素

数据产品由核心三要素组成,即:指标、维度、口径

1. 指标

数据产品的第一个核心要素,叫指标。指标是构建数据产品的线。

指标,是指个体可量化衡量的客观标准

个体的标准分为两类,主观标准和客观标准,主观标无法充当指标,因为主观标准在每个人的量化值不一样。

比如颜值,一个人颜值在1000个人可能就有1000中数值,无法形成一致认知。

客观标准,客观存在,不以主观意志而改变,可定性定量的标准。比如身高,一个人身高180cm,不管多少人,都能形成一致认知。

客观标准,又分为定性客观标准,和定量客观标准。

定性客观标准,指通过非量化可定义的客观标准,比如性别、学校等。定量客观标准,指可量化的客观标准,比如身高、体重等。

指标,是指定量客观标准,定性客观标准,我们常用作维度使用。

为什么?

因为数据产品的核心是结构化数据,能够进行数据加工,结合模型,输出结果。

定性客观标准,并不能进行数据加工计算,所以指标必须是定量客观标准。

比如:性别无法做指标,男女两个值无法运算,但是男性人数,女性人数是输出可运算的数值,所以男性人数/女生人数是指标。

掌握指标概念,是我们通过数据,描述个体或问题的关键之一,而另一关键,是找对指标。

数据产品其中一个重要作用,是提供决策分析判断,找错指标,找少指标,或过多指标,都会给数据产品带来决策判断错误的风险。

  • 找错指标,我们对问题认知从开始就是错误的,后续的判断也是错误,解决方案自然无法解决问题,浪费公司资源。
  • 找少指标,会使我们视野变得狭隘,没有办法全面看清问题,对问题认知是片面,解决方案也只能解决部分问题,后续引发的问题,需要通过不断打补丁,来解决引发问题。
  • 过多指标,虽然让我们全面看待问题,但将问题边界扩大化,问题边界扩大化会带来2个问题:迷惑我们看清解决问题核心关键点,以及对扩大化问题,解决资源的投入产出比不佳。

找对指标,只需要2步:

第一,找到问题的核心个体,尽可能罗列个体相关的指标,直至想不到为止。

这个过程,我们尽可能获取指标,以解决「找少指标」带来的问题,同时将指标的选择范围扩大,让我们拥有更多选项提供选择,更好的视野来审视问题。

第二,按特定逻辑梳理指标,砍掉多余指标。

第一步罗列所有指标并不都可以用,而太多指标会迷惑我们看清问题,所以我们要砍掉多余的指标。

特定逻辑,指具体的业务场景,或者系统流程、业务流程等,与逻辑不符合的指标,直接砍掉,保留相关指标。

通过这一步,避免了「找错指标」和「过多指标」带来的问题,给我们找对指标提供依据。

当我们找对了指标,我们需要给它加上另一个核心元素:维度。

2. 维度

数据产品的第二个核心元素,是维度,维度是构建数据产品的面。

维度,指度量个体的可定义描述性信息的属性,而可定义描述性信息,是指规范化术语信息,比如性别和男女,城市和广州,上海等城市值。

维度和指标都是度量个体客观标准,两者区别在于指标用于运算,所以必须是可量化客观标准,维度用于描述,是我们度量个体的角度,通常采用可定义客观标准。

我们通过一个例子来加深理解, 4 月 9 日上海新增本土确诊病例 1006 例、无症状感染者 23937 例。

从 0 到 1 ,给你讲明白什么是数据产品?

在案例里,新增本土确诊病例,无症状感染者是指标,因为它们都是用数值量化表示的标准,能够作为后续运算。

城市,日期是维度,上海,4月9日都是规划化术语信息,且属于客观标准,任何人对于维度值不会有歧义。

维度,对于数据产品有什么作用呢?

在数据里,字段是点,把字段串起来的指标是线,如果只有点线,我们在度量个体时,永远只有一面,像盲人摸象,摸到什么就是什么。

维度可以将指标组建成面,而且不同的维度就是不同的面,多个维度组合,我们将会看到一个立体的个体,或者问题。

比如公司的销售情况,如果我们只看指标,只是一个个数值,我们不能看出发展好坏,怎么办?

加维度,加时间维度,我们可以看到不同季度,年份销售情况,以及涨跌,加地区维度,我们可以看到不同地区销售情况,以及对比。

当视角可以多维度度量个体时,产品经理的眼睛就能看到问题的本质,好的解决方案并不难输出。

3. 口径

数据产品的第三个核心元素,是口径。口径是构建数据产品的体。

口径是统计学的用语,在数据产品上,是指取数逻辑,即依据什么维度,选择什么指标,用数据描述度量个体。

口径是将度量个体通过维度和指标组合,形成标准化数据输出,让上下游产品达成统一,是数据产品基础形态。

举个简单例子:假设你要托七大姨,八大姑找对象,你应该怎么做?

你要输出择偶标准给七大姨八大姑,比如:

  • 车=1辆;
  • 房=1个;
  • 婚育=未婚未育;
  • 工资= 10000+;
  • 身高=175cm;
  • 区域 = 老家;
  • ·····

车、房、工资、身高都是指标,婚育、区域是维度,通过指标和维度组成的择偶标准是口径。

当我们将清晰的择偶标准输出给七大姨,八大姑,她们可以快速寻找合适的对象。反之,类似下方案例:

从 0 到 1 ,给你讲明白什么是数据产品?

作为口径输出,不清晰,七大姨八大姑无法知道择偶标准,自然很难帮我们找到对象。

这是数据产品的解决问题的方式。这也是数据产品能辅助用户进行决策的原因。

将复杂的问题,通过数据产品,简化成是否符合标准,符合执行,不符合放弃,协助用户快速决策。

五、最后的话

文章很长,我们总结一下:

1)数据产品是通过结构化数据,跟用户进行价值交换的产品

2)数据产品的本质是结构化数据思维,也叫度量。

3)结构化数据思维的价值,在于

  • 挖掘问题的本质;
  • 将把不确定性的问题定量成确定性的问题;
  • 成为产品经理的未来核心竞争力。

4)数据产品核心组成要素是:指标、维度、口径。

普通的产品思维拆解业务的逻辑关系,数据产品思维通过数据解构业务,再反向输出标准,解决问题。

数据产品思维洞察问题的根本,在于它用结构化数据思维来思考真正的问题。

感谢你看到这里,希望本文对你,有亿丢丢帮助。

 

作者:晓东同学,练习时长 3 年的产品练习生,希望和大家一起探索产品的价值,可用性,可行性;公众号:在地球的产品笔记

本文作者 @晓东同学 。

版权声明

本文来自互联网用户投稿,文章观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符,请点击 举报 进行投诉反馈!

相关文章

立即
投稿

微信公众账号

微信扫一扫加关注

返回
顶部