从0到1，我在4个维度建立数据产品

因为在迭代以及内测过程中，踩了不少坑，于是分享出来，写给那些打算转型数据产品经理的同学。

了解最真实的数据产品经理工作内容，以及避免走我们相同的问题。

1.数据产品经理项目背景

关注我的朋友应该知道，我们正在做新媒体运营工具蓝泡，而新版本恰好我们要开始为新媒体运营者提供数据分析能力。我们以公众号开始切入提供数据分析服务。

普通用户来看公众号数据，是以文章的阅读、点赞、评论相关数据，但是站在内容撰写者，公众号的数据分析不是以文章的每一篇，而是通过大量的相同类、不同类、长期积累文章所分析出来的。

所以要还原他们对数据需求最原始的场景，我们这款工具才会有人使用，才能说成功。

由此，这篇文章希望阅读的同学可以学习到，数据产品经理如何还原业务的使用场景，而不是把冷冰冰的数据展示出来，这种不叫数据产品，而是数据报表。

下面我分享数据产品4个维度，帮助建立一款从0到1的数据产品

1.摸清楚数据指标的实现与不能实现

数据产品经理需要明确数据指标，从开始需求调研到的数据指标，再到技术调研筛选出若干可以满足的数据指标，最后再用户需求、技术实现找的平衡。

其中在需求调研时候，我们会使用竞品分析，“别人做什么，我也要做”。

但是我们难以洞察别人数据指标背后的实现技术原理，要么你认识内部人，要么就只有不断地去了解背后的相应技术供应商。

比如在微信数据指标里，现在就有非常多的第三方数据供应商，他们可能会以给腾讯有相关合作关系，可以获得公开数据。

这也是为什么现在工作5-10年的产品经理薪资待遇仍然是稀缺，尤其是有某个垂直业务经验的，因为他走过的研发细节是适用于行业规则的，让公司在行业法规、政策上都会少走弯路。

清楚常用的单元模块、数据指标，针对公司团队、产品现状，决定优先选择哪些数据指标。

2.没有数据的操作与页面

我们做数据产品经理，最难的就是去考虑数据异常情况，这也是其他类型的产品经理同样最难的。所以我们经常会说判断一个产品经理“优秀与否”就是看他能不能去提异常流程，能够提的越多，就自然说明经验更高。

甚至有的面试官会要求求职者回答“异常”来进行面试校验

正常的界面其实站在产品规划里只算一小部分，我们都知道我们想要的是什么，而异常往往是没有想到的结果，所以我们在互联网公司里，就会通过产品团队内部需求评审、产品与开发部门评审进行过滤，但即使这样这种“异常”操作也只有实际才能发现出来。

如下图，是我们蓝泡新媒体插件提供的公众号数据分析服务，公众号没有认证的小伙伴只能通过手动数据导入，完成数据可视化。

以上是我们近期的数据分析版本，我们要区分不同公众号账户类型所涵盖的数据指标，找到不同账户之间的共有的数据指标，才能够给这样一个互联网产品的"所有用户”提供一个稳定的服务。

3.梳理数据产品页面的默认状态

除了异常外，数据产品经理还要提前定义出产品的默认状态，当然不仅是数据产品，所有类型的产品经历都应该给用户提供默认页面状态，让用户在第一次注册进入产品，也不需要担心找不到位置，以及不知道如何操作。

如上图是某些APP在新用户或者新设备下载安装后给予的开启默认引导，需要用户滑动几个页面后才能够进入到正常首页。

对于资深用户来说，默认引导是一个灾难，因为他非常清楚产品的功能，甚至已经养成了固定使用一些功能的习惯。

所以引导页面的设计，是产品经理不可或缺的产品设计部分，这里就是围绕用户体验，我们可以使用非常多的相关方法，涉及到用户路径分析、KANO模型分析需求等等，我们就不一一列举了。

4.数据产品的优化内容：指标调优

相比其他类型的产品经理，数据产品经理的产品优化聚焦在用户数据指标的调优上。核心是达到前期用户需求调研下，提供用户数据场景所关注的指标，毕竟实际使用以及产品规划肯定是有巨大差距的。

很多产品经理是没有这个机会的，因为他们在产品上线后不久就离职了，或者项目因为迟迟不盈利就解散。

数据指标调优本身上是需要长时间的运营，得到一定数量的用户反馈才能得到的，而不是几个产品经理就可以自我反馈得出的。

越是在产品上线后期，越需要用户反馈

数据指标的调优不仅是数据指标的计算规则，还要剔除一些不重要的数据，调整之前产品规划中失误的部分。

以上4个部分，就是我做数据产品经理在0到1里面所经历的感受，当然我做过的数据产品还不止这一个，但即使这样，在面对一款新的产品，因为涉及到的领域、产品形态、时间年代不一样，你都需要重新来学习。

毕竟互联网行业，可能3-5年就是一个时代。

今天的分享就在这里。