干货数据产品经理如何快速了解业务

Posted 2021-10-13 艾华丰

​作者介绍

@五花肉

前网易出口大数据产品经理一枚；

负责过数据采集，BI，AB测试，画像等；

酷爱健身，钟爱咖啡，喜爱摩托，热爱生活。

“数据人创作者联盟”成员。

01 前言

大数据行业每家公司对岗位内容和任职要求都有不同。即便同一个职位名称工作内容都有可能千差万别。最近部门调整，入职了几个新同学，笔者“有幸”交接出去部分工作，包括部分应用产品及采集sdk。虽然交接的新同学也从事多年的数据工作，但原所在部门及工作内容与当前差异依旧较大。

面对不熟悉的公司环境、业务流程，堆积如山的交接文档。在业务紧急运转的情况下，如何消化交接内容并快速衔接当前工作需讲求方法，笔者在近8年的工作里，岗位从分析师->数据产品->营销后台产品->数据中台产品，每次转变都能平滑过渡，下面我将自己在熟悉新业务过程中的关注点及经验通过这篇文章分享给大家。

数据产品进行业务熟悉的角度可以从两个方面入手：

1.本职工作内容

2.公司主营业务

02 本职工作内容

接手新工作时最棘手的情况当属老员工离职。这种情况一般交接周期“较短”，平均2-3周内。如果恰逢对方认真负责，既能跟进完所有项目，也能作为一个合格的导师带你过渡；但还有一部分属于马上离职，于是事不关己高高挂起。交接过程三言两语，项目进度虎头蛇尾。一旦对方离职，自己无法在短期接手原本工作内就会陷入一个十分艰难的地步，他远走高飞，你水深火热。那快速接手当前工作需要关注哪些内容呢？

一、掌握现有产品

1.熟悉产品框架

系统中的每块功能都有其独特的场景意义，代表业务对其依赖的轻重缓急。熟悉产品框架要了解它的发展历程，包括但不限于：

1）立项背景

立项背景帮助了解产品诞生的起因，需要解决的问题，产品发展的目标以及所要服务的业务角色。基于这些大前提，在短期之内可按照原来固有的路径进行发展迭代，可避免与相关配合人员因项目立意及产品结构差异过大等问题造成不必要的分歧。

2）Mvp版本

Mvp版本的功能范围有助于了解产品诞生初期业务所关注的的核心问题，结合后期版本迭代记录可推敲出业务大致的发展路径。可着重查看产品文档中版本号为：beta、0.0.x、1.0.x、hotfix及优化版本等字眼的文档。

3）后续大版本

后续每个大版本的需求范围及迭代频率不仅能反应出业务发展的紧急情况，同时有助于将产品功能进行归类分析。比如近期功能以优化为主还是迭代为主，可以推测接手时这款产品所处的生命周期。再比如可以粗略统计出每个模块迭代功能次数，迭代次数多的功能在熟悉过程中需要着重了解，代表该功能可能被业务重点依赖亦或是整个平台的核心，后期版本迭代或运营推广都会围绕此进行展开。

4）拆分产品

拆分产品，包括功能架构，用户使用流程及数据流向等。这一步是对产品框架的全局了解，基于现有平台能力。短期可依赖过往经验或行业通用解决方案，为后续的产品迭代做基础性的规划。

梳理完整个产品的骨架，接下来要根据不同的“骨骼”位置，丰富血肉。

2.梳理文档内容

1）交接文档

交接文档需要明确几部分信息：产品开发团队、各系统地址（包括测试环境）、各文档地址、跨多团队的对接流程、所支撑业务部门及相关对接人等。

2）需求文档

需求文档（prd）可作为产品功能逻辑查询“字典“来用，但需要确认文档建设的完备性。完善的文档建设代表了所处产品团队的规范制度或历届该岗位同学的工作作风，如果文档建设极度混乱、缺失严重甚至历史文档都没有，就需要辩证思考一下自己与当前团队是否会有行事风格“冲突”。

3）测试文档

测试文档用以补全需求文档的细节，很多业务逻辑或状态判断在需求文档里的遗漏之处，在测试文档基本都有提及。

4）复盘文档

通过复盘文档可了解一些过往事故产生的原因，数据波动的异常情况等。有助于掌握业务上的风险点，建立异常问题处理的思路。这块不必花费大量时间，日常了解用以事后闭坑即可。

3.熟悉表信息

表信息包括字段含义及血缘关系。可以优先掌握与当前产品相关的数据，进一步了解平台的数据服务能力。也方便在日常分析过程挖掘潜在需求。其次可以向下溯源，依据仓库提供表的使用频率以及血缘关系逐步构建数据全貌，反哺产品上的数据遗漏点。

4.查看“代码逻辑”

查看代码逻辑并非在git上熟悉所有代码，而是对照产品功能及流程向开发同学熟悉功能间的流转细节（伪代码），这一步是对功能文档及测试文档的补充。如果需求文档缺失严重，这部就极为重要。一可以“拉近”与开发同学的关系，二可以掌握逻辑细节，三还能熟悉基本的开发框架避免很多无法落地的想法。很多小伙伴抱怨和开发同学之间的“矛盾”，比如话语权低，难沟通，甚至还有改需求的情况。大概率的原因是开发同学觉得“你不懂”。如果能快速的让对方感受到你的专业，相信后续推进工作就容易的多。

二、套用分析模型

经过对上述内容的熟悉，快的话1-2周，慢的话2-3周应该可以保证日常业务的正常运行。为了后续的产品发展，提升数据对业务的“赋能”作用。也需要结合分析模型来提升产品的决策支持能力。比如：

渠道分析系统：准确归因，分析渠道新增人群价值、质量。优化投放人群和素材等；

模型关键词：归因分析、分群分析、ltv、对比分析、波士顿模型等

画像系统：分析用户特征、行为。辅助运营、产品找寻用户群体制定定向策略；

模型关键词：交叉分析、rfm、生命周期等

A/B测试系统：科学评估不同策略，为产品迭代提供准确数据依据。做到持续正向收益；

模型关键词：假设检验、多维分析、对比分析等；

数据分析系统：承担日常经营、用户等分析等常规分析场景，定位异常问题等；

模型关键词：多维分析、趋势分析、交叉分析、漏斗分析等。

有了第一阶段的内容加持，加上对产品整体框架的理解，基于现有能力，结合行业内分析模型（这里我就不一一列举了，给大家找了参考文档：分析模型与方法）。优化现有分析功能，补全适用的分析方法。在逐一落地的过程中不断推广。这样才能打造出业务适用的数据产品。

03 公司主营业务

熟悉完本职工作内容，接下来是构建业务框架。很多公司内的业务人员对数据产品使用能力一般，数据思维也有局限，没法发挥产品的原定预期。这就需要数据产品经理进行运营及推广，营造公司的数据氛围，以业务视角讲述数据的故事。与此同时找到业务痛点提升产品服务能力。那么以数据产品的视角了解公司业务需要从哪个几个方面入手呢？

一、用户路径

这里所说的用户路径比较宏观，涵盖该app下涉及和用户有关的所有行径，主要有：用户使用流程、用户行为以及流程内涉及的所有后台业务。

1.用户使用流程

用户使用流程为骨，每个流程都在解决用户切实的需求，流程与流程之间构建了app整体的服务能力，我们以电商购物为例，从打开app到完成一次消费需要经过以下步骤：

梳理骨架可以按点->线->面的方式进行流程搭建，点：整理关键功能，线：链接关键功能间的关系，面：管理流程与流程之间的交互。

2.用户行为

用户行为为血，流转在功能环节里，每次行为触发都预示着对功能或内容的喜好与“厌恶”。还以电商为例，比如从商品列表页到详情页这个过程实际是不断往复的操作，从感兴趣->点击->退出->感兴趣->点击->退出。通过用户实际点击行为和商品信息，来掌握每块功能下的埋点信息。在空余之时可以对其加以分析不断完善数据产品。

3.后台业务

后台业务为养料，页面上所有的商品信息都需要依赖业务后台进行支撑，通过后台可以获取到数据产品中所依赖的部分分析维度。若想让数据产品直接作用于业务，那么对接业务后台将会是一个重要输出方向。

对用户使用流程的了解是未来与业务同学交流时重要依赖的内容。可以让我们熟知数据获取来源，了解数据产品的支撑边界，补全业务数据需求，甚至可以指导业务的发展迭代。

二、商业模式

了解商业模式首先要建立行业的认知，可通过PEST方法分别从政治、经济、社会以及技术环境进行综合分析。了解公司当前所处在什么样的产业生命周期内，行业有哪些竞争对手，各自发展水平如何。通过对行业的了解为业务发展提供可参考的方向。即便在同一个行业各家公司的商业模式也都在“标新立异”。

比如电商行业的三巨头：淘宝、京东、拼多多。

淘宝：品类繁多，依托平台商家对用户，收取商家费用；

京东：物流服务、品质保障，自营商品直接对用户，赚差价；

拼多多：社交电商，薄利多销，依托平台商家对用户，收取商家费用。

对行业以及商业模式的熟悉，不仅能更深入的理解业务。比如评估业务需求是否与行业背驰、如何拥抱公司发展带给数据产品的挑战等，也可以尝试引入跨界的解决方案实现数据产品赋能的效果。

三、团队架构

快速熟知组织架构和对接人即是快速了解业务的一种途径。同时也能与业务联动高效推广数据产品的服务能力。首先需要先了解公司内部每个角色大体工作内容及重点负责人，包括产品、运营、渠道、测试、营销、商业化等。

梳理各角色对数据依赖的侧重点，针对性的进行功能设计及指标制定。可以从现有产品中导出近3个月的访问记录，根据所在部门来进行相关角色的划分。

四、指标体系

指标体系是业务流程的量化，从不同维度梳理业务，把指标有机的组织起来，便于统一管理和解读。比如：同样是新增用户，有人定义是某日新激活的用户为新用户；有人则定义为某日激活且有关键行为的用户为新用户。如果双方沟通开始就没有明确那即浪费时间更容易出错。

如果公司有现成的指标管理系统，根据业务轻重缓急逐一熟悉即可。倘若还没有，也可通过如下顺序简单梳理慢慢掌握：

1）指标分级：一级指标为业务kpi指标、二级指标为日常业务发展的重点指标、三级指标为业务日常使用的关键指标

2）流程映射：基于上文对数据产品、用户流程及商业模式等的了解，根据不同等级的指标，将其映射至各个环节，建立指标“框架“

3）梳理维度：整理指标涉及的分类维度，便可获得枝繁叶茂的指标体系。

04 结语

面对全新的工作内容即是对自己的一个挑战，也是对自己的一次成长。有人习惯从大局到细节，也有人只关注产品本身。方法不是一成不变，更重要的是找寻适合自己的。

上述内容对于有经验的同学，可以结合自身着重关注某几个方面。如果新入行的同学前期就需要做些功课啦，比如：整理同行业招聘网站任职要求，提炼通用能力，多多学习。多参加沙龙分享与行业前辈交流。关注“一个数据人的自留地”的文章、课程选择某个方向进行深入，都是不错的选择。

希望大家可以在各自岗位上发光发热，实现数据产品对企业的战略价值。