产品经理为什么越来越不值钱？不懂数据，只能尴尬退场

Posted 2021-05-29 Leo.yuan

前两天和正在换工作的读者小K聊了聊，他是个经验老道的产品经理，不过最近在面试却屡屡碰壁，不甘心地来找我倾诉。

原来，在他面试时，面试官都很喜欢问数据有关的问题，但这恰好是他的薄弱环节，只能尴尬地答非所问。

“原本以为这些是数据分析师的工作，没想到已经成为了产品经理的必备技能”

“平常一直有学习数据分析，但没想到大厂的要求还要更高”

相信很多产品经理也有此感，懂数据分析对岗位越来越重要了，很多大公司甚至在招聘要求上就会写明需要具优秀的数据分析能力。

可以说，在未来，不懂数据的产品经理不是一个好的产品经理。但这又引发了一个问题：产品经理到底要有多懂数据分析呢？我认为以下四点是产品经理必须掌握的技能：

1、懂数据的来龙去脉

产品经理要懂数据，首要的就是要弄清楚数据的来龙去脉。重点需要弄清楚几个问题：业务的指标库有哪些，数据的来源有哪些，埋点数据有哪些，数据被分成了几种类型，数据对应的口径是什么、数据的更新机制是怎样的。

在一个组织里，数据的产生、存储、处理和应用基本如下图：

 

2、懂数据指标库

我们在做业务的分析时，如果指标不够用或者数据参差不齐，会让数据分析变得非常艰难，需要花费大量的时间去凑出想要的数据和做数据清洗，这就需要产品经理预先搭建好体系化的数据指标库。在大公司，一般来说搭建数据指标库会由专门的数据产品经理负责，但对于其他的产品经理，弄懂指标库的规划也是很有必要的。

拿京东的指标库举例，他们就围绕着各项关键目标数据，分解成若干个子指标，再对子指标层层拆解，得出具体需要收集的指标。

对细分指标进行层层拆解（下图是获客成本指标的拆解）：

透过一份指标库，我们能就能对自己负责的业务做到“心里有数”，比如预测业务数据、明确重点监控哪些指标、出现问题能有序排查原因。

3、懂怎么提数据需求

产品经理和数据分析师对接时，最常提的需求是前端埋点需求和报表开发需求。

埋点就是一种在客户端将用户数据记录并上报到服务器的数据采集方法，是数据获取的重要来源，且获取的数据通常比较干净、可信度高。

产品经理在提交埋点需求前，应按照用户体验流程逐个埋点，避免遗漏，如果等到业务要上线了，才发现数据不够用、缺指标，这时再提需求就很麻烦了。此外，提交埋点需求时，要明确需求明细，如下表：

产品经理在提交报表开发需求前，要先确定上游数据是否支持，在提需求时要明确报表主题、数据获取方式、数据类型、每一个字段的定义等，一些不容易理解的地方还要做好注释。

4、懂数据分析

懂数据很重要，懂怎么用数据更重要。产品经理要熟练运用各种经典的分析模型，比如适用于转化分析的金字塔模型，适用于用户分析的AARRR模型，适用于对用户需求分析和优先级排序的KANO模型等等。

具体的分析流程可以参考下图的万能数据分析模板。

企业里传统的数据分析模式，是由业务方提需求给IT方完成。但这么做其实有很大弊端，不说IT人员能不能完全明白我们所想要的结果（通常免不了来回修改），有时遇到需求高峰期，提一个小需求都要等上几天。

对产品经理来说，我特别建议一些小的数据分析需求完全可以自己实现。随着数据分析工具的崛起，数据分析现在不再是非技术人员遥不可及的技能了。很多人一致认为未来的企业各岗位中，数据分析会成为和Office一样的基础技能。

就拿很多大公司都在用的FineBI来说，得益于无需编程、仅需拖拽就能完成数据处理和分析的设计，这款工具极大地降低了数据分析的学习门槛。

IT部门只需要做好数据准备，技术小白和业务人员就能通过FineBI轻松进行自助式分析，还能根据自己的需要进行实时调整，这样新的配合模式更灵活有效，省去了和数据分析人员反复沟通的时间

掌握这样的分析工具，应该是未来每一个产品经理的必修课。

 

这就好比，在过去剪视频只是少部分专业人士的事，创作者需要和剪辑师反复沟通才能成片，而现在视频剪辑软件已经朝着普惠化的方向发展，每一个普通人都有通过视频表达自己的机会。

在各行各业都强调精细化运营、大数据的今天，数据分析已经成为了产品经理的必备技能，今天我分析了产品经理至少要掌握的4项与数据分析有关的技能，希望能和大家一起进步！

工具分享

最后，分享一下分析工具，回个“数据分析”就能全部拿得！