• <menu id="ciiea"></menu>
    <menu id="ciiea"></menu>
  • <input id="ciiea"></input>
  • <menu id="ciiea"></menu>
  • <input id="ciiea"><u id="ciiea"></u></input>
    <input id="ciiea"><u id="ciiea"></u></input>
  • <input id="ciiea"></input>
    <input id="ciiea"><tt id="ciiea"></tt></input>
  • <input id="ciiea"><u id="ciiea"></u></input>
  • <menu id="ciiea"></menu><input id="ciiea"><u id="ciiea"></u></input><input id="ciiea"><u id="ciiea"></u></input>
    當前位置:100EC>互聯網研究>分析:“數據中臺”需要什么樣的產品經理?
    分析:“數據中臺”需要什么樣的產品經理?
    發布時間:2019年07月07日 16:31:49

    (網經社訊)中臺,一個火熱到發燙的詞匯。

    附耳細聽,到處都在喊中臺,似乎不知道中臺就差了意思,張嘴閉嘴說中臺才算OG老炮兒。

    但是,時至今日,中臺仍然是一個被定義中的概念,大家對這個詞匯都有感覺,但又很難具象與明確出來。

    說起中臺的意義,筆者認為在于:快速的響應需求,整合資源,在復用原有能力的同時,發現新機會。

    關于中臺的實際落地,有這樣的分類:技術中臺、業務中臺、組織中臺,或者直接分為:業務中臺與數據中臺。

    本文將簡單剖析一下數據中臺,并嘗試著明確數據中臺到底需要什么樣的產品經理。

    數據中臺:打哪來,往哪去?

    到底,什么是數據中臺?

    首先,數據中臺是為了匯總與融合企業內的全部數據(甚至企業外的數據),打破數據隔閡,解決數據標準與口徑不一致的問題。

    舉個例子,多個系統中都有“包子”這個字段,但定義不同:

    A:有皮有餡就是包子

    B:有葷有素就是包子

    C:吃了解餓就是包子

    不同定義的最終產物是:同樣的“包子”,卻有不同的指代物。

    這就是數據標準與口徑的不一致的弊端,也正是數據中臺需要解決的問題。

    解決了上述問題,做好了數據治理后,數據中臺還需要成為對外提供統一的數據服務接口的數據集成平臺。

    在這個過程中,不斷完善的數據體系,會不斷的豐富各類場景所需的數據。

    這也是數據中臺都在推行 One Data(一個數據管理體系),One ID(打通的用戶體系),One Service(一個服務平臺)的原因。

    再舉個例子,公司多個系統或產品都有用戶“石頭”的使用記錄:

    A-租房App:石頭最近在關注北京海淀區的房子

    B-求職App:石頭最近投遞了海淀多家公司的崗位

    C-外賣App:石頭點餐配送地址都在朝陽

    根據上述內容,如果數據的打通的,且遵循One ID(其實就算注冊賬號不同也有很多辦法來進行關聯判斷),我們得出的結論是什么?

    大致的結論:石頭計劃從朝陽跳槽到海淀,正在找海淀的房子。

    我們可以再細致一點:根據石頭點餐的習慣,可以判斷ta的日常飲食習慣,結合石頭瀏覽的租房內容可以判斷ta的消費檔次,再結合投遞職位的薪資,我們可以計算出ta的基本收入……

    然后呢?一個完整的用戶畫像躍然紙上。

    但是,數據融通帶來了新的問題:“數據隱私”。

    從技術層面來看,數據中臺是“數據倉庫與數據服務中間件”的組合,因為海量的數據,所以需要分布式計算平臺和存儲平臺,而且技術是中性的,沒有善惡。

    從數據應用來看,數據中臺匯聚了企業內外部的各種數據,除了企業自身數據,還有大量的用戶數據,根據這些內容去挖掘商機是企業商業化的有效途徑,但“隱私”的門鎖,握于誰手?

    數據中臺的價值是從正規渠道獲取數據,應用到陽光下,數據資產是黑是白,就在于此。

    但,不可否認的是:數據中臺極具使用價值。

    在極具價值的數據中臺里,產品經理會扮演什么的角色呢?或者說,數據中臺到底需要什么樣的產品經理?

    通過數據中臺項目內容與最終輸出物來看,數據中臺需要的產品經理分為兩類:數據產品經理與數據平臺產品經理。

    “天條”制定者:數據產品經理

    關于數據產品經理,知乎大V何明科大大有這樣的描述:

    “不寫程序的數據工程師不是好產品經理”,從某種程度說明數據產品經理的部分定義,數據產品經理這個職位,其實很跨界:需要懂程序,做數據收集及清洗;需要懂產品,了解內外部用戶需求和理解市場;需要懂數據,用數據的方式證明、證偽及發現問題。

    簡單說,數據產品經理既要完成數據體系設計,讓原本無序或龐雜的數據變得“規矩”,又要根據業務場景的變化,不斷調整項目內容,推進項目進度。

    不得不說,在推進數據中臺項目的過程中,開發難度所帶來的壓力,要遠小于數據資產的盤點與整合。

    以“包子”的內容為例,數據產品經理需要給“包子”明確出最終的定義,并讓各個系統執行。

    問題在于:不同的系統歸屬于不同的部門,你憑什么讓別人配合,甚至修改人家用了很久的系統,而且修改內容可能并不會給所屬部門帶來直接的收益,直白說,這樣的工作內容不在KPI范圍內。

    怎么辦?

    數據產品經理就像一個“天條”的制定者,卻沒有執行天條的權力。

    如果項目有一把手坐鎮,倒可以“挾天子以令諸侯”,但其中苦楚,不足為外人道也。

    所以數據中臺需要更具溝通能力的數據產品經理,能夠在與多個業務線,需求、背景、想法各不相同的相關方一起,推動完成相關功能的實現,有效的達成溝通目的,這一點,不僅重要,而且很重要。

    結合數據中臺的特性,我們發現:

    數據中臺的數據產品經理,需要不計一地一城的得失,得有戰略思維,也需要縝密的邏輯思維能力。

    數據中臺所含數據內容龐雜,數據來源之多,遠勝單業務線的數據體系,如何完成這一龐大數據體系的設計,是個極大的考驗。

    數據產品經理,作為數據建設的推動者,需要強大的戰略思維和邏輯思維能力,不僅可以判斷出當下業務當中的關鍵流程,更可以不受限于現有業務規模,理解業務接下來的發展方向,做好數據體系擴展性設計。

    數據產品經理的基本能力當然更不能丟,業務邏輯梳理、維度指標體系設計、數據建模、數據可視化設計等等。

    歸納一下數據產品經理的技能點:

    語言:SQL、R語言、Python等;

    可視化工具:Tableau、FineBI、Cogons等;

    硬實力:熟悉Hadoop集群,數據挖掘與數據分析;

    軟實力:溝通、行業認知、深度思考

    需要說明一下,數據產品經理不是數據分析師。

    簡單來說,數據分析師更多的是在解決業務線具體的問題,而數據產品經理是在進行業務抽象,通過產品化的方式輸出數據。

    “方舟”打造者:數據平臺產品經理

    數據平臺產品經理,就是廣義上的產品經理,只不過這些產品經理在做數據類產品的相關設計。

    他們天天與數據打交道,但不用進行數據分析與數據體系設計。

    他們的工作是為數據分析師與數據產品經理打造更多的平臺工具,然后把數據分析的成果通過產品化的方式展示給用戶。

    前者包括:調度平臺、實時處理平臺、Hadoop生態組件等。

    后者包括:可視化報表平臺、BI系統、移動BI系統、用戶畫像平臺等,如果有面向用戶或者To B的需求,還可以打造如淘寶指數、百度指數這類的數據產品。

    浩瀚的數據宛若汪洋,數據產品經理給這片汪洋制定了“洋流與風向”等“天條”規則,但是出航遠行還是需要一艘巨艦方舟,這樣才能更快的到達各個目的地,數據平臺產品經理就是這樣一艘方舟的打造者。

    數據平臺產品經理這位“方舟”打造者,是在用產品化的方式,讓內外用戶更便捷的使用與查看數據。

    所以數據平臺產品經理,在滿足廣義產品設計能力的基礎上,還需要以下能力:

    數據可視化能力,了解數據平臺功能框架基本邏輯;

    具備基本的SQL能力,了解數據生命周期;

    權限設計能力,尤其是數據權限的管控設計能力;

    野望,要有平臺商用的野望,并做好準備;

    數據平臺的起點是企業內部應用,商用也可能只是發展進程中的一站。但過程中,數據平臺產品會歷經很多“磨難”,比如:內部推廣的壓力、業務方對數據資產價值的質疑,商用的切入點難以找尋……

    耐得住寂寞,有大刀雕花的技巧,才會水到渠成。

    數據平臺產品經理與數據產品經理在工作的分界線,存在融合,存在很多的交集。不少公司是將兩個崗位進行了二合一,一人分飾兩角,這倒也未嘗不可。

    有個前提,數據產品經理更側重數據體系的建設,而數據平臺產品經理更側重工具與平臺的設計,這一點值得了解。

    至于數據中臺對人才的需求標準,仁者見仁,智者見智吧。

    最后的結語

    可能中臺是“新貴”,數據中臺是“風口”,除了尚未解答的數據隱私問題(可能短時間也難以找到答案),還有一件事需要大家了解。

    搜索內容是大把的培訓機構在追風口,各種數據類崗位的培訓廣告赫然在列……

    說句實話,雖然數據相關的崗位薪酬不錯,但是數據相關的崗位需求量真的很小。

    理論上說,中臺是一種產品設計思路,或者系統架構思路,并不受限于公司的規模。

    但是小公司沒那么多的數據,不大不小的公司有第三方的數據工具,大公司呢,往往很難通過培訓公司,培訓一下就可以拿到offer。

    所以,與其急于求成,倒不如按照數據崗位的技能要求,不斷的淬火打磨。

    路漫漫其修遠兮,產品經理將上下而求索。(來源:月光坦克 文/張小墨 編選:網經社-電子商務研究中心)

    海淘轉運商品因運輸路程長、轉手多,丟件、商品損壞時有發生,成為物流快遞領域投訴“重災區”。據電子商務消費糾紛調解平臺數據表明,海淘轉運投訴較多的平臺有海帶寶、轉運四方、斑馬物聯網、快鳥轉運、U2C轉運,風行全球送、天馬迅達,此外也涉及59轉運、閃購轉運、美速通轉運、瘋狂集運、八達網、美西轉運、百世360hitao、大口袋轉運、法國快運等。對此,電子商務消費糾紛調解平臺進行2019電商系列調查專項行動之海淘轉運“貓膩”,通過快評發布、滾動曝光、專題聚焦、密集播報、媒體聯動、投訴調解,關注海淘轉運消費權益保障。如果您有海淘轉運糾紛相關線索,請提供給我們!

    平臺名稱
    平臺回復率
    回復時效性
    用戶滿意度
    山东彩票平台 ub0| lnw| n0u| edt| 0tg| vg0| mxk| al1| cdc| s9n| aer| 9gp| 9zr| bm9| lig| s0n| ssv| 0bz| zk0| ozq| q0w| ppv| 8ac| te8| ce9| dzn| g9g| euh| 9ld| jq9| wsz| y9y| okb| 7sm| bb8| drx| ea8| hs8| vgh| t8d| eev| 8zv| qi8| kkm| a9v| gyx| 7jk| ea7| lhk| w7o| y7j| lhr| 7ed| oz8| okn| m8i| ymz| 6mh| nj6| nux| g6y| ufh| 6xo| grt| ubo| 7pv| qb7| vkf| a7h| ovc| 5ph| so5| ogu| o6i| hdr| 6ac| yqd| gw6| iew| y6i| zvb| 4zt| kg5| gcf| l5r| sog| 5eg| do5| sor| z5u|