BOB平台登录

体育彩票bobapp

Guide

BOB平台登录:高阶数据产品经理的实战经验分享

2022-09-25 05:47:52 |来源:bobsports 作者:体育彩票bobapp

  集齐BAT大厂,在数据分析、策略产品、数据产品、AI产品方向均有一线大厂经验,目前专注于数据产品方向,具备BI、数据中台、广告投放前决策分析平台等各类主流数据产品形态的丰富实践经验。

  现在做数据产品经理大概有4年的时间了。整个在数据产品经理这个方向基本上也是按照某种粗略的分法,比如说按照基础层、中间层、应用层。我主要做的是中间层和应用层的数据产品。

  中间层像一些数据中台、画像标签平台,应用层像是一些数据运营的平台、然后BI的报表、包括一些广告创意决策的系统,还有舆情分析这种。所以说基础层做的比较少,中间跟往上偏应用的做的比较多。这是整个在数据产品方向上的大概经历。

  从分析师转到策略产品经理,算是一个偶然的机会,也算是一个比较好的选择。当时转的时候,数据分析师的岗位对于模型算法的能力的要求和理解还没有现在这么深、这么卷。

  7年前数据分析师岗一些同行们,大家懂算法的其实不多,现在数据分析师的校招,基本上的一些面试的题目里面多多少少都涉及到一些算法,而且可能还考的还比较细。

  所以说对于现在就是数据分析师的这些人来说,为了后续转岗,转策略产品经理其实还是能转的,就是基础技能上可能比较难转的是一些偏思维的方式跟一些思维习惯,或者说看待事物的视角。

  机会不知道什么时候来,但是可以提前做好准备。转岗可能更多就发生在一家大公司的内部,很难说直接一个分析师社招,然后去下一家公司面试策略产品经理,就可能也没有一家公司会给你机会去试错。

  保险其实跟大家日常接触的东西最大的差异就在于它是一个链路比较长,而且非标准化的东西,保险有特别强的人工服务介入。

  比如说在携程定一个机票,可能忘记勾选了加一块钱附赠一个航空意外险,因为航空意外险特别好理解,很标准化,所以他能够挂在线上通过电商的方式去售卖。

  但是像寿险,其他偏长期的险种,它的保险条款和各种各样生效的机制。很少有普通用户能够自己有时间,有精力愿意去了解的一些东西,然后去选购。

  所以网上挂着售卖的保险,很少有寿险这种长险。但是这种保险产品,它反而恰恰是保险公司里面营收的最大头。因为每年都要交钱,可能买一个寿险或者重疾,这几种保险绑在一起算是一个所谓的基础的险种,也许每年都要交小一万。

  保额高的话,整个的利润会特别高,因为相当于每年都要续费。这种背景下,把保险当成一个商品,就很难挂在网上去卖,因为很复杂,不像其他产品一样,它不是标准化的,所以必须要有人的服务介入。

  类似于买房子,房子挂在网上,看一段时间,然后直接加到购物车,点击下单成交刷钱,这是一件基本上不太可能的事情,需要中介去帮你筛选信息,帮你定制化去看目前你的需求,保险也类似,有像保险代理人或者保险经纪人这种中介服务当中部分的角色去帮你筛选一些信息,同时也帮你去了解,作为一个科普扫盲,更好的中介服务的从业者,能够快速针对你个人的特殊的情况提出一些比较偏个性化的解决方案,相当于一个人肉的个性化推荐。

  因为链路长和非标准化,就很难直接去售卖。不像一些电商网站,可以有很多的大众的推荐算法,把人和商品进行匹配。在复杂的业务流程里面,更多的是人和人的匹配,匹配一个适合你的中介,所以说这里面比较特殊的是像对人的刻画,比如想买保险,消费者看的画像的刻画可能还好一点,但是对于保险代理人就是中介来说,他的人群画像标签的刻画,在整个行业来看,在不同的行业也不是那么常见的一件事情。

  这是相对来说比较特殊的一点。只是一方面,很难发挥出来特殊性。另外一方面是因为基础建设会耗费比较长的时间,这个行业不像其他的一些行业,尤其像互联网行业已经走过了基础建设很长时间。但保险行业还是比较传统的一个行业。这里面很多东西刚刚做到有一些数据能够收上来,互联网里面所有的数据你都能收上来。而且基于这些收上来的数据,可以做一些加工分析、理解,甚至说把这些数据产生就转化成一些决策。

  但在保险这种传统行业里面,它只走到第一步,只能做到收上来,至于说加工分析以及产能决策,目前做的还比较少,这是一个现状。

  还有另一个现状,即便可能走到了中后期,把那些数据加工分析得到一些建议之后,那还有一个问题就是怎么衡量这些价值。把一个消费者,推给一个代理人之后,这个东西最终成交不成交,跟你的推荐已经不是那么直接了。

  把你推给一个代理人之后,有没有在他那下单跟我的推荐不是一个直接关系。因为在最后下单购买保险的链路里面,还包含这个代理人他是怎么服务,服务的交互体验好还是不好。那这种交互其实不只是前期的画像标签还是数据推荐。

  传统行业的数字化转型最大的问题就是一方面积累了一些数据,但它积累的时候并没有一个明确的目标,就是积累这些东西到底干嘛用,当一个人做一件事情没有目标的时候,做这件事情效果跟效率也不是特别好。

  数据产品的概念比较困难,当两个人同样都说数据产品比较时候,大家脑海当中想象的不一样,最常见的一种想象可能就是像BI报表那种一堆数据的统计分析,最直接的可能就是表面上看起来的神策这类产品。

  数据产品的分类也还蛮多的。按照比较直观好理解的分类,或者说后续也比较有用处的分类。就是基础层,中间层和应用层,新出的产品可以按很多种分类方式,比如说按照业务场景,有电商的,有广告的,还有其他的,这种东西相互行业之间差异没有那么大。

  这种分类最大差异体现在基础层上,就是跟技术接口还有一些字段打交道会特别多。所以这个层面的产品经理,更像研发或者技术的角色,或者说占比会更大一些。产品经理的角色可能稍微会多一点点。刚才提到的中间层里面,包含各种数据中台,各种画像标签这种东西,其实夹在中间,是一个承上启下的角色,一方面需要很好的指导,才能把这些数据加工的比较好。另一方面也要对上面负责,不能为了加工而加工,必须加的东西是实际在应用当中有用的。就像刚才说的承上启下,既要对上面的资源有了解,然后能负责,同时要以目标为导向,以应用来看也要有产出有效果。

  中间层还是比较难的,整体对数据产品经理要求也会比较高。再往上应用层跟应用的场景结合比较紧密,产品经理的占比和份额会大很多。它需要你是这个行业领域比较资深的专家,同时也是比较资深的体验者或者说参与者,这样才能设计出一个东西,从体验者的角度,参与者角度,能提出很好的问题,这个产品的功能它到底有什么用,解决的这些问题都是大家真的关心的,而不是闭门造车自己想出来的。

  另一方面就是你作为这个行业的资深专家的角色,提出问题之后,能够比较体系化,逻辑化的把这个问题进行解答。所以数据产品经理没法一概而论。

  应用层的数据产品主要是建构在中间层之上的,需要直接面对业务场景。比如像一些广告投放的决策产品,比如说DMP使用投放端的产品,还有像市面上一个小的分类,比如说舆情分析,就是希望知道大家对某一个东西的看法到底是什么。

  基础层、中间层和应用层,三个里面举的那些例子都是比较广义的。在这个话题讲一个稍微特殊一点点,看上去可能不像一个标准的数据产品,但它本质上也算,就拿保险那个场景来举例,我们现在的一个问题,就是所有保险行业里面,每家保险公司的代理人都不少。

  比如说拿行业投入的像平安、中国人寿这些公司,每家下面的代理人基本上都是百万量级的,但是刚才也说过,保险里面比较关键的一个特殊逻辑是拿人匹配人,一端是消费者,另一端是这些代理人。

  我们了解这些代理人很关键的一点就是需要知道他们日常的一些行为表现,尤其是这些代理人在服务一个客户的时候,怎么从最开始接触客户,到跟客户建立一个比较紧密的关系。最后说服他,让他相信你,然后在你这边购买的整个决策链路。所有这些数据在目前的保险行业里面都是没有的,因为这些代理人日常的工作有一个特点,就是每天线下活动,大部分每天早上的时候去营业部网点开个早会。大家对一下问题,开完早会之后基本就散了。大部分人有自我的时间管理,可能去约几个客户,见客户,跟外面销售是类似的。

  但这些行为都是线下的,他不像美团的外卖小哥是由系统派单,中控系统知道这个人他到底是接单还是没接单,以及接这个单到底是多大的单从哪到哪,那是外卖 ,但保险不是这样的,保险单不是由中控系统给你派单,是每个人作为一个独立的有主观能动性的个体自己去找单子,去谈单。

  接触客户的过程都在线下,即便在线上拿微信聊,也不可能抓到微信的数据,任何一家公司也拿不到微信的数据,所以说这些数据基于这个现状,我们需要了解代理人的数据表现,日常行为。

  但是基于这种现状,整个行业里面目前对代理人的日常行为几乎是一无所知,没有任何数据享受。基于这个点,之前做过有一款广义上的数据产品,他想解决的这个问题。只不过是通过一种AI工具的形态去想办法收集这些代理人日常的数据。

  收集数据是以语音记事本的方式,帮每个代理人记录他每天有什么事情要做,相当于一个记事本。这个行为习惯每个代理人他自己就有,线下去调研的时候,看到比较资深的代理人,都会拿纸质的本记录,就很麻烦。

  你最开始去的时候,可能是一行一个客户。因为今天我跟张三约了,然后明天我要跟李四吃饭,这里没有一个长远的规划。但是当你跟一个客户接触时间很长,早上派了一个特别大的单,你需要长期的跟踪他的时候,以记载这种零零散散的记录,很难汇总到一个人身上。很分散,不够集中,那就是基于这种现有的情况,我们知道有这个习惯,但是现在的工具不好用,我们开发了一个云记,这个云记很棒,像微信语音这样,可以对着这个工具按语音按钮,对着它说我要干什么事情或者已经做完了什么事情。

  这些事情都是跟你相关的,录入完之后,它会自动把语音转成文字,转成文字之后,还会从文字里面不断解析,提取出我认为比较关键的信息。可能目前初期我们认为比较关键的是时间,人物跟动作,比如在什么时间,客户叫什么名字,做了什么事情,按照整个卖保险的流程,从最开始第一环到最后一环卖出保险,给他标准化的整理出价格的10个环节。

  具体的东西就是时间,每个客户做了什么事情,可能是你跟他约了,你给他回个电话或者陌生的人也打一个电话,也有可能是你跟他已经加了微信了,然后你尝试跟他线下见面,线下见面聊了什么东西。这些都可以通过语音的形式记下来,并且通过AI的形式,把结构化的文字提取转化成我们目前认为比较关键的结构化的三个信息。通过这三个信息,就能很好的捕捉描述这些代理人日常到底在干什么。

  这种东西就是从本质上看它是数据产品,是一种数据收集资源以及数据收集和数据分析于一体的数据产品。当你收集二级数据之后,也可以在每个人的记事本里面做一个分析的页面,就是基本上多少个电话,才能有一个人理你;加了微信之,聊了多久,才会转化到下一步,相当于每个人都会给总结出一个个人的销售转化的漏洞,或者说是一个效率。

  每个人的这种数据在汇总起来之后,可能100万人在汇总起来之后,就是整个公司能看到自己旗下的销售人员目前在各个环节转化的效率到底是什么样子,以及说到底在哪个环节有问题,就可以通过发现这些问题之后,定点去投入一些资源和一些人力去帮助这些人解决他们的这个点或两个环节转化之间存在的一些问题。

  一个CRM系统一定是移动端的,而且是每个人有一个自己的,这个东西就一定不是像我们常规的PC端那种CRM系统,那种系统是对总部的管理人员比较有用。

  对于一线的销售人员可能没什么用,但是以这种记事本的形式的话,是有帮助的。解决了代理人的问题,同时又能解决我们的问题,大家双赢,这可能是最好的一种。在一个深圳的一些小范围的2000人左右的地方去试点,试点的效果其实还蛮好,平均下来每个人每天会录2到3条信息,这已经是比之前尝试过的各种各样的形态,效率要提升10倍了。

  Q5:不同类型的数据产品(BI、中台、AI语音)在开发过程中的重点和难点有哪些,老师可以分享一下吗?

  基础层主要的难点在于对于技术层面的理解,比如说一些接口,还有一些数据结构字段设置。中间层就是承上启下,需要既懂一些技术又能懂一些面向应用的东西,知道这个东西怎么来的,到底能干嘛用。

  但每个方向技能点都没法分配的特别多。因为每个人地方点是固定的,应用层就需要对产品经理的这个角色要求的最多。但是目前整体看来,数据产品经理里面或者是数据产品里面最大的问题是大家比较纠结于数据源技术,没有太多的重心放在产品上。

  如果抛开这点来看,拿纯应用层来看,数据分析写作业,数据产品抄作业,就是说两者之间的一个协作配合关系。

  这句话展开讲,意思是数据分析比较灵活,可以在比较灵活的这种方式下去探索发现一些数据的价值。而创建一个数据产品,开发人跟周期成本是高于数据分析的。

  基于这种现实下,比较好的一种分工是从数据分析去发现,然后数据产品去通过产品形态把数据分析师的洞察,复刻到线上,变成一种产品的形态。这个指的就是我们刚才说的产品里面偏应用层的数据产品。

  一个好的产品需要一个比较好的数据分析师。所以现在比较多的数据产品,像BI报表,是对业务现状的一种数据量化的刻画,这也是数据分析师最基本的核心的能力。

  当一个人独立的做完这些东西之后,离一个数据分析师也没差多少。所以从某种角度来说,数据产品是可以兼容很多设计师的能力。

  简略的说,初级比较看对技术的理解。中级阶段比较看对业务的理解,高级阶段看对用户的理解,技术业务跟用户是从初级中级到高级。

  作为一个新人,刚做这种数据产品的时候,给你分配的工作更多的都是基础篇执行的东西。而这些东西就个人来说,考察业务的理解和用户的理解都很少,更多的是基础型的工作,考验你工具技巧。

  所以说初级主要看技术,中间就是往上发展,发展变到中级阶段的时候,需要在技术的理解之上能更好的理解业务。就像我们说的各种各样的数据产品,都需要对业务有一个比较好的理解。

  比如说像数据报表,BI报表,不可能只会数据接口,会一些SQL,算一些数,但是不知道这个业务到底是什么样,这样就不能很好衡量业务,这是中级阶段。

  再往上一个阶段,就是你会看到很多分析性的数据,一个特别大的问题就是让很多人看上去感觉数特别多,表也特别多。但是不知道到底能干嘛用,每个图每个数之间没有太强故事性,没有太强的连接逻辑关系。就让你去看一堆数和一堆图。而这堆数和这堆图相互之间有时离散,这是孤立的割裂的,以及说整个产品的体验就更像一个工具。很多人听到一句话,就比如说To B用户体验稍微差一点儿。

  现状是因为大家可能之前做ToB的少了,从0到1的阶段就是先让这个东西变得有,那可先让它有,然后至于好不好用,是下一阶段的事。

  到我们这也是一样的。比如说像一个数据分析的报表有了之后,再下一个阶段就是用的人能不能体验好一些。体验不仅仅是用起来感觉这个东西好不好用,看不看得懂,而是说这个背后更大的是能不能提升,发挥你数据的价值跟效率。

  同样是一堆事摆在上面,相互之间没有太多的连接关系的话,对于一个普通用户来说就是一个数,可能看完之后就完了。但如果数据指标有一些联接关系的话,那他看起来可能是完整的故事。

  能知道这个业务到底从全局到具体的一些细节组成部分,它的细节是什么样子。能够读懂这个东西,相当于是作为一个专家带来他去了解一个东西。

  对理解用户、引导用户这一块,目前倒没有想的特别好,有一种感觉可能是先天存在一点点门槛,因为理解用户的本质是所谓同理心,但其实日常跟很多人接触的过程当中,就会发现有些对于理解别人的心情,相关的情绪状态就是差点意思。而有一些人可能天生就是擅长这一点,所以需要承认这种先天的差异。然后在承认这种先天的差异的情况下,想提升或者说补齐。

  往下多看一看业务。同时始终要保持一个认知跟心态,最终的目标还是要理解用户。所以数据产品经理他更需要把自己当一个产品经理。数据可能是它的一个路径,或者在这做他的手段,他核心是产品的思维和能力。

  有一些可能是比如说个项目埋点,还有数据提取的工具,还有加数仓的一些基本原理,包括数据格式化,这些东西其实都是在一些资料学的。

  目前更多的培训课程,学的时候可以去看一看,相似的东西还蛮多的,相互之间也没有差太多,只不过非标准化的东西市面上还是少,这些更多是结合一个业务场景,也可能做不了标准型的产品,具体遇到了某些问题,然后去解决。

  可能就是case by case ,需要拿一些具体案例去演示那些通用的基础技巧工具在这个案例里是怎么发挥的。

  比较开放的心态来面对自己,一个人一辈子就一直在做一个岗位一件事情。这个时代下看起来已经是几乎不大可能的一件事了。每个人都需要面对的是在你漫长的职业生涯当中不断的去调整,去选择。

  调整选择的时候,可能是被动的,可能是主动的,主动的话可能带来的效果会更好。这一种的话可能就是不得不转岗下岗。这些其实如果你是主动还好,但是如果你是被动的话,那就像这个词儿一样的,就很被动。

  有没有积极的心态去面对工作,才会决定一个人能走多远,或者是他的天花板,这个太重要了,不要觉得好像我一辈子就只能做这一件事情,也不要觉得我的能力只能做这一件事情,要觉得这一生就是会转换不同的岗位,可能两个可能三个也可能更多。

  推荐一系列书,第一本是《管理的常识》,它是教你或者说帮你能够以一个管理的视角去理解公司里面的很多问题,虽然我们是被管理者,但是有时候换一个视角来看问题的话,可能自己以后再作为被管理者的时候,很多事情就会理解了。

  第二个是叫《硅谷增长黑客实战笔记》,就关于增长黑客的。他的价值在于做很多年数据驱动业务,但成型的比较好的同学们案例并不多,那么增长黑客这个方向,就是数据驱动业务,或者说数据带来价值的比较好的落地的案例方向系列。

  第三个是《用数据讲故事》。它是关于数据可视化的,就是你怎么做一些数据图表,但跟市面上的那些书不一样,市面上大部分讲数据可视化的都是教你工具跟技巧,画出一个特别炫酷的图。这本书他出发点和视角完全是相反的,不能叫相反,完全是另一个视角。它是服务于你的目标的,就是当你美化一个数据图表,作为一个数据可视化的时候,需要先明确那个图到底想传递一个什么概念,想让大家get 到一个什么信息。

  明确了这个点之后,就是以这个目标去倒推,去设计优化数据图表。所以在这本书里面会看到很多的案例,是把一个很复杂的图然后消解成一个很简单的图,或者说把一个很复杂的图形消解成很小的两三个很简单的图形。用这两三个图形串起来去完成一个用数据讲故事的使命。

上一篇:那些年我在国企学到的沟通之道 下一篇:产品经理到底应该是个怎样的定位?
ABUIABACGAAgpbzOxQUowOv07gIwZThl

关注微信公众号