写给数据产品经理新人的工作笔记

《写给数据产品经理新人的工作笔记》是资深数据产品经理10余年工作经验的精华提炼，为数据产品从业新人或准备转行做数据产品的读者提供了一个本领域的通解通法，并对即将面临的问题做出预判，并找到解决方案。行文简洁、幽默、富有逻辑，不仅可以成为数据产品经理的工作手册，而且适合业务层面的管理者、决策者阅读，可以帮助读者理解如何让数据更好地为业务服务。

《写给数据产品经理新人的工作笔记》的目标在于，为数据产品从业新人或准备转行做数据产品的读者提供一个本领域的通解通法，并对即将面临的问题做出预判，并找到解决方案。

《写给数据产品经理新人的工作笔记》以数据产品经理角色的定位和合作关系为切入点，站在整个数据体系的视角，从工作流程的角度剖析数据需求沟通和判断的过程、指标体系搭建的过程，同时介绍了部分通用工具，并详细剖析这些工具和对应的数据体系要解决的问题之间的关系。最后补充了必要的统计学常识、数据技术常识，并对一些在数据产品经理的工作过程中经常遇到的问题给出解决方案。

陈文思 （Viola Chen），数据圈非著名“大表姐”，应用统计学及应用心理学双向专业背景。

以网站分析师入行，从业十年间从数据采集到指标体系，从数据集市到数据分析、数据运营等方向均有涉及，一直企图以一己之力完成数据应用链路的完整串联，结果变成了一个填“坑”小能手（或者叫：数据产品经理）。

曾就职于凡客诚品、汽车之家、理想汽车、美团点评。

个人兴趣飘忽不定。德云社15年“铁粉”，思维极端发散。近期致力于手绘、古典吉他、爬山、算法相关的数据结构设计等。

当企业的数据能力成为不可或缺的核心竞争能力时，数据产品经理已经成为企业的普遍需求，但专业系统的 “如何做数据产品经理”的培训指导却寥寥无几。本书文字如作者其人，直接、幽默、富有逻辑，不仅可以成为数据产品经理的工作手册，而且适合业务层面的管理者、决策者阅读，可以帮助读者理解如何让数据更好地为业务服务。

——恒源科技集团COO 陈雄健

数据产品经理是大数据时代定义得较为模糊的产品经理职位之一，不同公司有非常不一样的定义。同时，优秀的数据产品经理又是业界稀缺的存在。本书深入浅出，思路清晰而易懂，希望这本书能够解答读者关于数据产品经理的疑惑，为业界贡献更多的优秀数据产品经理。

——知乎合伙人 CTO 李大海

本书凝聚了作者多年工作实战经验，全面地讲解了数据产品经理的技能树、必备工具以及自己的思考，对于在数据行业工作多年的我来说，依然很受用。虽然每家公司对数据产品经理的岗位职责和要求各有一些差异，但是通过这本干货满满的书，相信你一定会在数据产品经理的世界里，更上一个台阶。

——美团数据产品经理、《数据产品修炼手册:从零基础到大数据产品实践》作者 梁旭鹏

随着大数据技术在各行各业的落地，围绕数据相关的产品设计需求越来越大，数据产品经理岗位应需而生。但数据产品经理是一个跨角色岗位，既要懂产品，又要懂技术，还要懂业务，也要懂数据分析，难度可想而知。如何做好数据产品经理，就成了一个非常棘手的问题。作者过去10多年从零探索了一条转型之路，正好可以解答一些入行困惑，并且提供了可行的成长方法，可以说是一本及时雨式的实操书。期待国内有更多的优秀人才成功转型数据产品经理，推动中国的数据化发展。

——神策CEO 桑文锋

干货满满的一本数据产品经理养成书籍，深入浅出，不仅适用于初出茅庐的数据小白，也同样适用于工作多年的产品和数据从业者阅读。本书从对数据产品经理角色的深入思考到用户需求的深度挖掘，再到数据需求产品化的方法论总结和职业技能的建议，梳理成了一套完整、系统的数据产品经理成长体系。行文简单直接，摒弃了业内华而不实的概念，能够透过文字感受到笔者的坦率与真诚，更难得的是将10多年工作中所见所闻、所思所想毫无保留地沉淀到书中与读者分享，推荐大家深度阅读。

——纷析咨询创始人 宋星

虽然数据分析师和数据产品经理是两个职位，但是一个好的数据分析师至少应该是半个数据产品经理，我们都知道产品经理主要是了解用户需求、解决用户痛点的，而这背后的一个核心就是同理心。数据分析师经常会需要产出很多报告或分析结论，这时一定要用产品经理的思维去思考，受众容易接受或希望看到的报告应该是什么样子的。数据分析师和数据产品经理还有很多类似点，比如需求沟通等。所以数据分析师也需要了解数据产品经理这个岗位。本书文风独特，值得一读。

——畅销书《对比Excel，轻松学习Python数据分析》作者 张俊红

第1部分

第1章　成为数据产品经理：角色创建和角色转变

1.1　给“小萌新”的信心和冷水——欢迎打开这个新世界的大门　/ 003

1.1.1　新人的困惑　/ 003

1.1.2　新角色的技能树　/ 004

1.2　从数据分析师转型做数据产品经理——从解构到创造　/ 006

1.2.1　两种角色的巨大差异　/ 007

1.2.2　从数据分析师转型的难点　/ 008

1.3　从数据技术转型做数据产品经理——从具体到抽象　/ 010

1.3.1　从数据技术转型的困惑　/ 010

1.3.2　从数据技术转型的关键点　/ 011

1.4　从其他产品经理转型做数据产品经理——从信息到数据　/ 014

1.4.1　从后台产品经理转型做数据产品经理　/ 014

1.4.2　前端产品经理也能转型做数据产品经理　/ 016

1.5 工作笔记：数据产品经理技能树　/ 016

第2章　数据产品经理和其他角色的关系

2.1　角色之间的关系和他们面对的问题　/ 019

2.1.1　数据业务结构和相关角色　/ 019

2.1.2　角色之间的输入/ 输出　/ 022

2.2　你的用户是谁：数据产品的“用户分析”　/ 023

2.2.1　数据角色相关用户　/ 023

2.2.2　非数据角色相关用户　/ 026

2.3　不同阶段，不同定义　/ 028

2.3.1　从平台到中台　/ 028

2.3.2 　明确公司所处的阶段和状态 　/ 029

第2 部分

第3 章　需求沟通过程

3.1　发现数据需求的本质　/ 030

3.1.1　数据需求类型　/ 030

3.1.2　不同需求类型对应的实现方式　/ 035

3.1.3　识别需求背后需要解决的问题　/ 037

3.1.4　需求沟通中的提问技巧　/ 040

3.2　避免做太多临时的事——需求沉淀　/ 042

3.2.1　和大家达成一些合作共识　/ 042

3.2.2　信息记录和信息反馈　/ 045

3.2.3　不停地回顾——需求复盘方法　/ 047

3.3　当我们在讨论“预测”时，是在讨论什么　/ 050

3.3.1　理解概率结论的不确定性　/ 050

3.3.2　不确定感带来的焦虑　/ 051

3.3.3　充分描述历史数据　/ 052

3.4　工作笔记：一个需求沟通框架　/ 052

第4 章　指标体系搭建

4.1　指标体系　/ 054

4.1.1　什么是指标体系　/ 054

4.1.2　指标体系如何描述业务　/ 056

4.1.3　案例：某媒体网站的指标体系搭建　/ 059

4.1.4　从指标体系到数据驱动的过程　/ 061

4.2　指标定义和维度定义　/ 062

4.2.1　指标和维度　/ 062

4.2.2　抽象定义和操作定义　/ 063

4.2.3　计算口径之争　/ 063

4.3　基础监控的建立——报表很重要　/ 065

4.3.1　从宽表到报表　/ 065

4.3.2　从顶层监控到多维度拆分　/ 070

4.3.3　迭代和反馈机制　/ 070

4.4　工作笔记：一个指标体系的产品化方式　/ 071

第5 章　Excel 是最完美的数据产品

5.1　Excel 常用功能盘点 　/ 076

5.1.1　重点函数和动态图表　/ 078

5.1.2　数据透视表和数据透视图、切片器　/ 084

5.2　使用Excel 做思维训练　/ 088

5.2.1　数据和可视化的关系　/ 088

5.2.2　案例：Excel 迷你动态模板开发实战　/ 089

第6 章　不同的工具解决不同的问题

6.1　基础工具设计　/ 107

6.1.1　通用报表工具　/ 108

6.1.2　数据治理工具：维表、数据质量管理　/ 112

6.1.3　自助查询和开发类工具　/ 116

6.2　可视化平台设计　/ 118

6.2.1　可视化平台结构的分类　/ 119

6.2.2　不同图表类型的作用和数据源结构　/ 120

6.2.3　可视化平台功能点最好能够标准化　/ 134

6.2.4　Power BI 和Tableau 的对比评测　/ 135

6.3　工作笔记：一个数据产品的PRD 结构　/ 141

第7 章　数据应用和第三方平台

7.1　数据应用产品　/ 143

7.1.1　多版本测试及其工具　/ 144

7.1.2　用户画像和用户标签　/ 150

7.1.3　策略库的形成和数据闭环　/ 151

7.2　第三方平台产品　/ 153

7.2.1　DMP 到底是什么　/ 154

7.2.2　类似神策、GrowingIO 等平台的优势和适用范围　/ 155

7.3　工作笔记：一套融入业务工作流的数据应用方案包含什么　/ 159

第3部分

第8 章　必须理解的统计学知识

8.1　报表的本质：描述性统计解决日常90% 的问题　/ 162

8.1.1　随机变量的分布　/ 163

8.1.2　集中趋势1：最值、中位数、众数和均值　/ 164

8.1.3　集中趋势2：标准差和方差　/ 166

8.2　统计学和因果论：相关性和因果关系　/ 167

8.2.1　相关性和因果关系的定义和区别　/ 169

8.2.2　数据使用中常见的逻辑谬误　/ 171

8.2.3　贝叶斯法则背后的哲学观点　/ 172

8.3　假设检验过程代表着一种思维方法　/ 173

8.3.1　什么是假设检验过程　/ 173

8.3.2　一种有点“反人类”却十分有效的思维方式　/ 174

第9 章　必须了解的数据技术基础知识

9.1　数据平台存在的形态：数据平台基础架构　/ 175

9.1.1　了解每一个组件解决什么问题　/ 176

9.1.2　Hadoop：一个情报处的组织架构　/ 178

9.2　数据源：数据采集和数据同步　/ 179

9.2.1　用户行为采集：埋点和无埋点的技术原理　/ 179

9.2.2　数据同步和数据接入：做好数据的搬运工　/ 183

9.3　数据建模：核心思想是“分类”　/ 185

9.3.1　了解主流“门派”：维度建模，从ODS 到数据集市　/ 185

9.3.2　计算资源分配：调度和依赖　/ 187

9.3.3　实时数据：流式SQL 的出现　/ 187

9.4　产品经理要学一点代码　/ 188

9.4.1　SQL 也许不能叫作代码，却不可替代　/ 188

9.4.2　团队里存在的技术栈，要知道它们的原理和难度　/ 188

第10 章　不得不说的“坑”和红线

10.1　直面数据质量问题　/ 190

10.1.1　统一名词库的必要性和困难　/ 191

10.1.2　第三方系统数据的接入和打通　/ 193

10.1.3　不可避免的体力活——埋点及其维护　/ 194

10.2　数据平台的内功修炼和面向业务的输出很难平衡　/ 195

10.2.1　面对刷数、迁移、反复校验的每一天　/ 196

10.2.2　千万不要企图做“烂好人”　/ 197

10.3　数据安全　/ 197

10.3.1　我们为什么总是在亡羊补牢　/ 198

10.3.2　数据权限管理、流程和规则　/ 199

10.3.3　数据产品经理能为数据安全做什么　/ 200

想用一本书写全数据产品经理的知识实在太难了

在本书定稿前，我一度想要把书名改成“想用一本书写全数据产品经理的知识实在太难了”，虽然被婉拒了，可这确实代表了这段时间我最深的感触。

2020年，刚好是我进入数据领域的第十年。时至今日，我仍然觉得自己是个新人：这个行业里永远有新东西要学。在六七年前，“数据产品经理”这个角色还没有被充分明确出来，我作为一个所谓的“数据分析师”，为了解决数据源架构不一致、数据采集质量、数据打通等各种问题，做了很多在当时看来定位不明确的“脏活”“累活”。后来，“大数据”“数据中台”等一系列概念被提出，被市场迅速“妖魔化”，这导致 “数据”本身的定位和意义越来越脱离我原有的认知——原本站在后排支撑业务的角色突然被推上“C位”，似乎变得无所不能——我一度因此而觉得迷茫。再后来，又有那么一小段时间，我有幸跳出了数据角色的局限，去做了一些中后台和业务应用层面的事情，如今回过头来反观数据产品经理角色，反而明朗了许多。

写作初衷

初衷之一，在于一次个人的系统化复盘。作为一位纯理工女，我并不擅长写作，可是10年的工作经历，留下无数杂乱的笔记需要重新整理。同时，本人热爱复盘，无论是短期的项目复盘还是中长期的系统化总结，总是能从复盘中受益匪浅。而这次的写作过程，让我得到一个宝贵的机会重新摊开自己这几年的经验总结，可以将其体系化，并找到其中的缺失，补充一些相应的知识用于下一步实践。

初衷之二，在于为和我一样的，通过自己的探索走上这条路的新人朋友提供一个思路。总是有新人朋友向我询问一些问题，也表达了自己在成为数据产品经理之后的迷茫。例如，总是接受零散的信息，无法整合，似乎无法从中学到技能；再如，总是疲于应对外部的压力而无法像其他类型的产品经理一样进行一些“设计”。对于第一类问题，我将原因归结于：数据产品经理确实面对一个较大的知识框架，需要一些分析和技术知识支撑，才能进行整合；至于第二类问题，我的答案是：数据产品经理的“设计”重点在逻辑层面，这一视角关注的并非是某个狭义的具体的“平台”或者“系统”，而更应该关注所有系统和业务组成的整个体系的运转逻辑。虽然本书总结的这套思路仅限于个人有限的经验，但是也算在一定范围内得到了校验，希望读者能以此为基础进行进一步学习。

初衷之三，是希望得到更多、更专业的反馈。在这次写作过程中，无数次触及自己未解开的困惑，再无数次通过阅读前辈的书籍和文章补充信息、获取答案。这一过程让我解疑释惑。但是这一过程仍然相对独立，这只是我通过整合自己的经验和外部信息，找到了一个看起来清晰的框架来表达。所以在本书出版之后，我同样希望得到更多的专业反馈。让大家一起在自我迭代的路上“有去无回”……不对，是越走越好。

基本思路

本书的基本思路是站在实际工作的视角，展开一个基础的知识框架。这一自我定位像是某个学科中总有一本书用于写“概论”或者“导论”，倾向于为大家展示一个框架的全貌。

基于这个框架，我们会发现：在日常工作中，数据产品经理需要操心的事情还是挺多的，这也是很多新人觉得无从下手的原因。所以我总结了一个“技能树”，希望帮助和我一样乐于探索的朋友根据自己的基础特征去选择最适合自己的成长路线。

第1 部分（第1~ 2 章）总结了数据产品经理这一角色在创建初期要关注哪几个方面的技能，以及这一角色和相关角色之间的关系。

第2 部分（第3~7 章）是本书的核心。站在工作的视角，针对需求分析、指标体系、工具设计3 个层面进行总结。这3 个层面分别对应业务对数据的主观诉求、数据应有的客观视角、数据解决问题的方法和工具3 个核心问题。我想要强调的是：工具存在的意义在于可以解决当前组织里的问题，切忌流于表面，陷入“为了设计而设计” 的陷阱。

第3 部分（第8~10 章）作为补充，列举了一些统计学和数据技术的相关知识， 并总结了一些常见的“坑”和红线。

愿我们在工作中遇到的所有问题，都在意料之中。

一些遗憾

首先，如标题所说，想用一本书将数据产品经理的方方面面都写完整，实在是痴心妄想，尤其是基于我个人有限的经验，再加上想要讲清的事太多，一些内容看起来仍然有些零散，讨论不够深入。

另外，一些可以单独作为专题来讲的内容，无法有一个更加完整的讨论或表述。比如关于埋点管理，关于广告效果分析对应的工具，关于用户运营体系、CRM 和CEM，都没能进行更加详细、完整的论述。

致谢

感谢在这个艰难的过程中给予我帮助的各位前辈，帮助我补充了很多信息和知识， 使我在写作过程中同步收获知识和友情。

感谢母亲大人哈老师，从事30 年教育工作，以讲课和写书为生的她，给了我非常多的有效建议。

感谢慧敏老师的耐心，一直忍受着我的拖延症。

感谢我的猫，在我感到非常烦躁时陪在我身边。

也感谢我自己，坚持到了现在。

感谢出现在我生命里的每一个人，是你们造就了我的今天。

谢谢。

Viola Chen（陈文思）