01
什么是好的内容数据产品经理
1. 产品的意义
首先，引用俞军老师在《产品方法论》中的一个理论性定义：
企业以产品为媒介，与用户进行价值交换，产品经理要能在时间中理解用户模型和交易模型，设计产品促成更多的交易，以创造有利可图的用户价值——俞军《产品方法论》
这段话从经济学的角度阐释了产品存在的意义，以及产品经理应该产出的价值。产品本身存在的价值是要去和用户进行价值交换，要去解决用户在某一些场景的诉求或问题，解决这些问题之后，用户才会觉得这个产品是有用的、有价值的。
那么如何理解“用户模型”，也就是用户的诉求呢？俞军老师认为用户这个定义本身并不存在，对产品而言，我们的用户是一系列场景以及需求的交集，单从人的视角去定义诉求，未免力度太粗。比如同一用户，其诉求可能是多样的，在不同的场景需要再细分到不同的粒度。同样的场景在不同的时间点上，诉求也可能会有变化，比如同一用户可能会在淘宝购买高价格商品，也会去享受拼多多极致性价比的产品，这些诉求在一个用户身上同时存在。所以要理解用户的本质诉求，应该拆分到不同的时间点以及不同的场景。
“交易模型”是经济学上的一个理念，指的是如何以更小的成本（不管是时间成本、金钱成本，还是情绪价值等），满足更多的用户需求、解决更多的问题。
这就是产品存在的意义和价值。
2. 什么是好的数据产品经理
好的产品经理就是要提供更低成本、更高价值的产品，来解决用户实际生活、工作场景中的诉求。
如果作为数据产品经理或者其垂直分类下的产品，其理论的价值一致，但会从数据的角度再做垂向细化。数据产品经理应该以数据为主要媒介，和用户场景进行决策价值交换。为了帮助用户做出更加正确决策，数据产品经理需要理解该决策的数据分析模型，以及用户决策的行为路径，设计出更好的数据产品来促进更多有指导意义的数据决策的产出，从而让帮助业务部门、以及公司产生更多的实际价值。
因此，能够提供更具决策价值的数据产品的产品经理，就是好的数据产品经理。
3. 数据产品经理和数据分析师、数据研发的区别
数据产品经理只是完成一个好的数据产品的过程中的一环，数据产品经理具有怎样的意义和价值？数据产品经理与其他角色，如数据分析师、数据研发，有哪些区别呢？
一般的理解为，数据分析师应该去做一些专题偏应用类型的研究，找到对应的分析框架或分析结论，当该分析框架和分析结论相对成熟后，就需要数据产品经理将其沉淀为产品，以降低数据决策成本。但这一理解还不够深刻。这里通过一个比喻来进行更深层次的剖析。一部好的电影能够引起观众的共鸣和思考，甚至会影响一个人在生活中或者人生道路上所作的决策。例如《肖申克的救赎》这部电影激励了一批又一批的人们面对困境不屈不挠，坚定地走向自己选定的道路。好的数据产品也是类似的，能够帮助使用者在一些场景下做出更好的决策，并能支持其后续的优化。
数据产品相关角色也可以类比为电影制作中的角色。数据分析师就像电影编剧，能够洞察人生的道理，或者说能够洞察业务本质性的分析框架。业务的好与坏，以什么样的标准去判定，以怎样的分析框架来发现为什么好与坏，就好比电影总体的故事逻辑线，是由编剧，也就是数据分析师来决定的。数据研发的角色，更像是电影的摄影师，他们把整个原材料数据，类似于电影场景和演员，通过合理的方式组织和呈现出来。而数据产品经理则是整部电影的导演。有了剧本之后，导演要指导摄影师怎么去拍摄画面，如何更好地表达出剧本的主旨，从而降低文字理解的成本，以电影的形式给到观众，也就是将数据产品通过可视化的形式给到用户。
编剧、摄影师和导演其实是可以角色互换的，边界也并不是非常严格，比如李安导演，也是编剧，所以一个好的数据产品经理应该对整个故事的脉络也要有较深的理解。顾长卫导演既是摄影师出身又是一个非常好的导演，所以数据产品经理对于整个生产链路，怎么用镜头语言去表达剧本也需要有一定的理解。数据产品经理作为导演，其能力是比较综合的，一方面要理解整个业务分析的脉络，另一方面还要对生产要素的数据指标本身有一定的理解，知道如何组合这些指标体系，能够更好地阐述业务分析框架的主旨。同时，还需要一些可视化和交互的设计能力。
综上所述，一个好的数据产品经理需要具备各个方向的能力。
02
衡量数据产品经理的标准
衡量数据产品经理的标准，按照矩阵分为两类。一类是层级，也就是上图中的纵轴。
P5级别是单点执行需求，需要高效完成，保证需求的准确性、合理性。P6级别覆盖子业务方向，或者可以理解为一个项目的垂直模块，从专业度来讲能够独立完成任务，可信，并且在遇到较大难题时能独立进行排解。P7是一个分界线，到了P7的水准需要具备统筹能力，就横向而言能独立负责一个完整的项目，能够理解整个业务方向并进行相应的指标体系的拆解。P7之所以是一个分界线，是因为这一层级需要具备系统的思考能力，能够深入地去理解业务类型，当面对一个新的类似的业务线时也能够以同样的方法抽象出来并且执行落地，同时还可以通过这个方法论去指导其他同学。P8也是一个比较跳跃的层级，既要能够往上理解战略方向，又要能够往下指导团队落地，所以在专业方向需要具有体系化的ecosystem方向的思考，并且将经验沉淀使方法论可复用，不仅能抽象单一业务类型的方法，还可以将方法沉淀用于不同业务类型。再往上就是P9这个层级，是从方法论到“道”的层面了。P9的专业能力应该是破局者，能够突破现有方法论，具备行业全局视野，能够主导创新和变革，担当起整个事业部产品战略的设定。以上在不同层级上，对数据产品经理的能力要求。
第二类标准是横向来看，它并没有程度的区分，主要是在产品价值观的角度来看。右边偏向于解决方案，更偏向于客户最终场景上的结果价值；而左侧更偏向于功能抽象，更注重产品覆盖度。
基于上述标准，接下来看一下管理者该如何去选育优秀的数据产品经理。
03
管理者-如何选育数据产品经理
1. 四种业务类型介绍
作为数据BP服务类型的业务来讲，我们每天遇到的业务类型多种多样，从业务周期的角度，大致可以分为四类。
创新初始化业务
是完全从0到1的一些孵化MVP类型的商业价值论证的业务。
成长期
当MVP商业模式论证清楚了，接下来就需要去做规模化的拓展，也就进入了成长期。
成熟业务
更进一步，公司业务上的战略进入一个相对平稳的时期后，就属于成熟业务。
第二曲线业务
最后公司还要一直不停去寻找第二增长曲线，需要有新的价值增长点，探索新的业务类型，这时就属于第二曲线业务。
2. 不同业务类型下如何选数据产品经理
针对这四种不同的业务类型，该怎样排兵布阵呢？创新类型的业务需要不停探索和实验，数据产品经理要能够快速跟上业务需求并快速落地执行，然后以业务的成功或者业务的价值实验成功为价值目标作为标准。成长期的业务，更需要解决方案类型的数据产品经理，因为这个阶段需要规模化，需要有抽象以及沉淀能力的更高级的数据产品经理。对于成熟类型的业务而言，既要抽象，又要在日常工作中去进一步提升工作效率，所以更偏向于功能类型的数据产品经理。最后一个类型，也就是在探索第二曲线业务的时候，既要快，又要去论证业务价值的可行性，同时还要满足之前沉淀下来的这些业务效率的提升，所以会更偏向于产品功能执行落地快的数据产品经理。
有了这个排兵布阵，再从培育的角度看一看该如何引导数据产品经理向好的方向成长。按照前文中数据产品经理对应导演的比喻，其专业能力可以拆分为三个方向：业务理解、指标体系和产品框架。
业务理解
看是否理解基本的主旨，也就是整个业务的商业模式，以及为什么要制定这样的业务战略，为什么要选择这些策略。产品经理不能道听途说、人云亦云，而是要真正理解该行业、业务战略以及业务策略。
指标体系
要将生产原材料与业务挂钩，设计出与行业、业务战略和策略匹配的指标体系。
产品框架
要清楚用户的决策路径。只是有着精美的画面和炫酷的交互方式并不一定是好的数据产品。再好看再炫酷，如果没有按照业务经常使用的决策路径进行设计，并不能为业务带来帮助。有些数据产品经理可能愿意深入业务去寻求解决方案，而有些则更愿意在产品功能上去做通用和抽象，希望产品功能能够覆盖更多用户，这是一个价值观的选择，所以没有对错好坏之分，只是要把不同的数据产品经理，放在更合适的业务场景，从而使工作更加顺畅。
04
执行者-如何成长为好的数据产品经理
接下来讲一下执行者如何成长为一个好的数据产品经理。类似的，也是从业务理解、指标体系和产品框架三个方向来看。
业务理解
要更好地理解业务需要多看、多听、多沟通，包括行业报告、公司财报，以及外部专家的一些信息输入等等。还应该多参加一些行业峰会，与各个行业里的操盘者去交流，实现更高维度的信息获取。在公司内部多参加一些战略会、业务OKR会，或是业务专项会。还可以去浏览一些外部的相关网站。尽量往高层次获取信息，可以帮助我们找到最根本的原因，并更深刻地理解公司的战略和策略。
指标体系
在指标体系方面，主要是看“是什么”。可以参考一些指标体系建设的方法论，比如OSM、用户行为路径等等。
产品框架
关于产品框架，建议大家看一看梁宁的《产品思维30讲》中的用户体验地图。如果在这个方向的训练比较少的话，可能就会把一些指标堆集在一起，形成一个华丽的数据看板，但华而不实。大家可以参考上述课程中的讲解来画出真正贴合用户诉求的体验地图。
前面讲的是业务能力方面的要求，除此之外，数据产品经理作为导演，还应具备人文关怀。数据分析师和数据研发应该是很理性的，而数据产品经理应该有一些人文和艺术性，也就是软实力。比如在设计产品之前，能够引导出用户冰山下的真实诉求，产品设计出来之后，在推进落地的时候，要具备整体的项目管理能力，风险把控能力，以及推进协调各个不同资源的能力。最后产品落地之后，还要有宣传运营的能力。
最核心的一点是，产品经理应该是一个利他的人。其最终的目标是要去帮助用户解决问题，要为用户带来价值。
