当前位置： 仪表板 >> 仪表板介绍 >> 什么是数据产品经理产品数据经理角色的
什么是数据产品经理？角色是如何演变的？
在年代初期，LinkedIn、Netflix和Uber等公司遇到了问题。整个组织的团队都在大规模地处理数据，而且还有很多数据。
数据为他们的产品路线图提供动力，推动高管层的决策，并为他们的付费营销活动提供信息。内部和外部数据流入和流出公司。对于如何使用这些数据以及由谁使用，存在法规、指南和限制。但没有人负责开发数据解决方案以使分析具有可操作性、可扩展性和可访问性。
因此，创建了产品数据经理角色来回答以下问题：
存在哪些数据？
谁需要这些数据？
这些数据流向/来自哪里？
这些数据有什么用途？
有没有办法让使用/访问这些数据变得更容易？
这些数据是否合规和/或可操作？
我们如何才能更快地让数据对公司的更多人有用？
什么是数据产品？当然，你不可能有一个没有数据产品的数据产品经理——或数个数据产品。
但是定义一个数据产品是非常困难的。事实上，很多东西都可以被视为数据产品，从Looker仪表板或Tableau报告，到A/B测试平台，甚至是多层数据平台。
Yelp的数据实验负责人EricWeber建议，“以通用的方式谈论数据产品可以产生通用的结果。数据产品是一个有用的想法，但要让它真正创造价值，我们必须深入了解细节……”
所以让我们具体一点。无论产品可视化/压缩/投入工作的数据是什么，它都应该提供特定的结果：
增加数据可访问性（在人们需要的时候显示数据）
增加数据民主化（使人们更容易操纵数据）
更快的数据投资回报（更快的洞察力）
为数据团队/数据消费者节省时间
更精确的见解（即实验平台）
同样，数据产品也应该具备一些重要的特性或品质。
可靠性和可观察性。SaaS产品可接受的停机时间是关于“多少个9？”的讨论。如99.9%或99.%的可用性。正如软件工程师使用Datadog或NewRelic等产品来跟踪SaaS产品性能一样，数据产品经理需要解决方案来近乎实时地识别和解决数据产品性能问题。
可扩展性。数据产品应该随着组织和需求的增长而扩展弹性。
可扩展性。虽然数据产品可能是由不同解决方案的集成构建而成，但它需要保持与API轻松集成的能力，并具有足够的通用性，以便以最终用户喜欢的所有不同方式使用数据来摄取。
可用性。出色的SaaS产品专注于提供出色的用户体验。它们易于学习，使用起来很有趣，并且可以快速完成工作。
安全性和合规性。数据泄露既昂贵又痛苦，监管罚款也是如此。
发布纪律和路线图。SaaS产品不断发展和改进。路线图至少在未来一年内建立，并具有强大的更新质量保证流程。
数据产品经理做什么的？他们需要什么技能？数据产品经理负责数据民主化并增加数据本身价值的时间。他们设计、构建和管理数据平台或特定数据工具套件的跨功能开发，以服务多个客户。
例如，Atul为Uber的数据分析、数据知识和数据科学平台定义了产品战略和方向。在他的职位上，他领导了一个项目，以改进组织的数据科学工作台，数据科学家利用该工作台使其更容易协作。
数据科学家目前正在自动化验证和验证申请加入优步平台时所需的工人文件的过程。对于机器和深度学习来说，这是一个很棒的项目，但问题是数据科学家经常会遇到可用计算的限制。
传统的工程项目负责人可能会尝试添加更多虚拟机或延长项目时间线，而Atul研究了多种解决方案，并将虚拟GPU（当时是一种新兴技术）确定为一种可能的解决方案。
虽然价格很高，但阿图尔以领导力证明了支出的合理性。该项目不仅为公司节省了数百万美元，而且支持了一个关键的竞争优势。
这种积极主动的方法使得Uber能够在GPU可用时间立即开始构建他们需要的基础。价值实现时间大大加快——这是优秀数据产品经理的标志。
数据产品经理需要什么背景？他们向谁报告？虽然您不需要编写代码，但如果没有技术培训，这是一项艰巨的工作。这是一个需要了解复杂系统并与技术含量很高的同事一起工作的角色。
如果候选人有与客户交谈的经验，这也会有所帮助。这可以表明他们擅长翻译需求并向不同的受众讲述故事。
常见的数据产品经理背景包括：
后端工程（想要设定愿景的经理或强大的工程师）
传统B2B产品管理
内部模具产品管理
数据分析师
一些数据产品经理受制于数据分析师和数据科学家。其他人则与运营团队、软件工程师或大公司的高管一起工作。
无论报告的结构如何，数据产品经理都让数据消费者更容易理解和普及数据本身，而不是数据本身，而是从数据中收集的见解。
数据产品经理与产品经理处理数据涉及到大多数产品管理形式独有的技能组合。
您不是与传统客户合作，而是与数据消费者合作。这些员工使用的产品可以理解您公司的数据，无论这些数据是内部派生的、第三方的还是其他的。
换句话说，数据产品经理是一个产品经理角色，专门致力于构建内部数据工具或为内部数据消费者服务的数据产品。
数据产品经理与数据科学家这两个角色之间的主要区别在于数据科学家试图在现有产品或解决方案中收集见解。例如，“为什么用户没有注册？”
另一方面，数据产品经理致力于通过发现“这些数据的最佳结果是什么以及我们如何到达那里？”来增强工程师、业务利益相关者和执行领导的能力。
例如，Uber会在用户每次出行时收集数据。数据科学家将能够帮助预测用户何时可能抱怨或跳转到另一个拼车应用程序的价格点，以及价格如此之高的原因。
数据项目经理将专注于数据可以做什么，可以结合哪些其他数据，如何确保数据可靠，机器学习模型是否足够等等。
数据产品经理的未来数据团队正变得越来越分散和分裂——从数据治理经理到分析工程师，出现了更多角色。
与此同时，数据生产者与数据使用者之间的距离越来越远，需求呈指数级增长。这部分是由于组织的所有部分对数据的依赖日益增加。
数据产品经理的未来将与传统产品经理非常相似：跨越孤岛并激励团队和谐共处的指挥者。
它们将成为数据团队成员、数据消费者和产品制造商之间的关键连接点。它们将弥合数据产品和数据服务之间的鸿沟。他们将确定用户的需求、监控发展、宣传愿景、协调利益相关者并确定项目的优先级。
因此，组织将从应对数据火灾的被动姿态转变为积极构建内部数据能力作为竞争优势的姿态。
渐进式数据产品经理将批判性地检查一个好的数据产品的质量并设置他们自己的指标。
将调查数据产品用户满意度、测量停机时间并记录发布过程。这一切都将与业务价值挂钩，并在整个公司范围内传播。
对于任何数据专业人士来说，这确实是一个令人兴奋的未来。
