数据产品经理要有「数据权威性」思维
数据产品经理的工作内容,每个公司、每个阶段对其的要求都有所不同。但是无论怎么样,数据产品经理不变的是跟数据打交道。因此,从数据本质来看数据产品经理工作更为透彻。在本文中,作者主要关注了数据产品经理与数据的关系,以及数据权威性在数据产品经理工作中的重要性。
实际工作中,大家可能都有这样的困惑或思考,“数据口径怎么对都对不齐!”“业务和数据团队提供给领导的同一指标总是不一致!”
大多数据产品经理,可能都遇到过这样的场景:
“领导要看核心数据,业务和数据团队都会给领导提供这样的指标。领导拿到数据后发现,两个或多个部门提供上来的数据不一致。业务有业务的口径,数据团队有数据团队的口径。即便该指标之前数据团队和业务部门以及其他部门一同定义的口径,提供给领导的数据依旧是不一致。接下来,领导就会让两个部门或多个部门将数据口径保持统一。数据产品经理这时候就要协调,大家坐在一起对口径。”
这是数据产品经理实际工作中的一角,也是一次又一次被挑战的过程。
大家可能会想,把数据口径对接好,确认好,不就可以了吗!但实际情况是,即便如此,依旧会上演历史的一幕。
所以,我们要换个思维来思考,导致这种数据口径永远对不齐的本质是什么?作者自身的经历验证,是数据权威性问题,并非是数据口径问题。
数据口径一致性只是手段,数据权威性是根本。
什么是数据权威性
数据权威性是一种以数据准确性、数据一致性等为手段,数据产品、数据白皮书等为媒介,建设的具有数据话语权的权威形象。它包括集中式数据权威、分散式数据权威和结构式数据权威三大类,具体方法有“建设数据权威出口”、“建立数据透明化入口”、”规范数据使用“、”数据指标白皮书“、|数据权威性意义宣贯”。
数据权威性的分类
数据权威性分类是从数据出口的角度来划分的,具体小编将其划分为三类,分别为集中式数据权威、分散式数据权威、结构式数据权威。
三种数据权威的内容及差异具体如下:
1. 集中式数据权威
数据集中到一处,从整体角度而言只有唯一出口。从公司角度,全部的数据应用都从该点向外辐射。
2. 分散式数据权威
完整数据被切割为n个部分,由<=n数量的数据出口进行管理与提供服务应用,同时<=n个数据出口的数据覆盖范围是独立的,不重复的。每个出口为所辖范围的数据权威性负责。
3. 结构式数据权威
结构式数据权威是集中式数据权威和分散式数据权威的结合。在中心数据出口下,有多个数据子出口,中心数据出口为数据子出口服务,数据子出口向外辐射,为运营、业务、产品、管理层等提供数据服务。
不同的数据权威性类型,没有好坏之分,各有优缺点。不同的公司,不同阶段,关于数据权威性的建设方式则有不同。用一句通俗的话来讲则是“适合的,就是最好的!”
数据权威性的建设方法
1. 建立数据权威出口
数据权威出口,我们通俗的理解是只有该出口输出的数据指标是被认可的,是数据准确性的象征。数据准确性、数据一致性是数据权威出口建立的手段。
数据准确性建设需要保证数据采集、数据计算、数据同步、数据输出的准确性。数据一致性需要与数据相关方进行密切沟通,共同建立。数据一致性更多的还是从数据取数口径出发,定期更新和同步数据取数口径,以及数据取数口径透明化尤为重要。
2. 建立数据透明化入口
所谓数据透明化指的是数据从哪里来?谁负责对接?业务逻辑是什么?计算逻辑是什么?这些内容需要有明确的记录和说明,一是为了后期更好的维护,二是提供数据准确性验证的条件;
作为数据产品经理,需要有宏观掌控能力。尤其是业务上有任何变化,基于上述内容作为基础,数据产品经理可以清楚判断对目前使用的数据有何影响,并提供良好的建议。
3. 规范数据使用
数据如何使用,什么场景下数据使用的注意事项,什么情况下业务上使用数据需要与数据团队进行再次确认,不清楚数据应用场景下可否使用数据,错误的使用数据带来的后果是什么,需要以规范化的方式体系化进行建设,并推动执行。
4. 数据指标白皮书
数据指标白皮书由指标中英文命名、业务口径、取数逻辑、应用场景、计算公式等构成,它是数据口径的权威性发布。因此数据指标白皮书自身的准确性、合理性以及可用性等是有较高要求的,它是数据权威性建设非常重要的一个步骤。
5. 数据权威性意义宣贯
数据权威性意义宣传是数据权威性建设的软实力,它是获得数据权威性认可的重要步骤,亦是建立联盟的过程。除了宣贯数据权威性意义内容,还清楚明确这种动作对业务、运营、产品、管理等的意义以及对其的助益。
总结
数据权威性建设不是一朝一夕的事情,需要长久经营,这时则需要坚强的意志以及强大的抗压能力。数据权威性是目标,数据准确性、数据一致性等则为手段。
数据产品是数据价值转化的媒介,数据权威性则是数据价值得以发挥作用的前提。在塑造数据权威性的过程中,数据产品经理是数据价值转化的助推器,是数据权威性的代言人。不良数据权威性是数据价值转化的阻碍。
作者:鱼日,公众号:issnail
本文由 @鱼日 原创发布于人人都是产品经理。未经许可,禁止转载
题图来自Unsplash,基于CC0协议
整理数据口径——>数据出口收口——>需求收口——>一线数据产品输出&管理层数据产品输出两步走
大家期待已久的《数据产品经理实战训练营》终于上线啦!
本课程非常适合新手数据产品经理,或者想要转岗的产品经理、数据分析师、研发、产品运营等人群。
课程会从基础概念,到核心技能,再通过典型数据分析平台的实战,帮助大家构建完整的知识体系,掌握数据产品经理的基本功。
学完后你会掌握怎么建指标体系、指标字典,如何设计数据埋点、保证数据质量,规划大数据分析平台等实际工作技能~
现在就添加空空老师(微信id:anne012520),咨询课程详情并领取福利优惠吧!
我想请问下“什么场景下数据使用的注意事项,什么情况下业务上使用数据”这两句是指的什么呢?数据的应用场景指的是?
这说了等于没说啊
学习了
数据权威性更多掌握在业务手上,特别是大量toB类的产品,数据口径的复杂度更多是基于业务的复杂度而形成的,所以最好是需要与业务的关键干系人保持联系
是的,文中也强调了这点,数据口径是与相关人共同制定和维护的。这个没毛病。