:::: MENU ::::

TalkingData's Blog

现在开始,用数据说话。

Posts Tagged / 数据产品经理

  • Jan 08 / 2018
  • 0
Ideas

锐眼洞察 | 数据产品经理的兴起(翻译)

作者:Trey Causey

原文:Rise of the Data Product Manager

译者:TalkingData CEO助理兼TDU执行校长 杨慧

本译文禁止商用,转载请注明来源与译者!

译者注:

数据产品经理是数据人才中的高等级交叉性人才,也是将来维持一个数据服务企业/企业数据部门核心竞争力的人才。

在接下来的几年中,将会有一种新的产品经理需求——数据产品经理。我以前曾经争辩说,优秀的数据科学家可以成为优秀的产品经理,但这是不完整的。数据是产品开发的核心,而不是仅在使用指标和A / B测试的事后分析中。数据的不断吸收和耗尽正在决定产品的行为方式以及新产品可能的类别。机器学习模型可以根据用户的偏好自动调整产品,为下一步行动做推荐,并对未来的功能和产品提出建议。数据产品经理了解这一点,并将其纳入他们的产品。

处理产品核心数据需要对数据建模、数据基础架构、统计和机器学习有一定程度的了解。它超越了对实验和阅读仪表盘的结果的理解——它需要一个深入的增值:通过对数据流的充分利用,可能发生什么以及接下来很快会发生什么。如果传统的产品经理在业务,工程和用户体验交叉领域作业的话,数据产品经理还必须具有数据和数据科学的领域知识。

数据产品经理要了解,使用数据构建产品需要一个数据策略——如何生成、收集和使用数据的计划是什么,以及如何在所在市场中赢得独特的位置?仅仅是收集数据并存储在数据仓库进行事后分析是不够的。数据产品经理已经制定了一个计划,为什么随着时间的推移,该产品生成的数据将被用来改进产品、算法等,为什么这会产生一个防御性的壁垒来增加产品长期成功的机会。换句话说,数据产品经理做了让飞轮与数据一起转动的产品决策。

数据产品经理要了解在技术层面上建设产品所涉及的技术基础架构。需要什么样的基础架构来支持产品?机器学习模型是否需要实时评分,还是可以脱机?对新数据进行再训练模型的计划是什么?随着时间的推移如何评估模型的成功?在生产中实施模型的复杂性成本是多少?是的,数据科学家也会回答这些问题,但数据产品经理需要积极参与这些讨论,作为产品开发中不可避免的权衡的一部分。

数据产品经理要了解,带着数据构建的过程中,收集数据和使用数据是两个不同的部分,其中数据有着不同的权衡,并经常涉及工程团队的不同部分。他们帮助推动产品开发流程,使这两个流程无缝衔接,帮助双方成功完成工作。

数据产品经理不仅了解许多问题可以使用机器学习模式,而且知道什么时候需要开发一个启发式模式。当不清楚的时候,他们通过时间盒探索来看看哪种方法可能更有用。他们也知道,从启发式模式到机器学习模式的切换会有一个适当的时机,并为此应变提前计划。

数据产品经理可以执行自己的分析——他们可以编写自己的SQL,建立自己的仪表板,解释他们自己的实验。他们对任何声称“数据自身说明”的人持怀疑态度,因为他们知道这是不正确的。人们说数据,知道如何进行分析与获得结果一样重要。数据产品经理并不是一味地“数据驱动”的决策者,这类人盲目地根据单一的号码拨打电话。数据产品经理会适当的怀疑数据的生产者和消费者。

数据产品经理可以在数据科学家、工程师、设计师、营销人员和其他产品经理之间转换需求。他们与数据科学家合作,确保尽可能快地获取和使用数据进行分析和建模的同事,将产品仪器和数据存储设备纳入他们的验收标准。他们不会让那些不是数据科学家的工程师对什么数据对数据科学家才有价值做出假设。

最后,数据产品经理只知道数据,模型和输出是不够的 – 他们仍然必须成为产品经理,并将这些组成部分与商业模式和组织的战略相结合。不符合商业模式的机器学习模式不仅会无理由的浪费时间和金钱,而且会削弱组织对机器学习的信任。在数据科学开展的迟,对数据科学的力量持怀疑态度,或者在领导力方面已经非常定性的公司尤其如此。

由于这些原因,我仍然相信优秀的数据科学家会成为优秀的产品经理,但是显而易见,一种新型的产品经理即将出现。

随时欢迎您 联系我们