产品经理数据分析工具有哪些_盘点产品经理必备的软件工具

产品经理数据分析工具有哪些_盘点产品经理必备的软件工具,第1张

产品经理数据分析工具有哪些_盘点产品经理必备的软件工具 首先希望大家能重新认识数据产品经理这份工作:大数据产品经理并不一定要数学能力强或者编程能力强,只要你有用数据思考的方式,有相信数据的信念,有数据决策业务的意识,你就是个合格的数据产品经理了。


虽然目前数据产品经理在产品类岗位中已经很垂直了,但是思考方式和思维格局还是要比技能本身重要。


按照工作职责,数据类产品经理大致分为:数据分析产品经理,数据挖掘产品经理,策略产品经理,数据工程产品经理。


数据分析产品经理数据分析工具:SQL,python,excel(大部分分析工作都能搞定,尤其是透视表和基本公式要熟练)基础统计学知识:离散型/连续型概率分布,抽样分布,区间估计,假设检验,回归拟合简单方法,曲线相似度判断(这是我经常用到的,所以先写进来了)数据可视化工具:excel,tableau业务理解能力:快速定位数据问题,利用数据指导运营,市场分析能力,竞争态势分析能力,数据敏感度数据挖掘产品经理行业理解能力(越深刻越好):之所以把行业放在最前面,是因为数据挖掘和场景一般需要紧密贴合,对场景理解的程度直接决定了数据挖掘的方向和方式。


例如:用户连接WiFi的数据,在金融风控领域可以做人群关系从而判断欺诈团伙;但是在推荐领域可以做一度人脉,进行内容冷启动推荐。


所以数据挖掘产品经理,核心是行业理解能力和实践经验。


数据认知能力:数据质量把控(数据维度,密度是否足够支持挖掘出有价值的东西),数据特征把控(期望,方差,标准差等指标)算法认知能力:监督/非监督机器学习(涉及到是否需要样本标注数据),主要算法都能解决什么问题(分类问题,回归问题等),曲线相似度如何评估,算法效果评估(AUC,KS等指标)挖掘认知能力:不同数据的来源和去向,数据隐私保护条例和数据采集合规性等法律条款,不同类型数据的特征(例如短文本和长文字数据特征不同,生成手机设备指纹需要采集哪些维度数据等)产品经理范畴能力:数据产品设计,数据展示前端设计,数据权限管理等策略产品经理这里强调的还是数据层面业务打法布局等范畴的能力,而不是使用数据做决策的产品经理(因为我把这个范畴划分到数据分析产品了)市场分析:数据市场规模,行业前景预测,未来关键事件影响,市场资本规模等竞品分析:有哪些是竞品,竞品的业务边界,竞品的发展历程和关键节点,竞品的竞争优势,我们的竞争优势,我们的竞争机遇等行业理解能力:广告,金融,电商,新零售,O2O等多个行业,都离不开数据,因此行业理解能力至关重要,也需要长期积累打法落地:业务愿景和产品内核,哪些自己做哪些找合作伙伴,如何整合优势打市场空白,内部如何沟通并且争取资源,结果如何评价等等数据工程类产品核心就是对数据采集,存储,计算,数据库等技术方面了解,提供高效准确稳定的数据通路。


这类产品经理比较偏技术了。


数据采集:SDK埋点采集,爬虫采集,现有数据接入(接口或者excel等渠道)数据库:关系型数据库(mysql,DB2,SQLServer)的特点,非关系型数据库(OceanBase,HBase,MongoDB)的特点,数据处理模型的特点(OLAP,OLTP)数据仓库:数据同步(直连同步,文件同步等),ETL,数据作业调度管理流程,数据质量监控等离线计算:数据体量较大时如何存储,如何解决数据漂移问题,选择增量计算还是全量计算等实时计算:流式计算架构,数据处理层级(ODS,DWD,DWS等,在数据仓库里面也涉及到了),多留关联等维度表设计:维度设计原则,维度整合,一致性原则,雪花模式维度设计,维度拆分(水平拆分,垂直拆分)事实表设计:事实表设计原则,事实表设计方法(梳理业务过程,声明力度,确认维度,确定事实),几类事实表特征(事物事实表,快照等)以上,都是按照职能来划分的数据产品,如何具体到行业,还可以细分为统计/风控/推荐/广告等多个细分领域。


一个数据产品的职业生涯,不可能总处于同一个领域(例如同时做统计和金融风控两个领域的数据产品),甚至不可能是同一个职能(例如年终汇报时担任数据分析产品经理,项目实策划时担任策略产品,项目执行时担任数据挖掘产品)。


所以数据产品经理的天花板很高,可以掌控的范围也很广,对于新知识和学习能力的要求也很高。


数据产品的核心竞争力是:业务理解能力+数据专业能力。


先理解业务,然后在算法/数据挖掘/策略/性能架构 等几大方向上有一技之长,就能在实际工作中发挥很大价值。


当然如果上述能力全部掌握,那就是全栈数据产品经理了,路漫漫其修远,一起上下求索吧。


欢迎分享,转载请注明来源:内存溢出

原文地址: http://www.outofmemory.cn/tougao/637594.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2022-04-16
下一篇 2022-04-16

发表评论

登录后才能评论

评论列表(0条)

保存