1.3.2　數據專業能力

數據專業能力的核心部分是數據產品設計能力、數據分析能力，如果還有余力，可以再多了解大數據技術架構及數據挖掘算法等方面的基礎知識。這些知識只需了解其原理，以更準確地判斷需求實施的可能性或復雜度。

數據產品設計方法屬于產品設計的一個分支，一樣需要從需求和問題出發，著力于提供優秀的解決方案，同時有自己的獨特要求——發揮數據價值，突出表現在數據資產管理和數據業務效率提升兩方面。數據資產管理是數據產品繞不開的話題，從采集清洗到存儲管理，無處不在，核心是將數據這條四處奔涌的“水流”規范在穩定的“河道”上，以使其為民所用。這體現在能力上，即數據規范設計、落地產品及推動能力。這部分具體可參見第8章。數據業務效率提升，則是為了更好地發揮數據資產的價值，從產出各種分析功能，比如多維分析、漏斗分析及留存分析等，到設計合適的數據可視化，利用圖形精準地傳遞信息，設計各種復雜的數據策略。這里考驗的是定位業務場景及需求，設計高效的數據解決方案能力，在平臺型產品上是以面覆點的抽象能力，在應用型產品上就是精準貼合應用場景的業務理解能力。

數據分析也是數據產品經理有別于其他產品經理的特質能力之一。雖說數據分析一般會有專門的數據分析師負責，但數據產品在與業務結合的過程中，經常需要通過分析的過程來體現價值，所以數據產品經理必須熟知甚至精通數據分析。在基礎理論上，無非是細分——對比——溯源：細分上可以通過多個維度或指標組成進行劃分，然后通過時間對比（日、周、月同環比）或者維度對比等方式定位異常原因，最后溯源到現實的原因進行改進和優化。常用的工具有Excel、SQL、Python和R等，在少數情況下會用到SPSS等統計挖掘軟件。（具體可參考第2章。）

除此之外，一些技術相關知識也必不可少，主要是數據倉庫、數據采集傳輸、大數據架構和數據挖掘等方面的基礎知識。在某些深入的職業細分類別，比如數據倉庫設計師，則需要對該領域知識有更深入的鉆研。數據倉庫是為了提高數據分析效率的產物，其權威定義是“一個面向主題的（Subject Oriented）、集成的（Integrate）、相對穩定的（Non-Volatile）、反映歷史變化（Time Variant）的數據集合”。它用于支持企業或組織的決策分析處理。通過設定業務主題域，將數據庫表分為明細層、聚合層、應用層和維度表等來實現對其分層管理。設計良好的數據倉庫在提高分析效率的同時，還能兼容未來可能的業務升級，真切反映歷史變化。