2.2　你的用戶是誰：數據產品的“用戶分析”

我們在這里用下面的結構來進行數據產品的“用戶分析”。

·用戶的特征：主要是他們對數據的認知程度、使用程度和使用方式。

·用戶的問題：即他們在工作中面臨的數據問題。

·對我們的輸入：我們（數據產品經理）能從這類用戶那里得到什么？

·我們的輸出：我們（數據產品經理）能為他們做什么？

·溝通關注點：溝通過程中需要注意的問題。

2.2.1　數據角色相關用戶

1．最重要的用戶：數據分析師

（1）用戶的特征

數據分析師是數據體系內最了解業務的人，同時也是業務體系內最懂數據的人——業務模型的數據化依賴他們對業務的理解。他們是數據產品的深度用戶，且是學習門檻最低的用戶。他們互為上下游，是天然的深度合作者。

（2）用戶的問題

問題1：寫報告3天，整理數據30天。

問題2：老板馬上就要數據，報表里卻沒有。

問題3：數據定義解釋成本高。

（3）對我們的輸入

業務側有一個好的數據分析師，對數據產品經理來說是非常幸福的事情。他們身上最重要的優勢，就是他們和業務人員在一起，熟悉業務運營過程中的細節。基于這個特征，指標體系、報表體系的建立，離不開數據分析師的配合。包括好的可視化平臺的搭建，數據分析師都是非常重要的合作方。

（4）我們的輸出

更便捷的數據提取渠道和工具；建立起不斷細化的報表體系；明確有效的指標庫。

（5）溝通關注點

建立信息同步機制，關鍵的業務信息和針對數據產品的使用問題，很多都來自數據分析師。數據產品經理在平臺視角發現的業務問題也需要與數據分析師隨時同步。

2.最有趣的合作者：算法工程師

（1）用戶的特征

這通常是一群非常聰明的人，也是有一些“偶像包袱”的人。大多數為數學和物理學相關專業。

（2）用戶的問題

問題1：Database（數據庫里的基礎數據）不好用。

問題2：我是算數的，不是“算卦”的。

（3）對我們的輸入

算法模型。

（4）我們的輸出

提供框架更寬、更通用的數據采集方案，協助數據開發人員優化數據庫。挖掘更多算法的業務應用場景。

（5）溝通關注點

盡量學習一些算法常識。

3.數據技術之數據開發：“相愛相殺”。

（1）用戶的特征

他們不是可視化平臺的“用戶”，卻是采集方案和系統信息數據的第一批“用戶”，也是我們最緊密的戰友。

（2）用戶的問題

問題1：數據源的結構實現不了數據產品經理說的指標和維度。

問題2：一直在支撐臨時項目，沒有成就感。

（3）對我們的輸入

不用多說，數據產品經理的產出落地80%以上都依賴數據開發者的數據邏輯。

（4）我們的輸出

靠譜的PRD。數據PRD需要定義的內容與其他產品PRD差異較大，具體方式在第6章介紹。

（5）溝通關注點

彼此信任，隨時同步信息，隨時溝通，隨時復盤。臨時項目也要建立沉淀機制，獲取最大價值。

4.數據運營：數據體系里的“蛋炒飯”——最簡單也最困難

（1）用戶的特征

重要的數據庫供應商（Data Supplier），是數據倉庫和基礎工具的最高頻使用者。說簡單，是因為臨時需求和報表需求的承接看起來只是跟需求方聊一聊，然后提供給需求方，是單純的執行者。說困難，是因為這部分是很多人碰都不愿意碰的“臟活累活”，在多數公司里會由新人承接，導致這部分工作里包含的大量信息難以被提取和沉淀，這些人員也很難從工作中獲得成就感。

（2）用戶的問題

問題1：Database不好用。

問題2：永無止境的臨時需求。

（3）對我們的輸入

無論是臨時需求的承接，還是對基礎工具的可用性評價，數據運營角色對數據產品經理來說都是非常重要的輸入。在我的經驗里，當你養成定期深度復盤（Review）臨時需求和報表需求的習慣時，得到的信息總能給你帶來驚喜。與數據分析師輸出數據報告相比，數據運營人員輸出的臨時需求和報表需求時效性更高，這部分工作是對一線運營變化最敏感、反應最迅速的。

（4）我們的輸出

基礎工具、逐步完善的指標庫。

（5）溝通關注點

定期復盤需求，關注需求之間的關系；建立隨時收集基礎工具使用問題的渠道。

2.2.2　非數據角色相關用戶

1.數據的最終受益者：一線運營人員

（1）用戶的特征

對他們中的大多數人來說，數據只是輔助線。業務的特征和方法不同，一線運營人員的數據使用習慣和數據使用能力也會參差不齊。一些學習門檻過高的工具對一線運營人員確實非常不友好，如果你所在的是做To B（To Business，泛指企業）產品的乙方公司，那么面臨的用戶更多是甲方的一線運營人員。

（2）用戶的問題

問題1：數據和我日常工作的關系是什么？數據需求怎么提？

問題2：我想要的數據真的那么難獲取嗎？我怎么判斷這些數據的準確性？

問題3：數據產品經理是干什么的？（這個問題真實存在）

（3）對我們的輸入

一線運營人員有著寶貴的實操經驗，而數據產品經理的目標之一就是用數據去優化運營人員的工作流（數據賦能業務的一部分）。所以，業務的工作目標、方式、流程，都是對數據產品有效的輸出。

（4）我們的輸出

適用于一線運營人員的數據工具，適當降低數據使用門檻。必要時可以提供相應的培訓。

（5）溝通關注點

溝通前，盡量提前理解業務模型，溝通過程需要避免過多地解釋技術問題。需要使用較多的溝通技巧去定位真實需求和識別問題。盡量使用數據接口人機制，尤其在數據分析師角色缺失的場景下，需要和業務部門負責人達成共識，使用統一接口人，避免信息過于散碎。

2．項目經理：能深度理解數據業務的項目經理并不常見，通常需要磨合

項目經理不算數據產品的用戶，我們只討論兩個問題。

（1）什么情況下需要主動引入項目經理？

除了多部門協作的大型項目，需要引入項目經理的通用答案大家都知道，是“跨團隊溝通遇到困難的時候”，具體到數據項目，更多的場景是：需要和非數據角色深度合作時。非數據角色很難對數據的生產流程和產出難度進行直觀的認知和評估，而項目管理能夠有效地解決這個問題，前提是要和項目經理對一些內容達成共識。

（2）和項目經理重點共識什么？

①數據生產流程的大概環節，包括團隊對數據源的依賴。

②不能使用基于功能列表的拆解方式管理項目（具體的需求管理方式在第4章介紹）。

③對于產品上線前不存在真實數據的項目（例如新的訂單類型），在上線后需要約定校驗期，在校驗期產生的問題不按照故障處理。