1.2　從數據分析師轉型做數據產品經理——從解構到創造

這幾年，在我周圍，從數據分析師轉型做數據產品經理的人比較多，包括本人。

在參加工作的前幾年里，我是一名數據分析師，主攻的方向是用戶行為分析，為了這個方向，我去輔修了應用心理學。后來有一段時間專注用戶行為采集的技術方案，和技術人員展開了一段過程痛苦卻收獲滿滿的合作。再后來，我成了一名數據產品經理。

從我個人的角度來說，工作變得更有趣了：這應該和性格、背景都有關系，卻也和當時的組織架構有關（關于各角色之間的關系會在第2章詳細論述）。當時的我長時間待在中臺部門，遠離業務，出報告對我來說已經變成了“八股文”。但是，為了定位一個問題，我還是會長時間地和業務部門坐在一起?？上У氖?，我很快發現，想要讓負責一線運營的同事去接受一個非業務部門人員的運營建議，是需要好的工具和基礎建設支撐的（比如好的報表和數據平臺）。在業務人員看來，一些看似復雜的論證過程，只不過論證了一些他們已經知道的事（只是沒能被精確量化），因此，所謂的數據分析師角色帶給我無數的困惑（這可能也從一個側面說明我不是一個好的數據分析師）。我重新復盤了自己的知識結構和思維方式，明確了當時的組織里必須要解決的問題，然后選擇了專注于用戶行為采集的技術方案。雖然那時我的職位仍然是數據分析師，但現在看來，已經走在轉型做數據產品的路上了。

在剛開始做數據產品經理的那段時間，我還經常被問到的問題，除了轉型的原因，還有最主要的兩個是：你覺得做數據分析和做數據產品有什么差異？更難了還是更簡單了？

對于第一個問題，我通常會根據分析方向和面對的不同的數據產品類型來做一些解答，至于第二個問題，我很想反問這些問問題的人，這個問題怎么能有答案呢？這幾乎完全取決于個人能力和興趣偏好啊！

1.2.1　兩種角色的巨大差異

在所有從數據分析師轉型做數據產品經理的人中，我肯定不是做得最好的，但我是幸運的。至少在今天看來，之前的經驗帶給我的知識儲備讓轉型顯得非常順利。數據分析師和數據產品經理的知識體系是相對接近的，想要完成知識上的遷移相對簡單，主要有以下3點不同。

首先，視角和專注對象不同。數據分析師專注研究特定對象，這個對象可能是業務、用戶、網站，等等。相關的事物也很重要，但是那些相關的東西多數時候都是為了佐證，或是為了補充邏輯鏈而存在的。對數據產品經理來說，數據分析師只是他們產品的一類用戶，而且是最容易溝通的那類。另外，如果數據產品經理的研究對象是“數據產品”，那么除了產品本身的邏輯，還要關注用戶需求，并且要在滿足用戶需求、產品自身邏輯、后續的延展性、落地的成本和可行性之間，找到一個各方都可以接受的方案，并詳細地定義它。

其次，研究方法和工具也不同。數據分析師的習慣動作是解構，即向下細分，通過拆解多個維度去發現問題——這就是我們常說的 “不細分，無洞察”（在做數據分析師的階段我愛開的一句玩笑是：這個問題沒刨干凈，繼續刨）。產品經理的習慣動作是抽象和創造，抽象出滿足業務場景的產品框架，根據這個框架創造出一個產品，還要在注定不一致的各個方面之間尋找一條落地的路。在多數時候，要尋求一種平衡，要忍受不完美的存在，并且在一定范圍內達成共識并接受它們。

最后，是工作目標的不同。不去考慮具體的分析對象，數據分析師的工作可以概括為通過量化指標的結構和變化發現問題，并提供解決問題的可行性方案，數據產品是數據分析師的工具。然而，有趣的是，數據分析也是數據產品經理的工具（這種關系在其他產品里幾乎不存在）。數據產品經理的目標是為用戶“使用數據協助完成工作”的訴求提供工具，是對數據分析過程的理解和對產品本身的數據分析、對平臺用戶的數據分析、對數據本身的數據分析（元數據分析），但這些分析都是為了定義數據產品而服務的。

用一個不太恰當的比喻，這有些像醫生和建筑師之間的差異。

一個好的醫生，首先要能準確地診斷，然后提供治療方案。診斷方式無論是中醫講究的“望聞問切”，還是使用當代醫療技術去做CT和核磁共振，都是一種和數據分析師所做的“數據細分”類似的過程。醫生還會通過多種技術手段去檢驗根據經驗做出的初步判斷，使結論更精確（就像假設檢驗過程）。確診后，簡單的問題可以使用藥物解決；當病情復雜，需要一些有風險的行為（比如手術）時，醫生通常會提供多種方案，來和其他專家、病人家屬一起商量（這就像數據分析師可以識別問題但無法給出明確方案的情況）。

一個好的建筑師，則要在建筑的功能（設計這個產品給什么角色提供決策輔助）、整體結構的穩定性（產品架構和指標體系是否穩定）、外部的環境（對外依賴的數據源現狀）、建筑本身的美觀（可視化效果）、延展性（能用多久）、用戶的使用（運營人員素質）等因素之間，找到一個方案。甚至還要考慮預算和工程實施的難度、實施人員的素質。

對于從數據分析師轉型做數據產品經理的情況，知識和技能的遷移相對簡單?！皵祿辈糠值闹R是完全一致的（包含知識和工具），對業務理解的必要性也是一致的——這對其他角色來說可能是最困難的部分。一個合格的數據分析師轉型做數據產品經理，只需要補充針對產品設計的方法論和對技術的理解。

1.2.2　從數據分析師轉型的難點

不同類型的數據分析師在轉型過程中面臨的重點、難點也不太一樣。

例如，一個業務分析師，非常了解某個業務的運轉和指標體系，熟知業務使用的各種報表，并且能從監控中迅速定位問題，那么當他想要轉型做數據產品經理時，對業務的充分了解就成了他的長處，他知道數據產品怎樣才能對業務側更友好。但是他的工作是遠離技術的，那么就要更多地去了解技術。相比之下，平臺分析師離技術和產品更近，卻沒有業務分析師距離一線業務那么近，所以在轉型時反而需要更多地和業務人員聊聊。

我們把不同類型的數據分析師的技能樹用一張圖來概括，如圖1-2-1所示。這里的描述并不精確，因為如果展開每一項，則不同類型的數據分析師，甚至每一個數據分析師的習慣，都會有不同的傾向。

總之，不同類型的數據分析師的共同優勢是對統計學和數據分析方法非常熟悉。而且，他們自己就是數據產品的用戶，至少知道之前自己見過的產品對于數據分析師這個類型的用戶來說哪里好用，哪里不好用。數據分析師的巨大挑戰是思維方式的轉變。

我認識很多同樣經歷過轉型過程的朋友，大家的現狀各自不同。有比做數據分析師時更成功，也更開心的，也有經歷了痛苦的爬坡之后回到數據分析師崗位的（滿眼都是問題就是不肯妥協）。和我一樣，這里面有性格原因，有自己的職業背景原因，還有其他各種各樣的原因。但是無論個體做出了怎樣的選擇，和他們聊起來，所有人都會講：這是一段非常有趣的旅程。